Com o aumento da quantidade de patologias relacionadas ao olho humano, a segmentação da escavação e do disco óptico se tornaram principais objetos de estudo por parte de experimentos interligados a Deep Learning, visando um aperfeiçoamento na classificação das mesmas estruturas possibilitando uma melhor identificação. Este estudo propõe uma abordagem de segmentação da escavação e do disco óptico combinando a técnica de divisão proporcional de imagem, em relação a área de segmentação, e a arquitetura de rede U-Net com encoder da ResNet-34. A abordagem proposta apresentou resultados promissores, alcançando 96% de Dice na segmentação do disco nos datasets RIM-ONE e DRISHTI-GS e 90% e 85% de Dice na segmentação das escavação nos datasets DRISHTI-GS e RIM-ONE, respectivamente.