تشخيص أمراض الشبك المختلفة من صور التصوير المقطعي البصري للنطاق الطيفي (SD-OCT) هو مهمة صعبة. تم استخدام نهج آلي مختلفة مثل معالجة الصور وخوارزميات التعلم الآلي والتعلم العميق لاكتشاف مبكر وتشخيص أمراض الشبك. ومع ذلك، فإن هذه النماذج عرضة للأخطاء وعدم الكفاءة الحسابية، مما يتطلب تدخلًا إضافيًا من الخبراء البشريين. في هذا البحث، نقترح هندسة شبكة عصبية تلافيفية جديدة لتمييز بنجاح بين مختلف أنواع تدهور طبقات الشبك وأسبابها الأساسية. أظهرت الهندسة المقترحة الجديدة تفوقها على نماذج التصنيف الأخرى بينما تعالج مشكلة انفجار الدرجات (gradient explosion). يبلغ دقة نهجنا نسبة قريبة من الكمال تبلغ 99.8٪ و100٪ لكل من قاعدة بيانات SD-OCT للشبك المتاحة بشكل منفصل. بالإضافة إلى ذلك، تقوم هندستنا بتوقع أمراض الشبك في الوقت الفعلي بينما تتفوق على الأطباء البشريين في التشخيص.