La proporción copa-disco (CDR) es de gran importancia durante la evaluación de cambios estructurales en la cabeza del nervio óptico (ONH) y el diagnóstico del glaucoma. Aunque la mayoría de los esfuerzos se han centrado en adquirir el número de CDR a través de algoritmos de segmentación basados en CNN seguidos por el cálculo de CDR, estos métodos generalmente solo se centran en las características en el núcleo de convolución, que es, después de todo, la operación de la región local, ignorando la contribución de características globales ricas (como píxeles distantes) a las características actuales. En este documento, se propone una nueva red de aprendizaje profundo de regresión de atención espacial y de canal de extremo a extremo para deducir el número de CDR desde la perspectiva de regresión y combinar el mecanismo de autoatención con la red de regresión. Nuestra red consta de cuatro módulos: el módulo de extracción de características para extraer características profundas que expresan el patrón complicado del disco óptico (OD) y la copa óptica (OC), el módulo de atención que incluye el bloque de atención de canal (CAB) y el bloque de atención espacial (SAB) para mejorar la representación de características mediante la agregación de información contextual a larga distancia, el módulo de regresión para deducir directamente el número de CDR, y el módulo auxiliar de segmentación para centrar la atención del modelo en las características relevantes en lugar de la región de fondo. Especialmente, el CAB selecciona mapas de características relativamente importantes en la dimensión del canal, desplazando el énfasis en la región de OD y OC; mientras tanto, el SAB aprende la capacidad discriminativa de la representación de características a nivel de píxel capturando la relación dentro del mapa de características. Los resultados experimentales del conjunto de datos ORIGA muestran que nuestro método obtiene un error absoluto de CDR de 0.067 y un coeficiente de correlación de Pearson de 0.694 en la estimación de CDR y nuestro método tiene un gran potencial para predecir el número de CDR.