使用量子进化神经网络检测乳腺癌
Nadine Matondo-Mvula1, Khaled Elleithy1
1Department of Computer Science and Engineering, University of Bridgeport, Bridgeport, CT 06604, USA.
Entropy (Basel, Switzerland)
|August 29, 2024
概括
量子卷积层显示出使用超声波图像检测乳腺癌的前景. 我们的量子卷积神经网络 (QCNN) 实现了比经典模型更高的验证精度,突出了量子计算.
科学领域:
- 量子计算是一种量子计算.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 经典的机器学习方法与医疗数据中的复杂模式作斗争.
- 量子机器学习 (QML) 为增强数据分析提供了新的方法.
- 从医学图像中准确检测癌症对于有效治疗至关重要.
研究的目的:
- 评估量子卷积层在癌症检测超声波乳房图像分类中的有效性.
- 将量子卷积神经网络 (QCNN) 与经典卷积神经网络 (CNN) 的性能进行比较.
主要方法:
- 开发了一个使用两个量子电路作为卷积层的QCNN.
- 采用角度嵌入用于将经典数据编码成量子状态.
- 设计了一个9量子比特量子电路,其中包含了一个SU(4) 门,以实现强大的纠.
主要成果:
- 在QCNN取得了76.66%的峰值培训准确率和87.17%的验证准确率.
- 经典的CNN实现了77.52%的训练精度和83.33%的验证精度.
- 在验证组中,QCNN表现出优异的性能,特别是在有限的数据下.
结论:
- 量子电路可以作为图像分类任务的有效卷积层发挥作用.
- QML为改善癌症诊断成像提供了一个有希望的途径.
- QCNN的方法显示了特征提取的潜力,特别是在具有小数据集的场景中.
