گلوکوم یکی از بیماری‌های چشمی است که به صورت پیش‌رونده و غیر قابل برگشت می‌باشد. تشخیص زودهنگام گلوکوم به جلوگیری از از دست رفتن دائم بینایی کمک می‌کند. در هند، تعداد چشم‌پزشکان محدود است و نمی‌توانند تمامی بیماران را بررسی کنند. به دلیل این مسئله، تشخیص خودکار گلوکوم از تصاویر فوندوس ناحیه چشم در حوزه تصویربرداری پزشکی به روز است. روش رایج برای تشخیص گلوکوم، پارامتری به نام نسبت کاپ به دیسک (CDR) است که با استفاده از فناوری یادگیری عمیق انجام می‌شود.
تقطیع دیسک بینایی و کاپ بینایی با استفاده از معماری پیشنهادی MultiResUNet که ترکیبی از مسیرهای Res و MultiRes به معماری U-Net است، انجام می‌شود. مناطق دیسک بینایی و کاپ بینایی با استفاده از تصاویر تقسیم‌بندی شده محاسبه می‌شود و مقدار نسبت کاپ به دیسک (CDR) با استفاده از این مناطق محاسبه می‌شود. نتیجه تقسیم‌بندی از MultiResUNet با تقسیم‌بندی استاندارد U-Net با معیار عملکرد Jaccard Index مقایسه می‌شود.
نتایج تجربی نشان می‌دهد که MultiResUNet به دقت طبقه‌بندی میانگین 97.2% دست یافته است که نسبت به تقسیم‌بندی U-Net بهبودی 7.4% را نشان می‌دهد.
