اخیراً یکی از زمینه های بسیار پرکاربرد روش های پردازش تصاویر به تصاویر پزشکی اختصاص داده شده است که کاربردهای جدیدی از جمله کمک در تشخیص بیماری، برنامه ریزی و شبیه سازی جراحی و کمک به طرح های پرتو درمانی و.... پیدا نموده است. بدین منظور برای تحقق هدف شناسایی و تشخیص کیفی مرزهای تومور و جداسازی تومور در تصاویر ام آر آی مغز، الگوریتمی قدرتمند ارائه شده است. در الگوریتم پیشنهادی ابتدا بخش بندی جمجمه ای دو مرحله ای برای جداسازی بخش اصلی مغز و جمجمه انجام گرفته است. در مرحله اول، استخراج ویژگی برای مکان یابی ناحیه موردنظر و در مرحله دوم، بخش بندی برای استخراج ناحیه موردنظر انجام گرفته است. در اﯾﻦ تحقیق ﺟﻬﺖ ﮐﺎﻫﺶ ﻋﺪم ﻗﻄﻌﯿﺖ در تشخیص تومور در تصویر ام آرآی ﻣﻐﺰ اﻟﮕﻮرﯾﺘﻤﯽ ﺑﺮ اﺳﺎس ﺧﻮﺷﻪ ﺑﻨﺪی ترکیبی ﻓﺎزی و ﻧﻈﺮﯾﻪ ﺷﻮاﻫﺪ اراﺋﻪ ﺷﺪه اﺳﺖ. در روش ﭘﯿﺸﻨﻬﺎدی ﻣﻘﺎدﯾﺮ ﻋﻀﻮﯾﺖ ﻧﻬﺎﯾﯽ ﭘﯿﮑﺴﻞ ﻫﺎ ﺑﻪ ﺧﻮﺷﻪ ﻫﺎ ﻣﻮرد ﮐﺎوش ﺑﯿﺸﺘﺮی ﻗﺮار ﮔﺮﻓﺘﻪ و ﺑﺮای رﻓﻊ ﻣﺸﮑﻼت از ﻧﻈﺮﯾﻪ ﺷﻮاﻫﺪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. نتایج شبیه سازی الگوریتم پیشنهای بر اساس معیارهای حساسیت، ویژگی و دایس مورد ارزیابی گردید. الگوریتم پیشنهای با مقدار معیارهای حساسیت 0.90،ویژگی 0.98 و دایس 0.92، نسبت به الگوریتم های کارشده عملکرد بهتری داشته است والگوریتم پیشنهادی توانسته است که تشخیص مناسبی جهت شناسایی تومور های موجود در تصاویر ام آر آی داشته باشد.
