شب کوری نوعی بیماری ژنتیکی است که در مراحل اولیه بیماری، دید فرد در شب محدود می شود و در صورت عدم کنترل بیماری، منجر به دید تونلی و در نهایت نابینایی می گردد. تا کنون درمان قطعی برای این بیماری کشف نشده است و تنها می توان شدت پیشرفت این بیماری را کنترل کرد. از طرفی، یادگیری عمیق نقش بسیار موثری در بهبود تشخیص بیماری ها داشته است و به عنوان یکی از شاخه های هوش مصنوعی، جایگاه ویژه ای در علوم پزشکی را به خود اختصاص داده است. پیشرفت الگوریتم های یادگیری عمیق در تشخیص بیماری ها در طی سالیان اخیر، توسط پزشکان و پژوهشگران مورد توجه قرار گرفته است. در تشخیص بیماری شب کوری با استفاده از شبکه عصبی عمیق کانولوشن، تاکنون راه کارهای مختلفی برای بهبود عملکرد تشخیص ارائه شده است و هر کدام دقت و تشخیص مختلفی با توجه به نوع تصاویر استفاده شده را به همراه داشته است. در این مقاله، با استفاده از تصاویر Fundusرنگی و با ترکیب دو شبکه CNN و حافظه کوتاه مدت طولانی LSTM، به طور میانگین دقت 4/99 % در طبقه بندی دو کلاس شبکیه مبتلا به بیماری شب کوری و شبکیه سالم حاصل شد که نسبت به سایر روش ها، عملکرد بهتری داشته است.
