在前列腺癌的图像分割中，k-means聚类算法被用于训练数据的聚类和训练多个决策树分类器。根据患者特定的特征，选择最合适的分类器，并结合上下文信息来定位种子点。这种方法在一组3D TRUS前列腺患者图像上的评估结果显示，与临床经验丰富的放射科医生的手动分割相比，我们的方法达到了91.0% ± 1.6%的Dice相似系数，表明该方法在前列腺超声图像的分割上是有效的 。
在前列腺癌的图像分割中，k-means聚类算法被用于训练数据的聚类和训练多个决策树分类器。根据患者特定的特征，选择最合适的分类器，并结合上下文信息来定位种子点。这种方法在一组3D TRUS前列腺患者图像上的评估结果显示，与临床经验丰富的放射科医生的手动分割相比，我们的方法达到了91.0% ± 1.6%的Dice相似系数，表明该方法在前列腺超声图像的分割上是有效的 。