La leucemia es un cáncer de sangre potencialmente mortal que afecta a una gran parte de la población, lo que subraya la gran necesidad de soluciones diagnósticas oportunas, precisas y eficientes. Los métodos tradicionales son lentos, están sujetos a la vulnerabilidad humana y no siempre captan las sutiles diferencias morfológicas que forman las características discriminatorias básicas entre los diferentes subtipos de leucemia. El modelo propuesto de transformador de visión residual (ResViT) rompe estas limitaciones al combinar las ventajas de ResNet-50 para la extracción de características de alta dimensión y un transformador de visión para la atención global a las características espaciales. ResViT puede extraer características de bajo nivel como textura y bordes, así como características de alto nivel como patrones y formas de las imágenes de células de leucemia. Además, diseñamos un ViT de doble flujo con un flujo de convolución para detalles locales y un flujo de transformador para capturar las dependencias globales, lo que permite a ResViT prestar atención a múltiples regiones de la imagen simultáneamente. Los resultados de evaluación del modelo propuesto en los dos conjuntos de datos fueron superiores al 99%, lo que lo convierte en un excelente candidato para diagnósticos clínicos.