تصاویر mri ی مغز مهم ترین ابزار مورد نیاز برای مطالعه و بررسی آسیب های مغزی می باشد. تجربه نشان می دهد که استخراج اطلاعات برای تشخیص بیماری های مختلف از روی تصاویر mriبه خوبی توسط پزشک قابل انجام است. در سال های اخیر استفاده از امکانات بینایی ماشین در پردازش تصاویر پزشکی توجه محققین زیادی را به خود جلب کرده است. با توجه به تحلیل کیفی و همراه با خطای سیستم بینایی انسان، استفاده از تحلیل های کمی و بالا بردن دقت این تحلیل ها در قالب الگوریتم های مختلف پردازش تصویر به تشخیص بهتر بیماری کمک می کند. در زمینه بررسی ضایعات مغزی از روی تصاویر mriتا کنون کارهای زیادی انجام شده است. برای این منظور مراحل مختلف پردازشی انجام می شود. دقت در هر کدام از این مراحل می تواند نتیجه ی تشخیص را تحت تأثیر قرار دهد. در این تحقیقابتدا با استفاده از فیلتر های موجود در پردازش تصویر عمل رفع نویز و هموار سازی صورت پذیرفته است. سپس عملکرد این فیلترها از نظر هموار سازی و از بین بردن نویز هایی که روند کار تشخیصی را با مشکل مواجه می کند، باهم مقایسه شده و بهترین فیلتر مورد استفاده قرار گرفته است. پس از آندو روش جدید برای استخراج ناحیه ی مربوط به مغز انسان از میان بافت استخوان و چربی و ناحیه بندی آن به نواحی بافت سالم و سرطانی ارائه شده است. در ادامه، تصاویر مورد نظر از دو پایگاه داده با مشورت پزشک بدست آمدهاست. این تصاویر با استفاده از الگوریتم خوشه بندیk-meanو آستانه یابی مبتنی بر آنتروپیناحیه بندی شده که توسط آن حجم و موقعیت ناحیه بافت سرطانی آشکارسازی شده است. در مرحله تشخیص و تفکیک تصاویری که شامل بافت سرطانی و نرمال می-باشند، یک روش مبتنی بر عدم تقارن برای استخراج ویژگی از روی نواحی مربوط به بافت های سرطانی ارائه شده است. نتایج شبیه سازی ها نشان می دهند که یک طبقه بندی کننده ی عصبیبه خوبی قادر است با استفاده از ویژگی های استخراج شده ی قبلی برای تشخیص موارد سکته آموزش ببیند و موارد سکته را به خوبی تشخیص دهد.