Actuellement, le segmentionnement des lésions est encore effectué manuellement (ou semi-automatiquement) par des experts médicaux. Pour faciliter ce processus, nous proposons une chaîne de traitement entièrement automatique pour le segmentionnement des lésions. Cette étude présente une méthode dans le cadre du défi LiTS (Liver Tumor Segmentation Challenge) pour ISBI 17 et MICCAI 17, qui compare différentes approches de segmentation automatique des lésions hépatiques dans les scanners à émission de tomodensitométrie (CT). En utilisant des U-Nets 2D en cascade et densément connectés ainsi qu'une fonction de perte basée sur le coefficient de Tversky, notre cadre permet d'obtenir d'excellentes extractions de formes avec une haute sensibilité de détection, affichant des scores compétitifs au moment de la publication. De plus, l'ajustement des hyperparamètres dans notre fonction de perte Tversky permet d'orienter le réseau vers une plus grande sensibilité ou robustesse.