皮膚病変の皮膚鏡画像からの分離は、皮膚がんの診断において不可欠である。しかし、背景と病変間のコントラストが低く、画像アーティファクトが存在し、病変の境界が不明瞭であるため、これらの病変の自動分離は複雑である。本研究では、皮膚鏡画像からの皮膚病変分離を目的とした深層学習モデルを提案する。病変の特性に起因する課題に対処するため、特徴的な情報を抽出するためのマルチスケール特徴抽出モジュールを設計した。さらに、エンコーダによって抽出された特徴およびアップサンプリング後の特徴を精緻化するために、2つのアテンション機構を導入した。本モデルは、ISIC2018およびISBI2017データセットを用いて評価された。その結果、提案モデルは既存のすべての手法および2つのコンペティションにおけるトップモデルを上回る性能を達成した。