量子机器学习在医学图像分类中的进展与挑战：综合综述

量子技术正快速发展，图像分类任务变得越来越复杂，传统机器学习模型所需的大量图像数据和参数更新也随之增多。量子机器学习（QML）为医学图像分类提供了有前景的解决方案。量子计算的并行化可显著提高疾病检测和诊断的速度和准确度。本文提供了关于医学图像分类最新研究的概述，通过结构化分类学概述，突出了关键贡献、局限性和当前研究中的空白。它强调了从仿真转向实际量子计算机的工作，解决了诸如嘈杂量子比特等挑战，并提出了未来研究建议，以利用量子技术增强医学图像分类。