正確な脳腫瘍セグメンテーションは診断プロセスにおいて重要な役割を果たす。しかし、腫瘍のコントラストが低く、形態や位置が多様であることに加え、アノテーションバイアスや腫瘍領域間の不均衡といった課題が存在する。本研究では、Unetのエンコーディング特徴マップから空間領域およびコンテキスト領域における局所的・グローバルな情報を学習するための新しい3次元二重ドメインアテンションモジュールを提案する。本アテンションモジュールは、各段階において受容fieldを拡大し、アテンション機構とリジッド学習（residual learning）を用いて、複雑な腫瘍領域に注目する高精度な特徴マップを生成する。BraTS 2018における実験結果から、既存の最先端手法と比較して優れた性能を示した。