V3DQutrit是一个基于3D qutrit优化修改型张量环模型的体积医学图像细分
Pratishtha Verma1, Harish Kumar1, Dhirendra Kumar Shukla2
1CSE Department, NIT Kurukhetra, Kurukhetra, Hariyana, India.
Scientific reports
|May 6, 2025
概括
这项研究介绍了3D-QTRNet,一个量子启发的神经网络用于医疗图像细分. 它实现了比传统模型更高的准确性和更快的融合,增强了体积细分任务.
科学领域:
- 量子计算是一种量子计算.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 传统的卷积神经网络 (CNN) 面临医疗图像细分方面的挑战,包括缓慢的融合和高计算复杂性.
- 现有的量子启发神经网络 (QINNs) 通常仅限于灰度细分,限制其适用于复杂的体积数据.
研究的目的:
- 介绍3D-QTRNet,一个新的量子启发的神经网络,旨在体积医学图像细分.
- 通过提高准确性,内存效率和融合速度来解决现有的CNN和QINN的局限性.
主要方法:
- 使用qutrit编码来增强数据表示.
- 为了高效的模型架构,使用张量环分解.
- 开发一个量子启发的神经网络,用于3D医学图像细分.
主要成果:
- 在BRATS19和脏数据集上展示卓越的性能.
- 与最先进的CNN和量子模型相比,实现更高的子相似性和细分精度.
- 展示了改进的内存使用和加速的模型融合.
结论:
- 3D-QTRNet为体积医学图像细分提供了一个可扩展和有效的解决方案.
- 这项工作成功地将量子计算原理与实际的医学成像应用联系起来.
- 拟议的模型代表了该领域的重大进步,为现实世界的临床使用铺平了道路.
