مولتیپل اسکلروزیس یا ام اس (MS)  بیماری مزمن ناشی از سیستم ایمنی است که بر سیستم عصبی مرکزی تأثیر می گذارد و منجر به اختلالات مختلف از جمله اختلالات بینایی می شود. تشخیص زودهنگام  ام اس برای درمان ، حیاتی است. اسکن لیزری افتالموسکوپی (SLO) یک تکنیک غیرتهاجمی است که تصاویر شبکیه با کیفیت بالا را ارائه می دهد و نویدبخش تشخیص زودهنگام ام اس است. این مطالعه یک رویکرد مبتنی بر رگ را با استفاده از شبکه‌ ی (LSTM) برای تشخیص MS در تصاویر SLO مورد بررسی قرار می‌دهد. این مطالعه 106 فرد سالم (HCs) و 39 بیمار ام اس (78 چشم) را پس از اجرای اقدامات کنترل کیفیت و حذف تصاویر بی کیفیت یا آسیب دیده، که در مجموع 265 تصویر (73 MS و 192 HC) به دست آمد.  رویکرد ما برای تشخیص زودهنگام ام اس در تصاویر SLO با استفاده از شبکه‌ی LSTM می باشد. این رویکرد شامل دو مرحله کلیدی است: 1) پیش آموزش یک شبکه عصبی عمیق بر روی یک مجموعه داده منبع و 2) تنظیم دقیق شبکه بر روی مجموعه داده هدف متشکل از تصاویر SLO. ما بخش ‌بندی عروق را در تشخیص ام اس و اثربخشی روش پیشنهادی خود را در بهبود مدل‌های تشخیصی بررسی می‌کنیم. مطالعه حاضر هنگامی که بر روی مجموعه داده آزمایشی شامل تصاویر SLO ارزیابی می‌شود، به نرخ دقت چشمگیر 97.44% دست می‌یابد. با انجام آزمایش‌هایی بر روی مجموعه داده‌های SLO و استفاده از رویکرد مبتنی بر رگ با LSTM، یافته‌های تجربی ما نشان از دقت مناسب مدل پیشنهادی دارد.