Este artículo propone una novedosa canalización sin entrenamiento para abordar la necesidad de grandes datos de entrenamiento, un problema clave con los métodos existentes basados en el aprendizaje para el registro de imágenes médicas. Se basa en un codificador DINOv3 fijo y la optimización del tiempo de prueba de campo de deformación en el espacio de características. Genera deformaciones precisas y regulares en dos puntos de referencia representativos (RM-TC de abdomen y RM cardíaca ACDC), superando los métodos existentes. En particular, en RM-TC de abdomen, logró el mejor rendimiento, logrando una similitud de Dice (DSC) promedio de 0,790, una distancia de Hausdorff del percentil 95 (HD95) de 4,9 ± 5,0 y una desviación estándar logarítmica jacobiana (SDLogJ) de 0,08 ± 0,02. En RM cardíaca ACDC, también mejoró el DSC promedio a 0,769 y redujo SDLogJ y HD95 a 0,11 y 4,8, respectivamente. Esto sugiere que operar en un espacio de características subyacentes compacto en el momento de la prueba podría ser una solución práctica y general para el registro clínico sin capacitación adicional.
