التسجيل القابل للتشويه للصور، وهو تقدير التحويل المكاني بين صور مختلفة، يُعد مهمة مهمة في مجال التصوير الطبي. وقد أظهرت تقنيات التعلم العميق قدرتها على أداء تسجيل الصور ثلاثية الأبعاد بكفاءة عالية. ومع ذلك، غالبًا ما تركز الاستراتيجيات الحالية للتسجيل فقط على سلاسة التشوه، مما يؤدي إلى إهمال أنماط الحركة المعقدة (مثل الحركات المنفصلة أو الانزلاقية)، خاصة عند تقاطع الأعضاء. ونتيجة لذلك، تكون الأداء محدودًا عند التعامل مع الحركات غير المستمرة لعدة أشياء مجاورة، ما يسبب نتائج تنبؤية غير مرغوب فيها في الاستخدام السريري، مثل التعرف الخاطئ أو تحديد الموضع الخاطئ للورم أو غيره من الشذوذات. ولهذا السبب، اقترحنا طريقة تسجيل جديدة لمعالجة هذه المشكلة: تم استخدام هيكل جديد يُسمى "الهيكل القابل لفصل الحركة" (Motion Separable backbone) لالتقاط الحركات المنفصلة، مع تقديم تحليل نظري لحد أعلى لعدم استمرارية الحركات. بالإضافة إلى ذلك، تم استخدام وحدة جديدة تُسمى "مُنَسِّقٌ متبقي" (Residual Aligner module) لفصل وتحسين الحركات المتنبأ بها عبر الأعضاء أو الأشياء المتعددة المجاورة. قُيمت طريقة العمل، وهي شبكة تعتمد على المُنَسِّق المتبقي (RAN)، على صور التصوير المقطعي للبطن (CT)، وأظهرت أنها تحقق واحدة من أكثر الطرق دقة في تسجيل الصور بين الأفراد دون تدريب مُعلَّم لـ 9 أعضاء، مع تحقيق أفضل تصنيف في تسجيل الأوردة (معامل التشابه الدقيق: 62%، والمسافة السطحية المتوسطة: 4.9 مم للوريد الودي، و34% و7.9 مم للوريد البابي والوريد الطحال)، مع هيكل نموذج أصغر وحسابات أقل مقارنة بالطرق الرائدة حاليًا. علاوة على ذلك، عند تطبيقها على صور التصوير المقطعي للرئة، حققت RAN نتائج مماثلة لأفضل الشبكات المصنفة (94%/3.0 مم)، وبعدد أقل من المعاملات وحسابات أقل.