Здійснено аналіз методів сегментації зображень оптичної когерентної томографії, створено модель згорткової нейромережі U-Net, здійснено обробку серії тестових зображень з відкритої бази даних та здійснено порівняння результатів обробки з іншими алгоритмами за індексом структурної схожості (SSIM). Також здійснено попередню обробку тестових зображень для підвищення якості сегментації. В роботі здійснено створення, тренування та застосування згорткової нейромережі U-Net. Розглянуто існуючі методи сегментації зображень оптичної когерентної томогафії для діагностики та моніторингу офтальмологічних захворювань. Було проаналізовано переваги використання глибокої згорткової нейронної мережі U-Net у порівнянні з класичними методами, такими як оператор Собеля, та оператор Прюітт. На відміну від класичних алгоритмів, які мають обмежену здатність адаптуватися до шуму, неоднорідності зображення та патологій, U-Net забезпечив вищу точність сегментації зображень.