A device receives a two-dimensional (2-D) image that depicts a cross-sectional view of a macula comprised of layers and boundaries to segment the layers, and determines spatial coordinates of the 2-D image that include x-coordinates and y-coordinates. The device uses a data model, that has been trained using a deep learning technique, to process the 2-D image and the spatial coordinates to generate boundary maps that indicate likelihoods of voxels of the 2-D image being in positions that are part of particular boundaries. The device determines, by analyzing the boundary maps, an initial set of boundary positions, and determines a final set of boundary positions by using a topological order identification technique to refine the initial set of boundary positions. The device determines thickness levels of the layers of the macula based on the final set of boundary positions, and performs one or more actions based on the thickness levels.L'invention concerne un dispositif recevant une image bidimensionnelle (2D) qui représente une vue en coupe d'une macula constituée de couches et de limites permettant de segmenter les couches et qui détermine des coordonnées spatiales de l'image 2D, qui comprennent des coordonnées x et des coordonnées y. Le dispositif utilise un modèle de données, instruit à l'aide d'une technique d'apprentissage profond, pour traiter l'image 2D et les coordonnées spatiales pour générer des cartes de limites qui indiquent les probabilités que des voxels de l'image 2D se trouvent dans des positions à l'intérieur de limites particulières. Le dispositif détermine, en analysant les cartes de limites, un ensemble initial de positions limites et détermine un ensemble final de positions limites en utilisant une technique d'identification d'ordre topologique pour affiner l'ensemble initial de positions limites. Le dispositif détermine les niveaux d'épaisseur des couches de la macula en fonction de l'ensemble final de positions limites et effectue une ou plusi
