موضوع تجزیه و تحلیل یا محاسبات بر روی تصاویر دیجیتال که در مورد استخراج اطلاعات مورد نیاز از داده های تصویری است، بسیاری از پژوهشگران را در زمینه های گوناگون، مجذوب خود ساخته است. یکی از اعمال زیر بنایی که برای تجزیه و تحلیل تصاویر پزشکی صورت می گیرد، انجام قطعه بندی بر روی این گونه تصاویر می باشد. در فرآیند قطعه بندی تصاویر پزشکی، اشیا مورد نظر از درون تصاویر موجود استخراج می شوند تا پزشکان بتوانند ویژگی های آن ها را مورد بررسی قرار دهند. تبدیل جنگل سازی تصویر (ift)، چارچوبی برای قطعه بندی تصاویر به خصوص به صورت تعاملی است. مطالعات گسترده ای نشان داده اند که ift قادر به تولید قطعه بندی هایی با کیفیت بالا در طیف گسترده ای از زمینه ها می باشد. برای یک تصویر مفروض، با توجه به مجموعه کوچکی از عناصر تصویر (مجموعه دانه) که دارای برچسب های صحیحی هستند، ift، فرآیند برچسب گذاری برای سایر عناصر تصویر را با محاسبه مسیر هایی با کمترین هزینه از تمام عناصر تصویر به عناصر مجموعه دانه، کامل می کند. سپس به هر عنصر تصویر، برچسبی معادل برچسب نزدیک ترین نقطه دانه تعلق می گیرد. با این حال، در تصاویری با مرز های ضعیف و یا مفقود، استفاده از الگوریتم ift برای انجام عملیات قطعه بندی، منجر به تولید قطعه هایی با مرز های نامنظم می شود. در الگوریتم ift ملایم سازی شده، این نقطه ضعف ift برای تصاویر دو بعدی مورد توجه قرار گرفته است. در این پژوهش، الگوریتم ift ملایم سازی شده برای قطعه بندی تصاویر سه بعدی mri مغزی که حاوی نویز بوده و بنابراین دارای لبه های ضعیفی هستند، توسعه داده شده است. نتایج حاصل از اجرای آن بر روی دو مجموعه داده استاندارد brainweb و ibsr مربوط به تصاویر سه بعدی mri مغزی، به صورت کمی مورد ارزیابی قرار گرفته و نشان می دهد که روش ift ملایم سازی شده برای تصاویر سه بعدی، در حضور نویز، نتایج بهتری نسبت به الگوریتم ift با توجه به معیار های شباهت و دقت قطعه بندی، ارائه می کند.