تعیین نوع تومور مغزی براساس پردازش تصاویر ام آرآی در کنار دانش پزشکی می تواند به تصمیم گیری درستی در مورد وضعیت بیمار منجر شود. در این راستا تشخیص خوش خیم یا بدخیم بودن تومور و انتخاب روش درمانی بر این اساس، به دلیل لزوم بررسی دقیق جزئیات بافت تومور و امکان بروز خطا می تواند به یک مبحث چالش برانگیز تبدیل شود. در این صورت پرداختن به این مسئله به کمک تکنیک های پردازش تصویر می تواند اهمیت بسیاری داشته باشد. در این مقاله، تشخیص مناسب نوع تومور به کمک ویژگی های بافتی و آماری تصویر و انتخاب بهترین بردار ویژگی صورت می گیرد. سپس از الگوریتم تحلیل مولفه های اساسی تنک ساختار یافته به منظور کاهش بُعد این دسته ویژگی ها استفاده می شود. در ادامه بردارهای ویژگی حاصل به منظور آموزش مدل های جامع بازنمایی کننده ساختار داده مربوط به هر نوع تومور مغزی به کمک الگوریتم فاکتورگیری ماتریس غیرمنفی تنک مورد استفاده قرار می گیرند. دسته بندی داده ها در روش پیشنهادی براساس مقدار نرخ انرژی محاسبه شده برای ضرایب تنک صورت می گیرد. همچنین نتایج این دسته بندی با نتایج حاصل از طبقه بندهای مبتنی بر شبکه عصبی و ماشین بردار پشتیبان مقایسه گردیده است. نتایج شبیه سازی ها نشان می دهد که روش پیشنهادی مبتنی بر ویژگی های ترکیبی آماری/بافتی قادر به دسته بندی انواع تومور مغزی با دقت بالا خواهد بود.
