چکیده: تشخیص زودهنگام بیماری MS از اهمیت بالایی برخوردار است، چرا که این بیماری می‌تواند به طور برجسته‌ای بر کیفیت زندگی بیماران تأثیر بگذارد. MS یک بیماری التهابی مزمن است که سیستم عصبی مرکزی را تحت تأثیر قرار می‌دهد و تشخیص صحیح آن می‌تواند چالش‌برانگیز باشد. روش‌های رایج مانند استفاده از تصاویر MRI نیاز به تحلیل دقیق و مدل‌های پیشرفته برای شناسایی نواحی آسیب‌دیده دارند. در این راستا، استفاده از روش‌های هوش مصنوعی و یادگیری عمیق می‌تواند به بهبود دقت تشخیص کمک کند. در این پایان‏نامه، بر روی تصاویر MRI نخاع از تکنیک‌های پیشرفته یادگیری ماشین و یادگیری عمیق برای تشخیص بیماری MS استفاده شده است. ابتدا با استفاده از تکنیک افزایش داده، داده‌ها پیش‌پردازش شده و نمونه‏های آن‌ها افزایش یافته است. سپس، با به کارگیری شبکه عصبی عمیق NASNetMobile، ویژگی‌های کلیدی از تصاویر استخراج و با استفاده از الگوریتم t-SNE ابعاد ویژگی‌ها کاهش یافته است. در مرحله نهایی، طبقه‌بندی با به کارگیری الگوریتم KNN انجام شده و نمونه‌های دارای MS، Myelitis و نرمال شناسایی شده‌اند. بر اساس نتایج شبیه‎سازی میانگین دقت روش پیشنهادی برای تشخیص بیماری MS برابر 98.14 درصد است که نسبت به روش‌های مقایسه شده بهبود داشته است.