تشخیص انواع تومور مغزی به کمک تصاویر ام آرآی در کنار دانش پزشکی می تواند به تصمیم گیری درستی در مورد وضعیت بیمار منتهی گردد. همچنین تشخیص خوش خیم یا بدخیم بودن تومور به دلیل لزوم بررسی جزئیات بافت و امکان خطا یکی از مسائل چالش برانگیز است. بنابراین پرداختن به این حوزه به کمک تکنیک های پردازش تصویر می تواند بسیار حائز اهمیت باشد. در این مقاله، به منظور تشخیص مناسب نوع تومور مغزی، انواع ویژگی های مختلف مبتنی بر بافت و مبتنی بر آمار مورد بررسی قرار گرفته و دسته ای از ویژگی های منتخب در این حوزه طبقه بندی مورد استفاده قرار می گیرد. سپس از تکنیک کدگذاری تنک و یادگیری واژه نامه به منظور آموزش مدل های فراکامل بازنمایی کننده مشخصات هر دسته داده استفاده می شود و دسته بندی داده ها براساس نرخ انرژی محاسبه شده ضرایب تنک صورت می گیرد. همچنین نتایج این دسته بندی با نتایج حاصل از دسته بندهای مبتنی بر شبکه عصبی و ماشین بردار پشتیبان مقایسه می گردد. نتایج شبیه سازی ها نشان می دهد که روش پیشنهادی مبتنی بر ویژگی های ترکیبی و آموزش مدل های فراکامل قادر به طبقه بندی مطلوب انواع تومور مغزی با دقت بالا خواهد بود.
