白血病作为一种隐蔽性高的癌症，其初期检测难的问题一直以来都是医生们关注的重点。现有的细粒度分类模型缺乏对小样本不平衡数据集的处理能力，导致其在白血病亚型分类上表现不佳。因此为了克服上述问题，进而加快医生诊断速度，缩短治疗时间，提出了一种适用于小样本数据集的多级多特征混合模型MSMFHM来实现白血病亚型的自动分类。该模型首先通过多尺度特征提取框架，利用缩放操作配合CNN Backbone 提取图像的多级结构特征，接着通过多尺度融合模块，利用注意力操作融合多级结构特征并从中抽取细粒度特征，充分发挥了 CNN 归纳偏差的健壮性与 Transformer 复杂的全局建模能力。最后为了增强模型的健壮性，克服小样本带来的过拟合缺陷，模型利用多特征混合模块将纹理特征与细粒度特征进行联合提取后再进行分类。收集了 7156 张白血病细胞图像的数据集和其他相关公开数据集来评估新方法。所提出的模型分类准确度在私有和公开数据集上分别达到93.03%和99.42%，分类性能优于其他先进模型。该方法能够准确区分急性白血病亚型细胞，可作为白血病计算机辅助诊断的有效设计思路之一。