Das menschliche Auge ist ein Organ, das auf Licht und Druck reagiert. Viele Krankheiten, Störungen und altersbedingte Veränderungen können die Augen und die umliegenden Strukturen beeinträchtigen. Eine der Augenkrankheiten ist das Glaukom (Grüner Star). Das Glaukom ist eine Erkrankung, bei der der Flüssigkeitsdruck im Auge ansteigt. Unbehandelt kann er den Sehnerv schädigen und zum Verlust des Sehvermögens führen. Die frühzeitige Erkennung des Glaukoms minimiert das Risiko eines Sehkraftverlusts. Das vorgeschlagene Modell synthetisiert hochrealistische, kontrollierbare Fundusbilder, um mit Hilfe eines Deep-Learning-Modells eine höhere Präzision bei der Erkennung von Glaukomen zu erreichen.Ein generatives adverses Netzwerk (GAN) ist ein unbeaufsichtigtes maschinelles Lernverfahren, das zur Erweiterung von Datensätzen verwendet werden kann und gesammelte Bilder so aufbereitet, dass sie von realen Daten nicht mehr zu unterscheiden sind. Das Deep Convolutional GAN (DCGAN), eine weitere Variante des GAN, zeigt die architektonischen Beschränkungen des Modells auf, die für die effektive Entwicklung hochwertiger Generatormodelle erforderlich sind. Der erweiterte Datensatz, der durch Datenerweiterung gewonnen wurde, und der ursprüngliche ACRIMA-Datensatz mit Fundusbildern werden dem CNN-Klassifizierungsmodell zur Erkennung von Glaukomkrankheiten separat zugeführt.