Sistemas de Informação estão evoluindo para processar dados multimídia. A segmentação automática do ventrículo esquerdo em exames médicos para auxílio ao diagnóstico é um desafio multidisciplinar da área de Cardiologia. Diversas abordagens têm sido propostas, com destaque para redes de aprendizado profundo, que têm obtido excelente desempenho, mas ainda produzem segmentações com erros anatômicos. Considerando essa limitação, esse trabalho apresenta um método de segmentação híbrido que combina aprendizado profundo e modelos deformáveis com restrições de forma. A combinação favorece a produção de segmentações anatomicamente mais consistentes. Resultados indicam que o método é competitivo e oferece boa generalização.