تومور مغزی تشکیل شده از سلول هایی است که نمایشگر رشد بیرویه در مغز می باشند. طبیعت تومورهای مغزی بدخیم است، زیرا با اشغال فضای مغز جای بافت هایی را که برای اعمال حیاتی بدن نیاز است را می گیرند. به علت طبیعت تهاجمی تومورهای مغزی، این تومورها بر مهم ترین عضو بدن (مغز) اثر می¬گذارند. تشخیص اولیه تومور و تخمین پیشرفت آن برای درمان بهتر این بیماری، امری بسیار حیاتی می باشد. در حال حاضر در برنامه های کاربردی کلینیکی محدوده تومور در عکس مغز به صورت دستی تعیین می شود، درنتیجه زمانی که حجم اطلاعات زیاد است، روش دستی غیرقابل اجرا می باشد. قطعه¬بندی تومور یا ناحیه غیر طبیعی تصاویر رزونانس مغناطیسی (mri) می تواند نقش مهمی در تحقیقات سرطان و عملیات¬های بالینی بازی کند. اگر چه قطعه¬بندی دقیق تومور توسط رادیولوژیست¬ها ایده¬آل است، اما بسیار وقت¬گیر است. تجربه نشان می دهد که به منظور شاخص¬گذاری بانک-های اطلاعاتی mri، قطعه¬بندی های تقریبی می توانند کافی باشند. در این پایان نامه، یک روش خودکار برای پیدا کردن محدوده دقیق ناحیه غیرطبیعی مغز در تصویر mri مورد بررسی قرار گرفته است. این الگوریتم مبتنی بر ترکیب آنالیز تقارن و طبقه بندی کننده فازی است که برای تشخیص تومور درتصاویر پزشکی مغز استفاده می شود. الگوریتم آنالیز تقارن مغز توانایی فراوانی در تشخیص سریع نواحی با بافت ناهمگون و نامتقارن در تصویر پزشکی دارد، اما قادر به استخراج محدوده دقیق تومور نمی باشد. در مقابل روش طبقه بندی کننده فازی پیکسل ها، می تواند محدوده تومور را بر اساس شدت روشنایی پیکسل به دقت مشخص کند اما در شرایطی که با مرزهای نویزی و ضعیف روبه رو می شود، دچار اختلال می گردد. خصوصا با توجه به اینکه از رابطه مکانی بین پیکسل ها استفاده نمی کند، پس در محدوده های بزرگ که دارای بافت های گوناگون و سطوح روشنایی مختلف هستند امکان تشخیص اشتباه زیاد می شود. بدین جهت نیاز به بررسی نتایج و انتخاب تومور توسط یک متخصص اجتناب ناپذیر است. با ترکیب دو روش، ابتدا ناحیه جستجو به طور دقیق مشخص شده که خود منجر به کاهش تعداد پیکسل های ورودی به طبقه بندی کننده می شود. علاوه بر این دیگر نیازی به انتخاب تومور توسط کاربر انسانی نیست. لذا با ترکیب همزمان این دو روش، نیازی به مشخص کردن محدوده تومور به صورت دستی نیست و کل الگوریتم به صورت خودکار اجرا می شود. الگوریتم ارائه شده می تواند نقش مفیدی در نمایه سازی و ذخیره سازی داده های فراوان mri بازی کند. در این تحقیق بعد از به دست آوردن ناحیه ی شامل تومور جهت پیدا کردن مرز تومور از 4 الگوریتم قطعه بندی sfcm، fcm، fpcm و kmeans استفاده کرده ایم. در بخش نتایج مراحل مختلف اجرای الگوریتم به صورت جزء به جزء نشان داده شده است و الگوریتم ها روی یازده تصویر واقعی اعمال گردید. نتایج بیانگر آن است که الگوریتم sfcm موفق تر از سه الگوریتم دیگر عمل کرده است.