El carcinoma nasofaríngeo (NPC) es un tumor maligno, y el diagnóstico temprano y el tratamiento oportuno son importantes para los pacientes con NPC. La detección precisa y confiable de lesiones de NPC en imágenes de resonancia magnética (RM) es muy útil para el diagnóstico de la enfermedad. Sin embargo, los métodos recientes de aprendizaje profundo necesitan ser mejorados para la detección de NPC en imágenes de RM. Dado que los tumores de NPC son invasivos y generalmente pequeños en tamaño, es difícil distinguir los tumores de NPC de los tejidos circundantes estrechamente conectados en un fondo enorme y complejo. En este artículo, proponemos un método de detección automática, llamado MWSR-YLCA, para detectar con precisión lesiones de NPC en imágenes de RM. Específicamente, diseñamos dos módulos, el módulo de remuestreo de configuraciones de múltiples ventanas (MWSR) y un módulo YOLOv7 mejorado incrustado con un mecanismo de atención de coordenadas (YLCA), para detectar lesiones de NPC de manera más precisa. Primero, el MWSR genera una versión de pseudo-color de las imágenes de RM basada en un método de remuestreo de múltiples ventanas, que preserva información más rica. Posteriormente, el YLCA detecta las áreas de lesión de NPC de manera más precisa mediante la construcción de una red novedosa basada en un marco YOLOv7 mejorado incrustado con el mecanismo de atención de coordenadas. El método propuesto fue validado en un conjunto de imágenes de RM de 800 pacientes con NPC y obtuvo un rendimiento de detección de mAP del 80.1% con solo 4694 muestras de datos. Los resultados experimentales muestran que el método propuesto MWSR-YLCA puede realizar una detección de alta precisión de lesiones de NPC y tiene un rendimiento superior.