基于混合密集注意力机制和NRAdam算法的图像分割

针对人工分割脑肿瘤耗时耗力的问题,提出一种基于U-Net的自动分割模型。设计了以U-Net模型为主体,Dense模块和注意力机制相结合的分割网络结构,使分割后的精度有了明显的提升。同时在RAdam优化算法的基础上加入Nesterov动量,即NRAdam优化算法,不仅加快收敛速度,还提高了模型的鲁棒性。将所提出的方法应用于MRI低级神经胶质瘤图像分割任务,得到Dice值和参数大小分别为0.9168和1.91M。实验结果表明,与原有的U-Net方法和其他的分割方法相比,改进后的方法在Dice值上得到了更好的结果,并通过减少参数量大小来实现模型轻量化。