دردهه اخیرسرطان به یکی از بیماری های شایع درمیان انسان ها تبدیل شده است. براساس آمار منتشرشده توسط جامعه تومورشناسان آمریکا، نسبت بیماران درمان شده مبتلا به سرطان مغز درطول پنجسال فقط 11% است. انتخاب بهترین نوعدرمان این سرطان به میزان توانایی پزشک در شناسایی نوع ،موقعیت، اندازه و مرز تومور بستگی دارد. یکی از روش های تعیین نوع تومور استفاده از روش های تصویر برداری پزشکی است. متداول ترین روش تصویربرداری از مغز، روش تصویربرداری تشدید مغناطیسی (mri) است. از آنجا که تشخیص بیماری های سرطان وطبقه بندی آنها وابسته به دانش و تجربه پزشک است، دراین مطالعه سعی برآن شد تا با بکار گیری تصاویرmr ازیکسو ودانش ومهارت پزشکان از سوی دیگر، یک سیستم cad براساس مدل سلسله مراتبی مبتنی بر قشر بینایی مغز (hmax) برای ایجاد تمایز بین تومورهای بدخیم و خوش خیم درتصاویرmr مغزی ایجاد نماییم. بکارگیری مدل سلسله مراتبیhmax وهمچنین استفاده از روش انتخاب ویژگی مبتنی بر الگوریتم ژنتیک درتصاویرmrمغزی جهت تشخیص نوع تومور، جزء نوآوری های این تحقیق به شمار می ِآیند. بعه دلیل عدم دسترسی به پایگاه داده استانداردجهت بررسی عملکرد مدل، ساختار پیشنهادی در ابتدا توسط پایگاه داده استاندارد مربوط به سرطان سینه موردارزیابی قرار گرفت. نتایج شبیه سازی برای 1200 عدد roi حاوی تومور خوش خیم و بدخیم مربوط به پایگاه داده سرطان سینه و بدون بکارگیری روش انتخاب ویژگی مبتنی بر الگوریتم ژنتیک، منجر به بدست آمدن میزان صحت 83/99% ومیزان حساسیت 66/99% وخصوصیت 91/99% شد. عملکرد طبقه بند درشبیه سازی مدل پیشنهادی با داده ای شامل 304 عددroiحاوی تومورخوش خیم وبدخیم مغزی، بااستفاده ازساختار اولیه وعدم استفاده از انتخاب ویژگی توسط الگوریتم ژنتیک، درمرحله آزمایش دارای صحت 53/93%،حساسیت 51/94% وخصوصیت 54/92% بود. این مقادیر با بکارگیری انتخاب ویژگی توسط الگوریتم ژنتیک بعد از مدل سلسله مراتبی hmax،به طور میانگین به میزان صحت 68/98% وهمچنین میزان حساسیت 69/97% ومیزان خصوصیت 03/99% منجرشد.