El cáncer de riñón es un tumor maligno con una alta tasa de mortalidad. La segmentación precisa de tumores en escáneres de tomografía computarizada (TC) puede ayudar a los médicos en el diagnóstico clínico. Introdujimos una nueva red de segmentación llamada DWR-SegFormer para abordar el desafío de segmentar con precisión los tumores renales en imágenes de TC. El método involucró la binarización de los mapas de etiquetas de imágenes de TC de carcinoma de células renales claras y carcinoma de células renales papilares para su identificación, y el área de lesión por cáncer se obtuvo mediante la etiqueta para que el modelo pudiera identificar con precisión el área y mejorar la capacidad de extracción de características. En segundo lugar, se construyó un modelo de segmentación optimizado que combina un mecanismo de atención DWR y la red SegFormer. Se utilizó MiT-B0 como codificador del modelo para establecer dependencias de características a larga distancia y extraer información de características de manera efectiva en diferentes resoluciones. El decodificador con un módulo DWR de múltiples ramas se implementó para utilizar la información de características a múltiples escalas de manera efectiva y mejorar la precisión de la segmentación. La comparación de los resultados experimentales con otros modelos existentes muestra que el modelo superó significativamente a los métodos de comparación en todas las métricas de evaluación en el conjunto de datos de imágenes de TC de cáncer renal de células claras. Además, los hallazgos experimentales resaltan la robustez del modelo propuesto en otros conjuntos de datos.