量子デノイジングオートエンコーダーによる網膜眼底画像品質の向上と早期糖尿病網膜症スクリーニングへの応用

科学分野:

• 医用画像処理
• 量子コンピューティング
• 人工知能

背景:

• 糖尿病網膜症（DR）は、予防可能な失明の主な原因です。
• 網膜眼底画像の解析は、早期DR検出に不可欠です。
• 画像ノイズは網膜画像の品質を著しく低下させ、重要な詳細を不明瞭にします。

研究 の 目的:

• 網膜画像デノイジングを強化するための新規量子デノイジングオートエンコーダー（QDAE）を導入します。
• 医用画像解析における特徴表現の改善のために量子原理を活用します。
• 医用データセットのデノイジングにおける古典的深層学習モデルの限界を克服します。

主な方法:

• 畳み込み特徴コーディングとパラメータ化量子回路（PQC）を統合したハイブリッド量子古典アーキテクチャ（QDAE）を開発しました。
• 潜在空間内の量子重ね合わせとエンタングルメントを利用して、画像表現を洗練させました。
• 糖尿病網膜症224x224データセットで実験を行いました。

主要な成果:

• QDAEは、古典モデル（CAE、ResNet、DnCNN）と比較して優れたデノイジング性能を示しました。
• PSNR 38.8 dB、SSIM 0.96、AMI 0.88の高い性能指標を達成しました。
• 繊細な網膜構造と強度の一貫性を効果的に維持しました。

結論:

• QDAEは、網膜画像のデノイジングのための量子支援アーキテクチャとして significant な可能性を示しています。
• 提案手法は、早期糖尿病網膜症検出のための実行可能な前処理ステップです。
• ハイブリッド量子古典アプローチは、計算負荷の高い医用画像解析タスクに利点を提供します。