En los últimos años, la braquiterapia guiada por imagen para el cáncer de cuello uterino se ha convertido en un método de tratamiento importante para pacientes con cáncer de cuello uterino localmente avanzado, y la tecnología de registro de imágenes multimodal es un paso clave en este sistema. Sin embargo, debido al movimiento del propio paciente y otros factores, la deformación entre las diferentes modalidades de imágenes es discontinua, lo que dificulta enormemente el registro de imágenes de tomografía computarizada pélvica (TC) y resonancia magnética (RM). En este documento, proponemos una red de registro de imágenes multimodal basada en características de mejora de transformación multietapa (MTEF) para mantener la continuidad del campo de deformación. El modelo utiliza la transformada wavelet para extraer diferentes componentes de la imagen y realiza un procesamiento de fusión y mejora como entrada al modelo. El modelo realiza múltiples registros desde regiones locales hasta globales. Luego, proponemos una nueva red de registro de pirámide compartida que puede extraer características con precisión de diferentes modalidades, optimizando el campo de deformación predicho a través de un refinamiento progresivo. Con el fin de mejorar el rendimiento del registro, también proponemos un método de medición de similitud de aprendizaje profundo combinado con morfología bistructural. Sobre la base del aprendizaje profundo, se agrega morfología bistructural al modelo para entrenar al evaluador de registro de área pélvica, y el modelo puede obtener parámetros que cubren una gran deformación para la función de pérdida. El modelo fue verificado por los datos clínicos reales de pacientes con cáncer de cuello uterino. Después de un gran número de experimentos, nuestro modelo propuesto logró el mayor coeficiente de similitud de Dice (DSC) en comparación con los métodos de registro de última generación. El índice DSC del algoritmo MTEF es un 5,64% mayor que el del algoritmo TransMorph. Integrará efectivamente información de imágenes multimodales, mejorará la precisión de la localización del tumor y beneficiará a más pacientes con cáncer de cuello uterino.