Zbadano wykorzystanie informacji kontekstowych do analizy danych fMRI. Podej?cie skladalo si? z dwóch etapów: obliczenia statystycznej mapy parametrycznej i wykrywania aktywacji poprzez grupowanie kontekstowe. Algorytm klasteryzacji iteracyjnej przedstawiony w tej pracy jest oparty na algorytmie ICM Besaga. Naszym wkladem bylo zastosowanie i ocena ICM w kontek?cie testowania hipotez i statystycznych map parametrycznych. Wyniki wskazuj?, ?e moc opracowanego algorytmu kontekstowego jest lepsza ni? konwencjonalnego progowania statystycznej mapy parametrycznej woksel po wokselu. Chocia? do testowania algorytmu wykorzystano dane fMRI, konstrukcja algorytmu jest ogólna i mo?e byc stosowana do wykrywania obiektów o nieznanym rozkladzie ze znanego rozkladu tla równie? w innych podobnych problemach.