現在の医療画像セグメンテーション手法には、マルチスケール情報の深部探索や、局所的な詳細テクスチャと全体的なコンテキスト意味情報を効果的に組み合わせるという点で制限があります。これにより、過分割、欠分割、およびセグメンテーション境界のぼけが生じます。これらの課題に対処するため、異なる視点からマルチスケール特徴表現を探究し、新しい軽量かつマルチスケールアーキテクチャ（LM-Net）を提案します。このアーキテクチャは、畳み込みニューラルネットワーク（CNNs）とビジョントランスフォーマー（ViTs）の両方の利点を統合してセグメンテーション精度を向上させることを目指しています。LM-Netは、同じレベルでのマルチスケール特徴を捉えるために軽量多分岐モジュールを使用します。さらに、異なるレベルでのマルチスケール特徴から局所的な詳細テクチャと全体的な意味情報を同時に捉えるために2つのモジュールを導入します：局所特徴トランスフォーマー（LFT）と全体特徴トランスフォーマー（GFT）。LFTは局所ウィンドウ自己注意機構を統合して局所的な詳細テクチャを捉え、GFTは全体的な自己注意機構を利用して全体的なコンテキスト意味情報を捉えます。これらのモジュールを組み合わせることで、モデルは局所表現と全体表現の相補性を達成し、医療画像セグメンテーションにおける境界のぼけ問題を緩和します。LM-Netの実現可能性評価のために、異なるモダリティを持つ3つの公開データセット上で広範な実験が行われました。提案したモデルは4.66ギガFLOPsおよび5.4メガパラメータという低計算量で前例を見ない結果を得ており、既存の方法を超える最先端の性能を示しています。異なる3つのデータセットでのこれらの最先端結果は、提案したLM-Netが様々な医療画像セグメンテーションタスクに対して有効性と適応性を持っていることを証明しています。