Αρκετοί αλγόριθμοι επιλέγονται με βάση τα βασικά χαρακτηριστικά διαφοροποίηση των ιστών τους.

Γραφική αναπαράσταση του τυπικού ακουστικού σήματος των τριών αλγορίθμων χαρακτηρισμού των ιστών για κακοήθη και μη κακοήθη περιοχές. Διαγράμματα (α-γ) αναπαριστάνουν μία κακοήθη βλάβη ενώ τα γραφήματα (δ-στ) αντιπροσωπεύουν μια μη κακοήθη περιοχή. Προσέξτε τη διαφορά στην τιμή στον άξονα y μεταξύ (α) και (δ), (β) και (ε), (γ) και (στ).

Μεμονωμένοι και σύνθετοι διαφοροποίησης αλγόριθμοι εκπαιδεύονται σε σύνολα δεδομένων (σάρωση + ιστολογία) του ασθενή για να επιτευχθεί ο μέγιστος στατιστικός διαχωρισμός.

Η σύγκριση φυσιολογικών με κακοήθων περιοχών του προστάτη οδηγεί σε διαφορετικές κατανομές των αριθμητικών μοντέλων, με κατανομές που σχετίζονται με τις καρκινικές περιοχές (πορτοκαλί) συστηματικά μετατοπιζόμενες προς τα δεξιά (υψηλότερες τιμές) σε σύγκριση με τις κατανομές που σχετίζονται με την φυσιολογική περιοχή (μπλε).

Οι εκπαιδευμένοι αλγόριθμοι εισέρχονται και εφαρμόζονται στο σύστημα για να παρέχουν βελτιωμένη διαφοροποίηση.

Η μαθηματική ενσωμάτωση των κατανομών, που εξασφαλίζεται από τις τρεις αλγορίθμους χαρακτηρισμού των ιστών, επιτρέπει τον ορισμό των αριθμητικών μοντέλων, που ενδέχεται να είναι συγκεκριμένα για μη κακοήθεις ή κακοήθεις ιστούς του προστάτη.