توموگرافی کامپیوتری با رزولوشن بالا (hrct) یک تکنیک تصویربرداری پزشکی است که چشم انداز روشنی از بدن انسان به منظور بازرسی بافت ریه در اختیار قرار می‏دهد. این تکنیک اندازه‏گیری‏های دقیقی از الگوهای بافتی مربوط به بیماری سیستیک فیبروز فراهم می‏آورد. سیستیک فیبروز (cf) یک بیماری مزمن ارثی و شایعترین اختلال اتومازول مغلوب در سفید پوستان است که عمدتاً ریه‏ها و دستگاه گوارشی را تحت تأثیر قرار می‏دهد. در ریه‏ها بیماری سیستیک فیبروز با ایجاد آسیب‏های متنوع در مجرا و دیواره‏ی راه‏های هوایی و در پی آن عفونت و التهاب، خانواده‏ای از الگوهای بافتی را پدید می‏آورد. هدف از انجام این پروژه ارائه یک سیستم تشخیص به کمک کامپیوتر (cad) خودکار جهت تشخیص و شناسایی بافت سالم و ناسالم تصاویر hrct از جمعیت نسبتاً بالایی از بیماران cf است، تا از این طریق بتواند به تشخیص پزشک و درمان زود‏هنگام این بیماری یاری رساند. الگوریتم ارائه شده به منظور طبقه‏بندی الگوهای بافت ریه از سه مرحله ناحیه‏بندی، استخراج ویژگی و طبقه‏بندی تشکیل شده است. در مرحله اول بافت ریه از نواحی قفسه سینه جدا می‏گردد. در مرحله دوم سه تبدیل پردازشی نوین شامل موجک گابور دایره‏ای، کانتورلت و فریم‏های موجک گسسته برای تولید بردار ویژگی از نواحی مطلوب (roi) تعریف شده درون بافت ریه استفاده می‏شود. سپس از میان بردارهای ویژگی، با استفاده از روش انتخاب ترتیبی پیشرو و انتخاب ترتیبی پسرو بردارهای ویژگی مستقلی که قدرت تمایز بیشتری دارند، انتخاب می‏شوند. در مرحله آخر الگوریتم ماشین‏های بردار پشتیبان فازی (fsvm) برای طبقه‏بندی الگوها در دو گام اعمال می‏گردد. در این مطالعه سه الگوی بافتی عمده مرتبط با بیماری cf (نرمال، برونشکتازی و التهاب) از یک پایگاه داده شامل 1100 تصویر hrct مربوط به 22 بیمار مبتلا به cf انتخاب شده و طبقه‏بندی می‏گردند. آزمایشات بر روی دو مجموعه آزمون مختلف انجام می‏گیرد. در مجموعه آزمون اول roiهای استخراج شده توسط روش پیشنهادی طبقه‏بندی می‏شوند و در مجموعه آزمون دوم الگوریتم طبقه‏بندی روی کل تصویر hrct اعمال می‏گردد. نتایج حاصل از این آزمایش‏ها نشان می‏دهد که روش پیشنهادی در مشخصه‏یابی بافت ریه با دقت کلی 8/77% شامل دقت 5/93% در گام اول و دقت 25/84% در گام دوم، نسبت به مطالعه مشابه انجام شده در این زمینه با دقت 6/72% از عملکرد مطلوب‏تری برخوردار است.