تشخیص تومور مغزی نقش مهمی در تشخیص زودهنگام و برنامه ریزی درمان بیماران دارد. تصویربرداری تشدید مغناطیسی MRI)) به دلیل وضوح بالا و ماهیت غیر تهاجمی آن به عنوان یک روش تصویربرداری قدرتمند برای تشخیص تومور مغزی ظهور کرده است. این پایان نامه، یک الگوریتم نوآورانه برای تشخیص تومور مغزی در تصاویر MRI ارائه می‌کند که یک مکانیسم انتخاب آستانه پویا و ادغام عملیات مورفولوژیکی را در بر می‌گیرد. روش‌های آستانه گذاری مختلفی برای جداسازی مناطق تومور از بافت سالم مغز به کار گرفته شده است. با این حال، انتخاب مناسب ترین روش آستانه برای هر تصویر MRI به دلیل ویژگی‌های متنوع و توزیع شدت تومورهای مغزی، همچنان مسئله‌ا‌ی حل نشده باقی مانده است. در این پایان نامه، ما الگوریتمی را پیشنهاد می‌کنیم که به صورت پویا روش آستانه عمومی، Otsu یا فازی C-Means را بر اساس ویژگی‌های تصویر انتخاب می‌کند. الگوریتم با بارگذاری تصویر MRI و انجام مراحل پیش پردازش مانند حذف نویز و بهبود تصویر آغاز می شود. در مرحله بعد، بر اساس سه معیار همگنی، تفکیک‌پذیری و همپوشانی بهترین رویکرد آستانه را تعیین می‌کند. اگر ناحیه تومور ناهمگن یا دارای مرزهای فازی است از روش فازی C-Means (FCM) استفاده می‌کند و در مواردی که همگن است، معیارهای تفکیک پذیری و همپوشانی را برای انتخاب بین آستانه عمومی و روش Otsu ارزیابی می‌کند. پس از استفاده از روش آستانه گذاری مناسب، عملیات مورفولوژیکی برای بهبود شکل تومور و حذف نویز احتمالی اعمال می‌شود. این عملیات، به صاف کردن مرزهای تومور و پر کردن شکاف‌ها کمک می‌کند و در نتیجه نمایش دقیق‌تری از ناحیه تومور ایجاد می‌کند. برای ارزیابی اثربخشی رویکرد پیشنهادی ما، آزمایش‌هایی را بر روی یک مجموعه داده از پایگاه داده‌های استاندارد تومور مغزی(BRATS) متشکل از تصاویر MRI انجام دادیم. نتایج نشان می‌دهد که روش ما به دقت و استحکام بالایی در تشخیص تومور مغزی دست می‌یابد و از تکنیک‌های مشابه موجود بهتر عمل می‌کند.
