‎‎یکی از مشخصات اساسی تصاویر اشعه ‎x‎ پزشکی، وجود تغییرات سطوح روشنایی در طول یک کلاس و شباهت های قابل توجه بین کلاس های مختلف است و این امر موجب می گردد که طبقه بندی این نوع تصاویر مشکل گردد. به منظور مقابله با این مشکل، در برخی روش های قبل، افزایش ویژگی های مورد استفاده یا زیاد نمودن الگوهای آموزشی پیشنهاد گردیده است که هر دو آن ها مستلزم صرف وقت و هزینه اضافی می باشد. با توجه به این محدودیت ها، یک روش جدید مبتنی بر قوانین فازی با هدف فهرست نمودن پربازده این نوع تصاویر پیشنهاد شده است که از مجموعه ویژگی های پیشنهادی تحت عنوان الگوهای باینری محلی متقارن مرکزی‎ مبتنی بر‎‎ تبدیل کانتورلت ccs-lbp ‎‎استفاده می کند. لازم به ذکر است که مطالعات زیادی روی الگوهای باینری محلی ‎lbp و اصلاح یافته های آن شامل ‎cs-lbp‎ با تمرکز بر استفاده از پیکسل های تصویر به عنوان توصیف کننده ها در حال انجام است. روش طبقه بندی پیشنهادی شامل سه مرحله است. در مرحله اول، ویژگی های محلی با تقسیم هر تصویر به ‎ 25‎ زیرتصویر همپوشان، اعمال تبدیل به هر زیر تصویر و استخراج cs-lbp‎ از هر زیر باند حاصل از اعمال تبدیل استخراج می گردد. در مرحله بعد جهت مشخص نمودن درجه عضویت زیر تصاویر به کلاس های مختلف از منطق فازی بهره گیری شده است. در نهایت به منظور تخصیص تصاویر به گروه های متناظرشان، پیشنهاد گردید که از توابع عضویت به عنوان ورودی طبقه بندی کننده ماشین بردار پشتیبان استفاده شود و این امر منجر به دستیابی به یک طبقه بندی کننده کارا و توانمند گردید. به منظور ارزیابی این روش، ‎ 25‎ کلاس مختلف انتخاب گردید و مجموعه ای آزمایشات جامع بر روی آن ها انجام شد. آزمایشات نشان می دهد که نتایج روش پیشنهادی بدون نیاز به تعداد زیادی الگوهای آموزشی‏، رضایت بخش بوده و می تواند برای طبقه بندی موثر تصاویر اشعه x ‎پزشکی مورد استفاده قرار گیرد.