皮肤病变分割是医学图像分析中的一项重要任务，对于皮肤类疾病的早期诊断和治疗具有重要意义。然而，在处理高分辨率皮肤图像和捕捉细微病变特征时，现有模型仍面临着计算复杂度高以及冗余信息处理不足等挑战。为此，提出一种基于Mamba结构的轻量级皮肤病变图像分割网络ResMamba，该网络采用六级U型结构，主要通过将Mamba嵌入到视觉状态空间中并引入到编解码器中，ResVSS模块作为更多编码器的核心组确认细节成部分，通过删除冗余线性层减少参数量，同时结合深度卷积块和可学习尺度参数对残差连接进行缩放，从而在降低模型复杂conductive biomaterials度的同时提升分割精度。在跳跃连接模块使用多级多尺度信息融合模块生成空间和通道注意力图，有效融合了多尺度信息。通过在公开皮肤数据集ISIC2017和ISIC2018上进行实验验证，结果表明ResMamba模型在平衡参数数量和分割性能方面都具有较好的分割性能，验证了该模型的有效性。