تشخیص و درمان به‌موقع بیماری گلوکوم می‌تواند از پیشروی این بیماری و از دست‌دادن ناگهانی بینایی جلوگیری کند. گلوکوم دیسک و کاپ نوری را که درون دیسک قرار دارد تحت تأثیر قرار می‌دهد. در این مقاله ابتدا به محلی‌سازی دیسک نوری پرداخته شده و سپس قطعه‌بندی دیسک و کاپ نوری به‌منظور تشخیص براساس نسبت کاپ به دیسک نوری (CDR) انجام می‌شود. برای مرحله محلی‌سازی دیسک از شبکه عصبی کانولوشنی مبتنی بر ناحیه سریعتر (Faster-RCNN) با شبکه پیش‌آموزش‌دیده ResNet50 استفاده می‌شود. مرحله قطعه‌بندی توسط معماری U-Net اصلاح‌شده با استفاده از شبکه SE-ResNet50 در قسمت کدگذار آن اجرا شده و در نهایت CDR مورد ارزیابی قرار می‌گیرد. پایگاه‌های داده Drishti-GS1 و RIM-ONE v3 برای آموزش و تست روش پیشنهادی و دسته‌داده MESSIDOR صرفا در مرحله تست بکار رفته است. همچنین به‌منظور قطعه‌بندی کاپ و دیسک نوری دو رویکرد برای درنظرگرفتن حاشیه‌نویسی کاپ و دیسک نوری در حقیقت مبنای دسته‌داده Drishti-GS1 پیشنهاد می‌شود. در رویکرد پیشنهادی دوم و طبق معیار  F₁-score، نتیجه قطعه‌بندی کاپ و دیسک نوری برای دسته‌داده Drishti-GS1 به‌ترتیب 0.93 و 0.97، برای دسته‌داده RIM-ONE v3 به ترتیب 0.79 و 0.95 و برای دسته‌داده MESSIDOR به ترتیب 0.84 و 0.93 بدست آمده که قابل رقابت با سایر کارها است.