定期的なスクリーニングと子宮筋腫の早期発見は、潜在的な悪性変化を予防し、適時に生命を救う介入を確保するために重要です。この目的のために、私たちは100本の超音波動画からなる子宮筋腫セグメンテーション用の最初の動画データセット（UFUV）を収集し、アノテーションを行いました。また、Local-Global Reciprocal Network (LGRNet) を提案します。これは、長期的な時間的コンテキストを効率的にかつ効果的に伝播し、非情報的な周囲組織と対象となる病変領域との区別を助けるために重要なネットワークです。具体的には、Cyclic Neighborhood Propagation (CNP) が導入され、フレーム間の局所的な時間的コンテキストを循環的に伝播します。さらに、全体的な時間的コンテキストを集約するために、各フレームをフレームボトルネッククエリの集合に凝縮し、Hilbert Selective Scan (HilbertSS) を考案しました。これにより各フレームの経路接続を効率的に行いながら局所性バイアスを保つことができます。その後、ディストリビュート層を使用して全体的なコンテキストを逆方向に精緻化するための伝播を行います。UFUVおよび3つの公開されたVideo Polyp Segmentation (VPS) データセットでの広範な実験結果は、最先端のセグメンテーション手法と比較して一貫した改善が見られることを示しており、LGRNet の有効性と汎用性が確認されています。コード、チェックポイントおよびデータセットは https://github.com/bio-mlhui/LGRNet で利用可能です。