با افزایش داده های مورد نیاز برای تشخیص بیماری از تصاویر، کار پزشکدر مرتبط کردن یک تصویر با دیگری برای استخراج داده های مربوطه، بسیار پیچیده گشته است. ذات مکمل بودن تصاویرmr و ct و استفاده ی منظم از این دو روش تصویر‏برداری، انطباق تصاویر mrو ct را امری مهم ساخته است.فرآیند انطباق تصویر تعیین تبدیلی است که بتواند موقعیت اجزا را در یک تصویر با موقعیت اجزای متناظر در تصویر دیگر مرتبط سازد.در انطباق تصاویر mrو ct سر نوزادان موانعی وجود دارد که از مهمترین آنها می توان به تفاوت تصاویر گرفته شده از نوزادان نسبت به بزرگسالان اشاره کرد. از میان تفاوت ها می توان به نسبت کنتراست به نویز پایین در تصاویر نوزادان، نا همگنی شدت روشنایی تصویر،کوچکتر بودن اندازه ی سر که نیاز به تصاویری با دقت تفکیک بالا را موجب می شود، کامل نبودن استخوان جمجمه در نوزادان و وجود بخش هایی به نام ملاج و همچنین ساختار نرم و قابل انعطاف آن اشاره نمود. الگوریتم های موجود برای انطباق تصاویر بین شیوه ای و بین سوژه ای، تنها برای بزرگسالان جواب قابل قبولی می دهد و الگوریتمی در این زمینه برای تصاویر نوزادان ارائه نشده است. از آنجایی که در تصاویر سر نوزادان اطلاعات ساختاری واضح تر از اطلاعات شدت روشنایی می باشد، در این پروژه علاوه بر انطباق بر مبنای شدت روشنایی تصویر از انطباق مبتنی بر ویژگی نیز استفاده می شود. لذا اطلاعات مکانی در کنار اطلاعات شدت روشنایی در فرایند انطباق حضور خواهند داشت. در روش پیشنهادی ابتدا تصاویر با استفاده از تبدیل سخت و معیار شباهت اطلاعات متقابل نرمالیزه شده انطباق می یابند. سپس دو ویژگی بارز در تصاویر، یعنی سطح داخلی جمجمه در تصویر ct و سطح خارجی مغز همراه با مایع مغزی نخاعی در تصویر mrو سطح خارجی پوست در هر دو تصویر استخراج می شوند. دو ویژگی مذکور بصورت همزمان، توسط الگوریتم تکرار شونده ی نزدیک ترین نقاط،توسطتبدیل تغییر شکل فرم آزاد با توابع پایه ی بی‏اسپیلاین مکعبی و معیار شباهت حداقل مربعات فاصله به یکدیگر انطباق می یابند. نتایج نشان دهنده ی کارآمد بودن الگوریتم هم از نظر زمانی و هم از نظر دقت می باشد. با استفاده از معیار اندیس شباهت،الگوریتم پیشنهادی برای تصاویر mr به ct دارای دقت تقریبی 0.94 و برای ct به mr دارای دقت تقریبی 0.96 می باشد.