چکیده: درون‌یابی تصویر نقش مهمی در نمایش، پردازش و تحلیل تصاویر پزشکی ایفا می‌کند. در این پژوهش، روش‌های درون‌یابی در سه دسته اصلی طبقه‌بندی شده‌اند: درون‌یابی فیلتری، درون‌یابی معمولی و درون‌یابی حجم جزئی تعمیم‌یافته. پس از معرفی و تحلیل روش‌های موجود، مفهوم جدیدی از درون‌یابی حجم جزئی تعمیم‌یافته با شرایط محدودکننده مربوطه تعریف شده و چندین تابع جدید برای این دسته استخراج گردیده است. برای ارزیابی عملکرد روش‌ها، آزمایش‌های تغییر مقیاس، چرخش و خود-ثبت‌نام بر روی تصاویر پزشکی انجام شده و معیارهای مختلفی شامل آنتروپی، نسبت سیگنال به نویز اوج، آنتروپی متقاطع، ضریب همبستگی متقاطع نرمال‌شده و زمان اجرا مورد سنجش قرار گرفته‌اند. نتایج نشان می‌دهد که در میان روش‌های فیلتری، درون‌یابی فیلتر میانه و B-spline عملکرد بهتری دارند. در میان روش‌های معمولی، درون‌یابی هسته مکعبی متقارن (به‌ویژه B-spline) از دقت بالاتر برخوردارند، هر چند زمان اجرای بیشتری نیاز دارند. در حوزه ثبت‌نام تصاویر، روش‌های حجم جزئی تعمیم‌یافته متقارن عملکرد بهتری از خود نشان می‌دهند، در حالی‌که روش‌های نامتقارن از لحاظ کارایی محاسباتی برتر هستند.