Les approches actuelles de segmentation d'images médicales présentent des limites dans l'exploration profonde des informations multi-échelles et la combinaison efficace des textures locales détaillées avec les informations sémantiques contextuelles globales. Cela entraîne une sur-segmentation, une sous-segmentation et des contours de segmentation flous. Pour relever ces défis, nous explorons les représentations de caractéristiques multi-échelles sous différents angles, proposant une nouvelle architecture légère et multi-échelle (LM-Net) qui intègre les avantages à la fois des Réseaux Neuronaux Convolutifs (CNNs) et des Transformateurs Visuels (ViTs) afin d'améliorer la précision de la segmentation. LM-Net utilise un module multi-branche léger pour capturer les caractéristiques multi-échelles au même niveau. De plus, nous introduisons deux modules pour capturer simultanément les textures locales détaillées et les sémantiques globales avec des caractéristiques multi-échelles à différents niveaux : le Transformateur de Caractéristiques Locales (LFT) et le Transformateur de Caractéristiques Globales (GFT). Le LFT intègre l'auto-attention locale par fenêtre pour capturer les textures locales détaillées, tandis que le GFT utilise l'auto-attention globale pour capturer les sémantiques contextuelles globales. En combinant ces modules, notre modèle atteint une complémentarité entre les représentations locales et globales, atténuant ainsi le problème des contours de segmentation flous en segmentation d'images médicales. Pour évaluer la faisabilité de LM-Net, des expériences étendues ont été menées sur trois jeux de données publiquement disponibles avec différentes modalités. Notre modèle proposé obtient des résultats de pointe, surpassant les méthodes précédentes, tout en nécessitant seulement 4,66 milliards d'opérations en virgule flottante (FLOPs) et 5,4 millions de paramètres. Ces résultats de pointe sur trois jeux de données avec différentes modalités démontrent l'efficacité et l'adaptabilité de notre LM-Net proposé pour diverses tâches de segmentation d'images médicales.