La registración de imágenes de TC pulmonar deformables es una tarea esencial para intervenciones asistidas por computadora y otras aplicaciones clínicas, especialmente cuando hay movimiento de órganos involucrado. Aunque los métodos de registración de imágenes basados en aprendizaje profundo han logrado resultados prometedores recientemente al inferir campos de deformación de manera integral, las deformaciones grandes e irregulares causadas por el movimiento de órganos aún representan un desafío significativo. En este artículo, presentamos un método para registrar imágenes de TC pulmonar que está adaptado al paciente específico que está siendo examinado. Para abordar el desafío de las grandes deformaciones entre las imágenes de origen y destino, descomponemos la deformación en múltiples campos continuos intermedios. Estos campos se combinan luego para crear un campo de movimiento espacio-temporal. Refinamos aún más este campo utilizando una capa de autoatención que agrega información a lo largo de trayectorias de movimiento. Al aprovechar la información temporal de un ciclo respiratorio, nuestros métodos propuestos pueden generar imágenes intermedias que facilitan el seguimiento de tumores guiado por imágenes. Evaluamos ampliamente nuestro enfoque en un conjunto de datos público, y nuestros resultados numéricos y visuales demuestran la efectividad del método propuesto.