Les méthodes fondées sur les réseaux de neurones convolutifs sont devenues de plus en plus populaires pour la segmentation d’images médicales en raison de leurs performances remarquables. Toutefois, elles peinent à capturer les dépendances à longue portée, qui sont essentielles pour modéliser avec précision les corrélations contextuelles globales. Grâce à leur capacité à modéliser ces dépendances à longue portée en élargissant le champ réceptif, les méthodes basées sur les Transformers ont gagné en importance. Inspirés par cette avancée, nous proposons une méthode améliorée d’extraction de caractéristiques 2D en combinant architectures de réseaux de neurones convolutifs et Transformers. Plus précisément, nous introduisons une structure d’encodeur parallèle : une branche utilise un ResNet pour extraire des informations locales à partir des images, tandis que l’autre branche exploite un Transformer pour capturer des informations globales. En outre, nous intégrons des structures en pyramide au sein du Transformer afin d’extraire des informations globales à différentes résolutions, en particulier dans les tâches de prédiction intensives. Pour exploiter efficacement les différentes informations provenant de l’encodeur parallèle lors de la phase de décodage, nous utilisons un module d’attention sur les canaux afin de fusionner les caractéristiques de l’encodeur, puis de les propager par des connexions bypass et des goulets d’étranglement. Des expériences numériques intensives ont été menées sur des jeux de données comprenant des arbres vasculaires aortiques, des images cardiaques et des données multi-organes. En comparaison avec les méthodes d’état de l’art pour la segmentation d’images médicales, notre approche montre une précision supérieure, notamment pour les organes de petite taille. Le code source est disponible publiquement à l’adresse suivante : https://github.com/HongkunSun/ParaTransCNN.