Deformable Image Registration, die Schätzung der räumlichen Transformation zwischen verschiedenen Bildern, ist eine zentrale Aufgabe in der medizinischen Bildverarbeitung. Viele frühere Studien haben lernbasierte Methoden für mehrstufige Registrierung verwendet, um die 3D-Bildregistrierung zu verbessern. Die Leistungsfähigkeit des mehrstufigen Ansatzes ist jedoch durch die Größe des Empfindlichkeitsfeldes begrenzt, da komplexe Bewegungen nicht auf einer einzigen räumlichen Skala auftreten. Wir stellen ein neues Registrierungsnetzwerk vor, das eine rekursive Netzarchitektur mit einem gegenseitigen Aufmerksamkeitsmechanismus kombiniert, um diese Einschränkungen zu überwinden. Im Vergleich zu den aktuellen State-of-the-Art-Methoden des tiefen Lernens erreicht unser Netzwerk auf Basis der rekursiven Struktur die höchste Genauigkeit auf einem Lungen-Computertomographie-(CT-)Datensatz (Dice-Score von 92 % und durchschnittliche Oberflächenentfernung von 3,8 mm für die Lungen) und eine der präzisesten Ergebnisse auf einem abdominellen CT-Datensatz mit neun Organen unterschiedlicher Größe (Dice-Score von 55 % und durchschnittliche Oberflächenentfernung von 7,8 mm). Zudem zeigen wir, dass die Addition von drei rekursiven Netzwerken ausreicht, um Ergebnisse auf State-of-the-Art-Niveau zu erzielen, ohne eine signifikante Erhöhung der Inferenzzeit zu verursachen.