La tomografía de coherencia óptica (OCT) basada en imágenes de la retina se utiliza a menudo para determinar factores influyentes en la progresión y tratamiento del paciente, para lo cual se investigan las capas de la retina del ojo humano para evaluar el estado de salud y la vista del paciente. En esta contribución, proponemos un sistema multietapa basado en aprendizaje automático (ML) de codificadores y decodificadores multinivel apilados para la segmentación de imágenes de OCT de las capas de la retina para permitir la siguiente evaluación con respecto a los estados fisiológicos y patológicos. Los resultados de nuestro sistema propuesto resaltan sus beneficios en comparación con los enfoques actualmente investigados al combinar métodos comúnmente utilizados del aprendizaje profundo (DL) mientras se utilizan redes neuronales profundas (DNN). Concluimos que al apilar múltiples codificadores y decodificadores multinivel, se pueden lograr puntajes mejorados para la tarea de segmentación de imágenes. Nuestra segmentación basada en capas de retina da como resultado un rendimiento de segmentación final de hasta % para el coeficiente de Sørensen-Dice, superando al mejor modelo de una sola etapa actual en % con un puntaje de %, dado el conjunto de datos de OCT peripapilar evaluado. Además, proporcionamos resultados en los conjuntos de datos Duke SD-OCT, Heidelberg y UMN para ilustrar el rendimiento de nuestro modelo en conjuntos de datos especialmente ruidosos.