本論文では、軽量な医療画像セグメンテーションモデルをエッジデバイスに展開する際の二つの主要な課題に対処する新しいモデル「TauFlow」を提案しています。これらの課題は、大きなコントラストを持つ病変の境界と背景領域の効率的な処理、および極端に軽量な設計を追求した場合の精度の急激な低下です。TauFlowの核心は、脳のメカニズムに触発された動的特徴応答戦略で構成されており、二つの主要な革新によって実現されています。一つは、低周波の背景を「ゆっくり」処理し、高周波の境界に「迅速」に応答するために特徴更新率を動的に調整するConvolutional Long-Time Constant Cell（ConvLTC）であり、もう一つはエンコーダとデコーダ間の特徴衝突を大幅に緩和するSTDP自己組織化モジュールです。このモジュールにより、衝突率は約35%-40%から8%-10%に軽減されました。