امروزه در پزشکی مدرن استفاده از تصاویر mri برای جداسازی و سه بعدی سازی اجزای مغز در جهت آنالیز کمی بافت های مغزی مورد توجه قرار گرفته است آنالیز مربوطه منجر به بهبود تشخیص صحیح بیماری و در نتیجه درمان موثر آن می گردد. بیماری آلزایمر از جمله بیماری هایی است که با کمک آنالیز بافت های مغز بخصوص هیپوکمپوس قابل شناسایی است. هیپوکمپوس بخشی از سیستم لیمبیک مغز است که در برخی از بیماری های مغزی دچار تغییرات حجمی و ساختاری می شود. از سال 1995 تحقیقات زیادی در جهت قطعه بندی هیپوکمپوس انجام شده است. اخیراً سعی شده است که با کمک روش های آنالیز حجم و شکل (مانند استفاده از توابع موجک و هارمونیک کروی) و تعیین نقصان هیپوکمپوس برای تشخیص بیماری هایی مانند آلزایمر، صرع، شیزوفرنی و مانند آن استفاده شود. بیماری آلزایمر از جمله بیماری هایی است که منجر به کاهش حجم و تغییر شکل هیپوکمپوس در مراحل مختلف بیماری می شود. کاهش نامحسوس حجم هیپوکمپوس یکی از مشکلات پیش رو در تشخیص این بیماری در مراحل اولیه آن است که این مشکل با استفاده از پایش تغییرات شکل هیپوکمپوس مرتفع می گردد. بنابراین در این تحقیق، روشی توسعه یافته جهت مدل سازی شکل هیپوکمپوس بر اساس ضرایب توابع موجک کروی و استفاده از این ضرایب برای سیستم های دسته بندی مختلف مانند ماشین بردار پشتیبان و شبکه عصبی پِرسپترون، ارائه می شود. روش پیشنهادی مشتمل بر چندین مرحله است. در مرحله اول جداسازی هیپوکمپوس از تصاویر مختلف انجام می شود. سپس، در مرحله ی دوم، با مشبندی هیپوکمپوس ها و یکسان سازی و اصلاح آن ها به توزیع یکنواخت گره ها بر روی مش ها پرداخته می شود. در مرحله ی سوم، مشبندی مجدد و تراز کردن شکل ها در جهت تحقق به یک شکل میانگین صورت می پذیرد. در ادامه، با اعمال توابع موجک بر روی شکل میانگین و استفاده از ضرایب موجک بدست آمده به عنوان ورودی های ماشین بردار پشتیبان و شبکه عصبی پرسپترون، جدا سازی افراد بیمار از سالم صورت می گیرد. درنهایت بهبود دقت روش پیشنهادی در مقایسه با روش های متداول پیشین مورد بررسی قرار گرفته است.