Bài báo này đề xuất một quy trình không cần đào tạo mới để giải quyết nhu cầu về dữ liệu đào tạo lớn, một nhược điểm chính của các phương pháp dựa trên học máy hiện có để đăng ký hình ảnh y tế. Quy trình này dựa trên bộ mã hóa DINOv3 cố định và tối ưu hóa thời gian kiểm tra trường biến dạng trong không gian đặc điểm. Quy trình này tạo ra các biến dạng chính xác và đều đặn trên hai điểm chuẩn đại diện (MR-CT bụng và MRI tim ACDC), vượt trội hơn các phương pháp hiện có. Đặc biệt, trên MR-CT bụng, quy trình của chúng tôi đạt hiệu suất tốt nhất, đạt được độ tương đồng Dice trung bình (DSC) là 0,790, khoảng cách Hausdorff phần trăm thứ 95 (HD95) là 4,9 ± 5,0 và độ lệch chuẩn log-Jacobian (SDLogJ) là 0,08 ± 0,02. Trên MRI tim ACDC, chúng tôi cũng cải thiện DSC trung bình lên 0,769 và giảm SDLogJ và HD95 xuống còn 0,11 và 4,8. Điều này cho thấy rằng việc vận hành trong không gian tính năng cơ bản nhỏ gọn tại thời điểm thử nghiệm có thể là giải pháp thực tế và chung cho việc đăng ký lâm sàng mà không cần đào tạo thêm.
