در این پایان نامه، شیوه ای جدید برای مساله خوشه بندی رشته های فیبری بافت سفید مغز، حاصل از تصاویر ام.آر.آی تانسور انتشاری (dt-mri) ارائه شده است. در حال حاضر تصویر برداری انتشار تنها روش موجود در مطالعه ویژگی های بافت سفید مغز انسان زنده می باشد. دنبال کردن بردار ویژه های اصلی تانسورها جهت بازسازی مسیرها با عمل tractography روشی متداول در مشاهده و تحلیل تصاویر dt-mri است. گروه بندی مسیرهای فیبری در دسته های آناتومیکی مربوط، تحلیل و ارائه نتیجه گیری های مناسب ازاین داده ها را ممکن می سازد. اخیرا روش های گوناگونی به منظور خوشه بندی فیبر های بافت سفید ارائه شده است. الگوریتم پیشنهادی برتری های بسیاری نسبت به روش های قبلی دارا می باشد. الگوریتم خوشه بندی ارائه شده نوعی تعمیم برای الگوریتم خوشه بندی فازی کلاسیک می باشد. در مساله خوشه بندی رشته های فیبری بافت سفید مغز، اشیاء، رشته های فیبری می باشند که از منظر ریاضیاتی به صورت منحنی های سه بعدی نمونه برداری شده مدل می شوند. برای پیاده سازی و به کار گرفتن یک الگوریتم خوشه بندی فازی بر روی این نوع خاص از داده ها، روابط ریاضی و برخی تعریف ها به گونه ای مناسب تعمیم داده شدند و با تعریف مفهوم درخت پروتو تایپ دسته (bundle prototype tree)، bpt امکان انجام مقایسه دقیق میان فیبرهای مختلف و پروتوتایپ هر دسته فیبری فراهم شده است. همچنین برای اولین بار به جای در نظر گرفتن تنها یک معیار شباهت برای بررسی نزدیکی فیبرها، از ترکیب تمامی عوامل شباهت از جمله فاصله، شکل، طول و نقاط ابتدایی و انتهایی به شکل مناسبی بهره برده ایم. نتایج حاصل از این روش موجب افزایش سرعت دسته بندی در کنار افزایش دقت روش و مقاوم بودن الگوریتم در برابر نویز و outlier ها می گردد.