可変画像登録は、異なる画像間の空間変換を推定する重要なタスクであり、医療画像分野において広く応用されている。これまでの多くの研究では、3次元画像登録の性能向上を目的として、学習ベースのマルチステージ登録手法が用いられてきた。しかし、マルチステージアプローチの性能は、複雑な運動が単一の空間スケールで発生しない領域における受容 field のサイズ制限によって制約される。本研究では、再帰的ネットワーク構造と相互注意機構（mutual attention mechanism）を組み合わせた新しい登録ネットワークを提案する。最先端の深層学習手法と比較して、再帰構造に基づく本ネットワークは、肺CTデータセットにおいて最高の精度を達成し、肺のDiceスコア92％、平均表面距離3.8mmという結果を得た。また、大きさの異なる9つの臓器を含む腹部CTデータセットにおいても、Diceスコア55％、平均表面距離7.8mmという非常に高い精度を達成し、最も正確な結果の一つを示した。さらに、3つの再帰ネットワークを組み合わせるだけで、推論時間の大幅な増加を伴わずに最先端の性能が達成可能であることを示した。