QBrainNet:利用增强的量子智能从医学成像中预测先进的脑中风
M Priyadharshini1, V Murugesh2, T R Mahesh3
1Department of Computer Science & Engineering, Faculty of Science and Technology (IcfaiTech), ICFAI Foundation for Higher Education, Hyderabad, India.
Frontiers in medicine
|November 10, 2025
概括
量子计算使用QBrainNet增强了脑中风预测,达到96%的准确性. 这种量子增强模型为医学诊断中的实时临床应用提供了更快的推断.
科学领域:
- 量子计算是一种量子计算.
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 脑中风是全球死亡和残疾的主要原因,需要早期和准确的诊断.
- 经典的机器学习模型,如卷积神经网络 (CNN),在复杂的高维医学图像数据中面临性能限制.
- 现有的方法很难捕捉到复杂的,非线性模式,这对于有效的中风检测至关重要.
研究的目的:
- 介绍QBrainNet,一种新的量子增强模型,用于从医学成像中改善脑中风预测.
- 为了利用量子性质,在中风检测中提取优越的特征和分类准确性.
- 为了证明量子计算在革命医疗诊断中的潜力.
主要方法:
- 一种混合的经典-量子方法,涉及经典预处理和量子增强学习.
- 利用量子神经网络 (QNN) 具有诸如叠加和纠等量子性质,用于特征提取.
- 使用变量量子电路 (VQCs) 通过调整量子门和运算符来优化分类.
主要成果:
- QBrainNet获得了96%的卓越精度和0.97.9的AUC-PR.
- 与经典模型 (CNN,SVM,随机森林) 相比,显著提高了预测准确性和效率.
- 量子增强模型有效地捕捉了与中风相关的医疗图像中的复杂,非线性模式.
结论:
- 在中风检测方面,QBrainNet表现出卓越的性能,优于已有的经典模型.
- 该模型的推断时间较短,使其适合实时临床应用.
- 量子计算在医学诊断方面具有变革性的潜力,特别是在中风预测方面.
