L'oil humain est un organe qui réagit à la lumière et à la pression. De nombreuses maladies, troubles et changements liés à l'âge peuvent affecter les yeux et les structures environnantes. L'une des maladies de l'oil est le glaucome. Le glaucome est une affection caractérisée par une augmentation de la pression du liquide dans l'oil. Sans traitement, il peut endommager le nerf optique et entraîner une perte de vision. La détection précoce du glaucome minimise le risque de perte de vision. Le modèle proposé synthétise des images de fond d'oil contrôlables très réalistes afin d'obtenir une précision dans la détection du glaucome grâce à un modèle d'apprentissage profond.Un réseau accusatoire génératif (GAN) est une technique d'apprentissage automatique non supervisée qui peut être utilisée pour augmenter les ensembles de données et rendre les images collectées indiscernables des données du monde réel. Le Deep Convolutional GAN (DCGAN), une autre variante du GAN, suggère les contraintes architecturales du modèle requises pour développer efficacement des modèles de générateur de haute qualité. L'ensemble de données amélioré, obtenu à partir de l'augmentation des données, et l'ensemble de données original ACRIMA d'images du fond d'oil sont donnés séparément au modèle de classification CNN pour la détection de la maladie du glaucome.