يُعدّ تقسيم الآفات الجلدية المستمدة من صور الديرماسكوبي ضروريًا لتشخيص سرطان الجلد. لكن تقسيم هذه الآفات تلقائيًا يُعدّ معقدًا بسبب ضعف التباين بين الخلفية والآفة، والعيوب الصورية، وحدود الآفة غير الواضحة. في هذه الدراسة، نقدّم نموذجًا يعتمد على التعلم العميق لتقسيم الآفات الجلدية من صور الديرماسكوبي. وللتغلب على التحديات الناتجة عن خصائص الآفات الجلدية، صممنا وحدة استخراج الميزات متعددة المقاييس لاستخلاص الميزات التمييزية. علاوةً على ذلك، طوّرنا آليتين للاهتمام (Attention Mechanisms) لتحسين الميزات بعد التكبير (post-upsampled features) والميزات المستخرجة بواسطة المُشفر (encoder). وقد تم تقييم النموذج باستخدام مجموعتي بيانات ISIC2018 وISBI2017. وأظهر النموذج المقترح أداءً أفضل من جميع الدراسات السابقة، وكذلك من النماذج الحاصلة على المراكز الأولى في مسابقتين.