胸部CT扫描图像上的COVID-19诊断预测使用混合量子-经典卷积神经网络
Haorong Zhao1, Xing Deng1, Haijian Shao1,2
1School of Computer, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu, China.
Journal of biomolecular structure & dynamics
|April 11, 2024
概括
一个新的混合量子-经典卷积神经网络 (HQCNN) 模型从胸部CT扫描中准确预测COVID-19. 这种先进的AI方法提供了高诊断准确度,有助于精确识别2019年冠状病毒疾病.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 量子计算是一种量子计算.
背景情况:
- 尽管进行了广泛的研究,但准确的COVID-19诊断仍然具有挑战性.
- 胸部计算机断层扫描 (CT) 扫描显示了COVID-19预测的前景.
- 现有的诊断方法在精度和速度方面存在局限性.
研究的目的:
- 开发一种使用胸部CT扫描预测COVID-19的新型模型.
- 为了提高诊断能力,利用混合量子-经典方法.
- 为了提高COVID-19识别的准确性和可靠性.
主要方法:
- 开发了一种混合量子-经典卷积神经网络 (HQCNN) 模型.
- 该HQCNN模型使用随机量子电路进行图像分析.
- 该模型在两个公开可用的胸部CT数据集上进行了训练和验证.
主要成果:
- 在数据集上,HQCNN模型实现了高诊断准确率99.39%和97.91%.
- 精度达到99.19%和98.52%,显示出强大的预测能力.
- 该模型在COVID-19预测准确性方面表现优于最近公布的方法.
结论:
- 拟议的HQCNN模型提供了一种优越的方法,用于从胸部CT扫描中预测COVID-19.
- 这种量子-经典混合模型显示出临床应用的巨大潜力.
- 这些发现表明了人工智能驱动的传染病诊断有前途的方向.


