در این مطالعه، ما یک چارچوب پیشرفته برای همجوشی تصاویر پزشکی با استفاده از تبدیل شرلت غیر نمونه برداری شده (NSST)، مبتنی بر تبدیل IHS پیشنهاد می کنیم. همجوشی تصاویر پزشکی به عنوان یک روش موثر برای ادغام اطلاعات موجود در تصاویر پزشکی متعدد به عنوان یک تکنیک قدرتمند در کاربردهای بالینی مختلف مانند تشخیص بیماری و برنامه ریزی درمان ظاهر شده است. در سال های اخیر، فناوری همجوشی تصاویر پزشکی به عنوان یک موضوع تحقیقاتی داغ مطرح شده است، زیرا روش تشخیص مبتنی بر این تصاویر به یک ابزار تجزیه و تحلیل بالقوه در برابر بیماری های حیاتی مانند سرطان و آلزایمر تبدیل شده است. در دو دهه گذشته، پیشرفت فناوری به پزشکان این امکان را داده است که با تصویر رزونانس مغناطیسی (MRI) و یا توموگرافی کامپیوتری (CT) به سرعت تصاویر بدن انسان را با وضوح بالا به دست آورند. ولی برای تشخیص سرطان یا خونریزی داخلی این نوع تصویر کارآمد نبود، دستگاه هایی همانند پرتونگاری انتشار پوزیترون (PET) در تشخیص اختلالات مختلف بدن بسیار با ارزش می باشند. برای ارائه دقت تشخیصی بالاتر، بسیاری از مطالعات تمایل به ترکیب تجزیه و تحلیل تصاویر به دست آمده از روش های مختلف یک بیمار دارند، که منجر به ایجاد همجوشی تصاویر پزشکی شد. لذا یک فرآیند کلیدی و اساسی، ترکیب و ادغام اطلاعات تصاویر مختلف است. دغام تصاویر چند کیفیتی مغز برای کاربردهای بالینی یک عملکرد بسیار مهم می باشد. معمولا، تصویر PETعمل کرد مغز را بیان می کند و دارای دقت و رزولوشن پایین می باشد، تصویر رزونانس مغناطیسی (MRI) ساختمان و آناتومی بافتها را نشان میدهد و دارای دقت و رزولوشن بالا می باشد و دارای هیچ اطلاعات رنگی نمی باشد. برای غلبه بر این مشکل، از همجوشی تصاویر MRI با PET همان بخش های بدن استفاده می شود. یک تصویر ادغام شده شامل اطلاعات عملکردی با ویژگی ها ی مکانی مناسب می باشد به طوری که در آن اثری از اعوجاج مکانی و رنگی نباشد. هدف این مطالعه ترکیب هر دو تبدیل شرلت غیر نمونه برداری شده (NSST)، و IHS برای ترکیب تصاویر PET و MRI بوده است که در مطالعات منتشر شده قبلی به آن اشاره ای نشده است. این ترکیب به این صورت انجام می شود که ابتدا از تصویرPET تبدیل IHS گرفته شده سپس از این تصویر و تصویر MRI تبدیل NSST گرفته می شود و همجوشی انجام می شود. نتایج به دست آمده از روش پیشنهاد شده در مطالعه نشان می دهد که این روش در ببشتر پارامترهای آماری نتایج بهتری را به نسبت مطالعات مشابه به دست آورده است و باعث افزایش اطلاعات وابسته به کاربرد موردنظر شده است و تاثیر بسزایی در تشخیص پزشک می گذارد.