La estimación de la fracción de eyección a partir de videos de ecocardiograma apical de cuatro cámaras se realiza mediante un sistema que combina segmentación con deep learning y un análisis detallado de la geometría ventricular. Una U-Net 2D con codificador ResNet50 realiza la segmentación cuadro por cuadro del ventrículo izquierdo, y los volúmenes ventriculares se calculan posteriormente utilizando el método de área-longitud. Para corregir sesgos sistemáticos derivados de errores de segmentación y de la estimación heurística del volumen, nuestra metodología incorpora un modelo de regresión que predice el error con signo entre las fracciones de eyección estimadas y las reales, utilizando descriptores geométricos. Los predictores más informativos son la razón de longitudes y la razón de volúmenes. Este enfoque logra un error absoluto medio del 4.75 % en el conjunto de datos EchoNet-Pediatric para vistas apicales de cuatro cámaras, ofreciendo una estimación refinada e interpretable de la función cardíaca.