تومورها توده هایی از سلول ها هستند که در آن ها تقسیم سلولی به صورت فزاینده و غیر قابل کنترل انجام می شود. با توجه به شایع بودن بیماری تومور مغزی و مرگ و میر ناشی از آن، راه اندازی یک سیستم خودکار برای قطعه بندی تومور، گامی مهم و ضروری درزمینه ی پزشکی و درمان به شمار می رود. به همین منظور در روش ارائه شده در این پژوهش، قطعه بندی تومور با هدف بهبود دقت در دو بخش اصلی، قطعه بندی سراسری و قطعه بندی محلی انجام می شود. هدف از انجام بخش قطعه بندی سراسری، یافتن تقریبی ناحیه ی موردنظر است که از روش FCM برای انجام آن استفاده می شود. در بخش قطعه بندی محلی ابتدا استخراج ویژگی با استفاده از روش های گابور، هیستوگرام گرادیان های جهت دار، الگوی محلی دودویی، اعمال عناصر ساختاری و همچنین ویژگی های شدت روشنایی انجام می گیرد. برای کاهش ابعاد بردار ویژگی و نیز کاهش پیچیدگی زمانی از روش PCA برای کاهش ابعاد بهره گرفته می شود. در ادامه دسته بندی با دسته بندهای جنگل های تصادفی، ماشین بردار پشتیبان با تابع کرنل RBF و k-نزدیکترین همسایه صورت گرفته و با رویکرد ترکیب دمپستر-شفر ترکیب شده و بدین ترتیب دسته بندی و درنتیجه قطعه بندی انجام شده و در پایان با استفاده از یک فیلتر اکثریت گام پس پردازش انجام می شود. نتایج آزمایشات و مقایسه آن ها با کارهای پیشین انجام شده در زمینه قطعه بندی تصاویر تومور مغزی حاکی از کارایی قابل قبول روش پیشنهادی هستند.
