医学图像分割已经成为辅助诊断当中重要的一环．受困于单通道模型特征提取能力的限制，网络所能获取的信息总量有限，导致性能无法进一步提升．针对信息数量不足的问题，提出了一种多通道模型．与单通道模型相比，多通道模型提供了更多互补的特征信息，有助于更好地进行特征提取与数据表达．结果如下：（1）设计了动态卷积发散模块（DSC BM），用于构建多通道模型．（2）设计了动态卷积集束模块（DSC AM），用于融合多尺度特征．（3）使用动态卷积发散模块与动态卷积集束模块构建多通道并行U型网络（MCPU-Net）．所提出的方法在国际公开数据集ISIC2017进行训练和评估，MCPU-Net的总体Acc指标为0.933,JI指标为0.772.