طبق آمار سرطان ریه شایع ترین نوع سرطان با کمترین شانس بهبود است. سه عامل اساسی در تشخیص سرطان ریه شامل حجم تومور، نزدیکی تومور به غدد لنفاوی و انتشار سرطان در دیگر بافت ها است و تصاویر پزشکی مهمترین ابزار پزشکان برای بررسی و تشخیص این عوامل هستند. تصاویر پزشکی نیاز به انجام کالبد شکافی و یا نمونه برداری بافتها برای تشخیص را به شدت کاهش داده اند. در دهه های اخیر با پیشرفت فناوری تهیه تصاویر سه بعدی و تصاویر دارای دقت بسیار بالا امکان پذیر شده است ولی با بالا رفتن دقت و یا حجم اطلاعات ثبت شده در تصویر قدرت انسان برای تفسیر آنها کمتر می شود. تشخیص به کمک رایانه از زمینه هایی است که در آن سعی شده است تا حد زیادی کاربردهای روشهای پردازشی و هوشمند را در علم پزشکی افزایش دهد. در بسیاری از موارد پزشکان برای تشخیص تغییرات سرطان ریه از تصاویر تهیه شده در بازه های زمانی متفاوت که نشانگر تغییرهای بیماری در جهت بهبود و یا پیشرفت هستند استفاده می کنند. یکی از مشکلات مقایسه تصاویر تهیه شده در بازه های زمانی متفاوت تغییر شرایط تصویربرداری است. ممکن است تفاوت وضعیت بیمار و یا تنظیمات متفاوت دستگاه تصویربرداری باعث تفاوت میزان اعوجاج در تصویربرداری و تفاوت موقعیت های مکانی و حتی شکل بافتها در تصویر شود. در این تحقیق سه روش جدید بر اساس ثبت انعطاف پذیر خودکار و نیمه خودکار تصویر به صورت چند مرحله ای برای برطرف کردن عواملی مانند اعوجاج حرکتی، تفاوت شرایط تصویربرداری، تغییرهای وضعیت بیمار و حرکت داخلی بافت ها ارائه شده است. با استفاده از ویژگی های تصاویر پزشکی مانند انحنا، شدت روشنایی تصویر، فاصله دگرگونی، زاویه دگرگونی و اطلاعات دریافت شده از کاربر سعی شده است تناظر و ارتباط واقعی بین تصاویر را بازیابی کرده و بر اساس این ارتباط تفاوتهای واقعی تصاویر را مشخص کرد. با دگرگونی تصویر با استفاده از تابع های تبدیل هندسی thin-plate spline و b-spline و بر اساس اطلاعات راهنمای ارائه شده توسط کاربر و ویژگیهای استخراج شده از تصویر به صورت محلی، تفاوتهای ناشی از عوامل خارجی و حرکت داخلی بافت ها برطرف می شود. طبق آزمایش های انجام شده در این تحقیق بر روی تصاویر تهیه شده قبل و بعد از دوره درمان از بیماران مبتلا به سرطان ریه روش های پیشنهاد شده با متوسط خطای 2.3 میلیمتر توانایی بازیابی تناظر این تصاویر را دارند. متوسط زمان پردازش با استفاده از پردازشگر pentium 4 با قدرت پردازشی 2 گیگا هرتز و با مقدار حافظه 3 گیگا بایت برای هر برش از تصاویر 50 ثانیه بوده است. تصاویر استفاده شده از نوع ct و با قدرت تفکیک 512x512 با متوسط ضخامت 3 میلیمتر برای هر برش تصویر، که از 16 بیمار مبتلا به سرطان ریه تهیه شده است. همچنین برای پیاده سازی روش های پیشنهاد شده از زبان برنامه نویسی c++ استفاده شده است. پس از بازیابی تناظر تصاویر با مقایسه آنها تغییرات بافت ها مشخص شده و برای بررسی وضعیت بیمار و همچنین تشخیص بهتر و درمان بیماری مورد استفاده قرار می گیرد.