通过量子增强的机器学习,彻底改变了心脏病预测
S Venkatesh Babu1, P Ramya2, Jeffin Gracewell3
1Department of CSE, Christian College of Engineering and Technology, Dindigul, India. venkateshflower6@gmail.com.
Scientific reports
|March 29, 2024
概括
量子机器学习 (QuEML) 在心脏病预测方面显示出前景,与传统方法相比,提供0.6%的准确性改进和显著更快的训练时间.
科学领域:
- 量子计算是一种量子计算.
- 机器学习是机器学习.
- 医疗保健技术 医疗保健技术 医疗保健技术
背景情况:
- 量子技术的进步为医疗保健中的机器学习提供了新的途径.
- 对心脏病等复杂疾病的准确诊断仍然是一个关键的挑战.
研究的目的:
- 评估量子增强机器学习 (QuEML) 对心脏病预测的有效性.
- 将QuEML的性能与传统的机器学习算法进行比较.
主要方法:
- 使用Kaggle心脏病数据集 (1190个样本).
- 在准确性,精度,回忆,特异性,F1得分和训练时间方面评估了QuEML和传统算法.
- 用培训时间来衡量计算复杂度.
主要成果:
- 与传统方法相比,QuEML的准确率高出0.6%.
- QuEML的训练时间比传统算法快了192.5μs.
- 两种方法都显示了积极和消极样本的类似预测率.
结论:
- QuEML是心脏病预测的一个有前途的方法.
- 量子机器学习在医疗诊断中提供了计算优势.
- 对医学应用的量子算法进行进一步的研究是有必要的.
