Quan điểm sử dụng tính tương đồng giữa các khối ảnh làm cơ sở để hợp nhất đựơc thực nghiệm đầu tiên bởi Wood et al. nhằm sắp xếp nhiều ảnh với nhau. Kỹ thuật dựa trên giả thuyết: nếu hai tập ảnh được xếp lại với nhau thì giá trị của bất kỳ khối ảnh nào trong một tập ảnh sẽ tương xứng với giá trị của khối ảnh liên quan trong tập ảnh thứ 2 thông qua một hệ số nhân đơn giản. Chiến lược nghiên cứu nhằm mục tiêu giảm thiểu sự biến đổi và tạo ra một phép biến dạng thô phù hợp. Thành công của loại hình hợp nhất này là cho ra những cải thiện trong phép hợp nhất giữa MR và PET. Những khác biệt giữa các mô hình chức năng và cấu trúc đòi hỏi phải có sự đổi mới trong giả thuyết ban đầu về
biểu diễn ảnh của mô trong MR. Giả thuyết mới xem mỗi giá trị cường độ trên ảnh MR tượng trưng cho một loại mô riêng. Theo đó, những điểm ảnh PET tương ứng cũng phải tương đương với nhau. Bằng cách thực hiện lặp lại việc thu nhỏ trung bình của độ lệch tiêu chuẩn giữa các giá trị điểm ảnh PET so với mỗi giá trị cường độ trên ảnh MR, ta thu được giải pháp tối ưu. Để thực thi giả thuyết này, tất cả mô không phải tổ chức não phải được loại bỏ khỏi ảnh MR trước khi hợp nhất. Kết quả của hình thức hợp nhất này đã được kiểm nghiệm qua bộ phần mềm hợp nhất hình ảnh tự động (Automated Image Registration). Gần đây, Wood et al. đã cho ra đời phiên bản hợp nhất đã được điều chỉnh. Với đà phát triển không ngừng, AIR ngày càng trở thành một ứng dụng quan trọng. Imran et al. đã tiến hành ứng dụng AIR cho những hợp nhất trong SPECT. Trong khi nghiên cứu một hình thức tính toán hợp nhất giữa các mô hình giống nhau, Black et al. đã xác định độ chính xác của AIR khi hợp nhất MR và PET thông qua việc sử dụng một “nón” mô hình chuyên dụng. Họ nhận thấy rằng: việc hợp nhất như thế đã loại đi được một ít sai sót. Alpert et al. [8] đã đưa ra một số cải tiến cho phần mềm AIR nhằm cải thiện đáng kể tốc độ xử lý bằng việc sử dụng thuật toán bình phương cực tiểu.
Một kỹ thuật rất giống với bộ phần mềm AIR được biết đến dưới tên gọi “Thiết lập giản đồ thông số thống kê” (Statistical Parametric Mapping) [28], cũng được xây dựng nhằm mục đích hợp nhất PET với MR. SPM khác với AIR ở chỗ khối ảnh MR được biến đổi thành một khối ảnh PET “giả” trước khi hợp nhất. Sau đó xác định phép biến đổi tối ưu bằng cách hợp nhất 2 khối ảnh PET với nhau. Kiebel et al. [9] đã xác nhận rằng cả SPM và AIR đều thực thi tốt việc hợp nhất MR-PET. Những loại hình tương tự đã được đề xuất bởi Lin et al. và Andersson et al. Nikou et al. [8] đã đưa ra cách tính toán mô phỏng nhanh thông qua tăng cường tối ưu tính tương đồng khối ảnh.
Hill et al. [31] đề ra một phép đo sử dụng một đồ thị phân tán 2 chiều của hai đường biểu diễn giá trị điểm ảnh (histogram). Khi 2 ảnh được chuyển tới hợp nhất với nhau, độ nghiêng của hàm phân bố giá trị gia tăng. Những thay đổi này được đo bởi một thành phần thứ 3 trong đồ thị. Studholme et al. đã kiểm tra hiệu quả của các loại hình
khác nhau trong phép đo tương đồng trên các dữ liệu lâm sàng và nhận thấy mức độ giống nhau về giá trị của ảnh PET là điểm mạnh nhất.