بیماریms یکی از مهمترین انواع بیماری های خود ایمنی بدن و شایع ترین عامل ناتوانی حرکتی غیر جراحتی در جوانان و به خصوص بین زنان20 تا 40 سال است. بررسی کمّی تغییرات حجم انواع ضایعات در تصاویر تشدید مغناطیسی (mr) به گونه ای که بتواند برآوردی از میزان درگیری واحد های حجمی و تخریب میلین ارایه نماید، به همراه ارزیابی علایم بالینی (edss) درک دقیق تری از روند پیشرفت بیماری ایجاد می کند و اطلاعات مهمی را برای پیگیری روند درمان در بیماران ارائه می دهد. بنابراین به منظور کمّی سازی میزان همبستگی حجم انواع ضایعات با edss، به یک روش دقیق و تمام خودکار جهت تقطیع انواع ضایعات نیاز است. رویکرد معرفی شده در این تحقیق مشتمل بر سه مرحله می باشد. در مرحله اول، بردار ویژگی های بافت محور شامل ویژگی هایی نظیر: شدت روشنایی هر پیکسل، میانگین شدت روشنایی، واریانس، گرادیان، میزان بی نظمی (آنتروپی) برای هر پیکسل در یک همسایگی و همچنین، میانگین و واریانس ضایعات و بافت طبیعی در تصاویر flair برای دادگان تعلیم تشکیل شده و پیکسل های دادگان آزمایش با استفاده از طبقه بندی کننده svm ، به دو دسته ضایعات و بافت سالم دسته بندی می شوند. در مرحله ی دوم، با نگاشت ضایعات استخراج شده از تصاویر flair به دیگر سبک های تصویربرداری تشدید مغناطیسی (mri)، نواحی متناظر ضایعات در تصاویر t2 وزن دار (t2w)، تصاویر t1 وزن دار (t1w) وt1w ارتقا یافته با گادولینم (gad-e-t1w)، استخراج می شوند. سپس با استفاده از شبکه عصبی چند لایه پرسپترون (mlp)، ضایعات در سه دسته t2، t1w (black hole)، t1 ارتقا یافته، دسته بندی می شوند. در نهایت، همبستگی حجم ضایعات هر دسته با edss، محاسبه می گردد. نتایج ارزیابی مرحله اول مبتنی بر محاسبه شاخص شباهت (si) 76% بوده که نشانگر دقت بالای الگوریتم تقطیع می باشد. در مرحله دوم معیارهای حساسیت (se)، اختصاصی بودن (sp) و دقت (ac) برای دادگان آزمایش، به ترتیب برابر 87% و 94% و 94% ، نشان گر عملکرد مطلوب این بخش از الگوریتم پیشنهادی است. نتایج کمّی سازی میزان همبستگی، ارتباط معنی دار در افزایش حجم ضایعات t2w و علائم بالینی را نشان می دهد (p=0.03 و r=0.71 ). همچنین همبستگی مهم تری بین حجم ضایعات نواحی سیاه رنگ در تصاویر t1w و علائم بالینی وجود دارد (p=0.004 و r=0.82 ). بررسی ها انجام شده نشان داد که بین حجم ضایعات در تصاویر gad-e-t1w و علائم بالینی همبستگی ضعیفی وجود دارد(p=0.01 و r=0.62). انتظار می رود نتایج این تحقیق، نیاز به تقطیع دستی ضایعات توسط پزشک را کاهش و در تشخیص روند تشدید بیماری و درمان موثر آن کمک قابل توجهی نماید.