مطمئن ترین و آخرین راه برای تشخیص سرطان، نمونه برداری از بافت مشکوک می باشد. اگر احتمال ابتلا به سرطان از طریق روش های غیرتهاجمی مانند رادیوگرافی، تصویربرداری ‏‎mri‎‏ و ‏‎ct‎‏ اسکن و اولتراسوند رد نشد، برای اطمینان، از بافت مشکوک نمونه برداری بافت می شود و پس از رنگ آمیزی، سلولهای آن زیر میکروسکوپ مشاهده می گردد. متخصص آسیب شناسی با مشاهده شکل سلولها، نحوه قرار گرفتن آنها در بافت، بیماری را تشخیص می دهد و در صورت وجود سرطان، درجه هیستولوژیکی آنرا تعیین می کند. درجه هیستولوژیکی، مشخص کننده میزان بدخیمی بافت سرطانی می باشد. درجه بندی این تصاویر می تواند متاثر از عوامل درون ناظری و بین ناظری باشد؛ یعنی سلیقه ای و وابسته به شخص باشد. همچنین درجه بندی بعضی از تصاویر مشکل و وقتگیر می باشد. از آنجا که درجه هر نمونه سرطانی برای برنامه ریزی درمانی اهمیت فراوان دارد، به روشی خودکار و به دور ازمعیارهای شخصی برای درجه بندی، نیاز شدید وجود دارد. هدف از این تحقیق، خودکار کردن درجه بندی گلیسون برای تصاویر آسیب شناسی پروستات می باشد.در روش پیشنهادی، درجه بندی بر اساس استخراج ویژگی هایی از تصویر با استفده از تبدیل مالتی و یولت و طبقه بندی آن با استفاده از طبقه بندی کننده ‏‎‏‎k‎‏ نزدیکترین همسایه مشترک صورت می گیرد. این ویژگی ها شامل انرژی و آنتروپی محاسبه شده از زیر ماتریس های بدست آمده از تجزیه مالتی و یولت می باشند. برای مقایسه با روش های دیگر استخراج ویژیگی، از ویژگی های بدست آمده توسط تبدیل و یولت بسته ای و ممان های آماری مرتبه دوم بدست آمده از ماتریس های هم وقوعی معموملی و فازی نیز استفاده کردیم. نتایج نشان می دهند که استفاده از مالتی و یولت نسبت به بقیه روش ها دارای نتایج بهتری است. در مورد مالتی و یولت نیز سطح اول تجزیه دارای حساسیت زیادی به نویز است و باید صرفنظر شود. همچنین پیش پردازش نمونه برداری بحرانی نسبت به پیش پردازش سطر تکراری دارای حساسیت کمتری به نویز است.