طی سال های اخیر بیماری های گوارشی روده در کشور افزایش چشم گیری پیدا کرده است. یک دسته شایع از این بیماری های گوارشی، کولیت ها می باشند. در پزشکی واژه ی کولیت به التهاب کولون اشاره دارد وهمچنین برای توصیف التهاب روده بزرگ نیز به کار برده می شود. کولیت کلاژنی، بیماری التهاب کلاژن در کولون و یکی از بیماری های کولیت میکروسکوپی است که توسط اسهال شدید و مزمن مشخص می گردد. این تغییر در کولون از لحاظ ماکروسکوپی به صورت نرمال و از لحاظ میکروسکوپی غیرنرمال می باشد. در تشخیص این بیماری نمی توان از آزمایشات معمول مانند آزمایش خون و تست انگل استفاده کرد. تنها روش تشخیص این بیماری با استفاده از نمونه برداری از روده بزرگ در خلال کلونوسکوپی و اندازه گیری ضخامت کلاژن توسط پاتالوژیست و به کمک میکروسکوپ می باشد. ضخامت لایه کلاژن در بافت کولون فرد بیمار از 10میکرومتر بیشتراست. این تغییر ضخامت کلاژن در طول ناحیه ساب اپیتلیال جای مشخصی ندارد و ممکن است در هر جای آن اتفاق بیفتد. بنابراین پاتالوژیست می بایست از چندین ناحیه در طول بافت کولون نمونه برداری و ضخامت لایه کلاژن را اندازه گیری کند. هم اکنون این کار به صورت چشمی انجام می شود که دربسیاری از مواقع باعث خستگی، کاهش دقت و خصوصاً اندازه گیری سلیقه ای می شود. بنابراین هدف از این تحقیق آن است که با تصویربرداری از نمونه، الگوریتمی پیشنهاد شود که لایه کلاژن را از تصویر بافت کولون استخراج نموده و ضخامت آن را با دقت اندازه گیری کند و پس از استخراج این اطلاعات از تصویر نواحی مشکوک را مشخص سازد. الگوریتم پیشنهادی در این تحقیق به نحوی طراحی شده که در برابر تغییرات شرایط محیطی مقاوم بوده و در بخش بندی و جدا سازی اجزای هیستوپاتولوژی کولون برای پردازش های سطح بالای تصویر از انعطاف پذیری قابل قبولی برخوردار باشد. با توجه به این که بخش بندی در تصاویر بافت کولون نیاز به تصویر با کیفیت مناسب دارد، اولین مرحله، پیش پردازش بر روی تصویر می باشد. در قدم بعدی می بایست ویژگی های رنگ و بافت مورد نظر از تصویر استخراج شود. از آن میان ویژگی های برتر که قدرت جداسازی بهتری نسبت به سایر ویژگی ها دارند، توسط الگوریتم انتخابگر ادابوست تعیین می شوند. پس از آن از الگوریتم طبقه بندی کننده بهینه با دقت وکارایی بالا به منظور جداسازی لایه کلاژن از تصویر بافت کولون استفاده می شود. در این پایان نامه از میان چندین روش مختلف، روش با سرپرست شبکه عصبی mlp به عنوان کارآمدترین روش انتخاب شده است. در مرحله ی آخر و پس از اتمام بخش بندی و جداسازی لایه کلاژن، با بکارگیری الگوریتم های مناسب، ضخامت لایه کلاژن در طول ناحیه و عمود بر محور گذرنده از آن اندازه گیری می شود. نتایج بدست آمده در این تحقیق و صحت عملکرد الگوریتم پیشنهادی توسط متخصص پاتولوژیست مورد تائید قرار گرفته است.