هدف از این مطالعه بهبود عملکرد طبقه بندی روش های نوین، با استفاده از مدلی چند لایه به منظور کمک به تشخیص بیماری های شبکیه ی چشم است. این مدل از الگوریتم K-SVD پیشرفته، برای یادگیری ماتریس دیکشنری و الگو های پایه استفاده می کند تا بتواند با الگوپذیری از معماری چند لایه، ویژگی های بهتری را در تصاویر OCT شبکیه بیاموزد. همچنین در این معماری، علاوه بر استفاده از برچسب های کلاس داده های آموزشی، اطلاعات برچسب نیز در هر ستون پایه در ماتریس دیکشنری ترکیب می شود تا در کدگذاری تنک در طی فرآیند یادگیری دیکشنری بیشترین تبعیض اعمال شود که این منجر به موفقیت مراحل کدگزاری تنک و جمع بندی، در پیدا کردن نمایش موثر تری از داده به منظور طبقه بندی می گردد. برای اعتبار سنجی الگوریتم، از مجموعه داده های داک استفاده شده است. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی این مقاله توانسته است با پیشی گرفتن از بسیاری از مدل های جدید یادگیری دیکشنری و نمایش تنک، بسیار خوب عمل نماید و با دقت خوبی منجر به طبقه بندی صحیح? 95. 85 برای تصاویر نرمال و صددرصد برای تصاویر بیمار (DME و AMD) شود.