Le dépistage régulier et la découverte précoce des fibromes utérins sont essentiels pour prévenir les transformations malignes potentielles et assurer des interventions salvatrices en temps opportun. Dans ce but, nous avons collecté et annoté le premier ensemble de données vidéo par ultrasons comprenant 100 vidéos pour la segmentation des fibromes utérins (UFUV). Nous présentons également le Réseau Réciproque Local-Global (LGRNet) qui propage efficacement et de manière optimale le contexte temporel à long terme, élément crucial pour distinguer entre les tissus environnants bruyants non informatifs et les régions lésionnelles cibles. Plus précisément, la Propagation Cyclique du Voisinage (CNP) est introduite pour propager le contexte temporel local inter-images de manière cyclique. De plus, afin d'agréger le contexte temporel global, nous condensons chaque image en un ensemble de requêtes de goulot d'étranglement d'image et concevons une Balayure Sélective de Hilbert (HilbertSS) pour connecter efficacement chaque image tout en préservant le biais local. Une couche de distribution est ensuite utilisée pour diffuser à nouveau le contexte global afin d'affiner réciproquement les résultats. Des expériences approfondies sur UFUV et trois ensembles de données publics de segmentation des polypes vidéo (VPS) montrent des améliorations constantes par rapport aux méthodes de segmentation les plus avancées, indiquant l'efficacité et la polyvalence de LGRNet. Le code source, les points de contrôle et l'ensemble de données sont disponibles à l'adresse suivante : https://github.com/bio-mlhui/LGRNet