مولتیپل اسکلروزیس (MS) یک بیماری خودایمنی مزمن در سیستم اعصاب مرکزی انسان است. جهت درک دقیق تری از روند پیشرفت و درمان بیماری MS نیازمند بررسی کمی تغییرات ایجادشده در ساختار بافت مغز هستیم MRI2 یک روش موثر در تشخیص این بیماری میباشد. تاکنون رویکردهای متفاوتی جهت کمی سازی انواع ضایعات MS پیشنهاد شده است. در این مقاله ، پس از تقطیع ضایعات MS با به کارگیری الگوریتم تمام خودکار اتصال فازی تطبیقی ، انواع ضایعات در سه دسته black hole ، ارتقا یافته و ضایعات T2 توسط الگوریتم های KNN و FKNN با بهره گیری از شدت تصاویر MR طبقه بندی می شوند. نتایج ارزیابی تقطیع ضایعات MS روی تصاویر FLAIR توسط الگوریتم اتصال فازی تطبیقی مبتنی بر محاسبه میانگین معیارهای ضریب شباهت،کسر هم پوشانی و کسر اضافی به ترتیب برابر 0.84 , 0.89 و 0.22 بیانگر بهبود تقطیع الگوریتم اتصال فازی عمومی به واسطه تطبیقی نمودن الگوریتم، به ویژه در مرزهای ضایعات می باشد. همچنین ارزیابی طبقه بندی انواع ضایعات MS مبتنی بر محاسبه حساسیت ، اختصاصی بودن و دقت برای دو طبقه بند KNN و FKNN بیانگر عملکرد بهتر FKNN می باشد.