皮膚惡性黑色素瘤是一種常見的惡性腫瘤，針對病灶區域進行準確的分割對于該病的早期診斷非常重要。為了實現對皮膚病灶區域進行更有效、準確的分割，本文提出了一種基于變換器（Transformer）的并聯網絡結構。該網絡由兩條并聯支路構成：前者為本文新構建的多重殘差頻域通道注意網絡（MFC），后者為視覺變換網絡（ViT）。首先，在MFC網絡支路中，本文將多重殘差模塊和頻域通道注意力模塊（FCA）進行融合，在提高網絡魯棒性的同時加強對圖像細節特征的提取；其次，在ViT網絡支路中采用Transformer中的多頭自注意機制（MSA）使圖像的全局特征得以保留；最后，通過并聯的方式將兩條支路提取的特征信息結合起來，更有效地實現對圖像的分割。為了驗證本文算法，本文在國際皮膚成像合作組織（ISIC）2018年所公開的皮膚鏡圖像數據集上進行實驗，結果表明本文算法的分割結果中交并比（IoU）和戴斯（Dice）系數分別達到了90.15%和94.82%，相比于最新的皮膚黑色素瘤分割網絡均有較好的提升。因此，本文提出的網絡能夠更好地對病灶區域進行分割，為皮膚科醫生提供更準確的病灶數據。