دیابت، فشارخون بالا، سنگهای کلیوی، سرطان و اختلالات ارثی می توانند باعث بروز بیماریهای مزمن کلیه نظیر: بیماریهای گلومرولی، سنگها، تومورها و ضایعه التهابی دستگاه ادراری شوند. بررسی تصویر نمونه های رسوب ادرار به صورت شمارش صحیح سلولهای موجود شامل: گلبول قرمز خون (rbc )، گلبول سفید خون (wbc )، سلول اپی تلیال ، کست و کریستال بهمراه یافته های بالینی، به تشخیص این نوع بیماریها کمک می کند. در این تحقیق رویکردی مبتنی بر تبدیل موجک، تحلیل مولفه های اصلی((pca و دسته بندی کننده بیز برای تشخیص نوع سلول ارائه گردیده است. همچنین از شبکه عصبی احتمالاتی (pnn ) برای تشخیص نوع بیماری کلیوی استفاده شده است. نتایج ارزیابی رویکرد معرفی شده مبنی بر محاسبه میانگین سنجه های حساسیت ((se ، اختصاصی بودن ((sp و صحت به ترتیب برابر با : 99% ، 97% و 98.33% ، بیانگر عملکرد بهتر این رویکرد نسبت به روشهای دیگر است. همچنین، مقدار se برابر با 97.77% در مرحله تشخیص نوع بیماری، حاکی از موفقیت بالای الگوریتم پیشنهادی می باشد . این رویکردها فرآیندهای تشخیص و شمارش سلولها را با دقت بالا انجام داده و می توانند در تعیین نوع بیماری مفید واقع شوند.