بیماری ام اس یک بیماری رایج در اعصاب مرکزی بوده (مغز و نخاع) که در اثر تخریب غلاف میلین، سبب ایجاد لکه های سفید یا پلاک های متعددی در مغز فرد می گردد. شیوع روز افزون بیماری ام اس از یک سو و تشخیص به موقع آن از سویی دیگر، لزوم به تصویربرداری دقیق را برای شناسایی ام اس بیان می کند. از میان روش های تصویربرداری موجود mri به دلیل حساسیت بالا، عدم استفاده از پرتو یونیزه، غیر تهاجمی بودن، یک روش موثر در تشخیص می باشد. با توجه به اینکه تشخیص بیماری ام اس و طبقه بندی نوع آن به مهارت پزشک وابسته می باشد استفاده از روش های هوشمند می تواند در تشخیص و طبقه بندی به پزشک کمک کند. این پایان نامه، به بررسی طبقه بندی داده های حاصل از mri مغز، به دو گروه نرمال و دارای ام اس یا مستعد ام اس، با استفاده از روش های هوشمند و به ویژه شبکه های عصبی کانولوشن می پردازد.. تصاویر مورد بررسی در این پایان نامه از مرکز تصویر برداری حقیقت جمع آوری گردیده است که شامل تصاویر mri، 150 بیمار،108 زن و 42 مرد می باشد. این مجموعه تصاویر شامل 81 بیمار ام اس یا مشکوک به ام اس و 69 نرمال است. در کار های گذشته عمدتا از الگوریتم های بخش بندی شده است اما به دلیل ساختار پیچیده مغز و وجود نواحی مشابه ضایعات، عمدتا دچار مشکل می شوند. در این نوشتار برای اولین بار به ارائه شبکه عصبی کانولوشن به منظور تشخیص بیماری ام اس پرداخته شده است. این شبکه به دلیل استخراج اتوماتیک ویژگی های محلی تصاویر توان بالایی در تشخیص این بیماری، بدون اعمال پیش پردازش دارد. پس از استخراج بردار ویژگی، برای طبقه بندی ویژگی ها با شبکه های عصبی پرسپترون، در دو حالت آموزش لایه آخر کانولوشن و آموزش کل ساختار به تریب حساسیت 96% و 100 %، دقت 76% و 86 % را بدست آوریم. کلید واژه: بیماری ام اس، تصویربرداری mri، شبکه عصبی کانولوشن و استخراج ویژگی.