CompressedMediQ：用于高维神经影像数据的混合量子机器学习流水线
量子物理
2024-09-24 v3 分布式、并行与集群计算
机器学习
摘要
本文介绍了 CompressedMediQ，一种新颖的混合量子-经典机器学习流水线，专门开发用于解决与高维多类神经影像数据分析相关的计算挑战。标准神经影像数据集，例如来自阿尔茨海默病神经影像倡议（ADNI）和额颞叶痴呆神经影像（NIFD）的大规模 MRI 数据，由于其庞大的规模和复杂性而带来了重大挑战。CompressedMediQ 集成了经典高性能计算（HPC）节点，用于先进的 MRI 预处理和基于卷积神经网络（CNN）-PCA 的特征提取与降维，以应对 NISQ（含噪声中等规模量子）时代量子数据编码中可用量子比特有限的挑战。随后采用量子支持向量机（QSVM）进行分类。通过利用量子核方法，该流水线优化了特征映射和分类，增强了数据的可分性，并优于传统的神经影像分析技术。实验结果突显了该流水线在痴呆症分期中的卓越准确性，验证了量子机器学习在临床诊断中的实际应用。尽管 NISQ 设备存在局限性，这一概念验证展示了量子增强学习的变革潜力，为医疗保健和信号处理中可扩展且精确的诊断工具铺平了道路。
引用
@article{arxiv.2409.08584,
title = {CompressedMediQ: Hybrid Quantum Machine Learning Pipeline for High-Dimensional Neuroimaging Data},
author = {Kuan-Cheng Chen and Yi-Tien Li and Tai-Yu Li and Chen-Yu Liu and Po-Heng Li and Cheng-Yu Chen},
journal= {arXiv preprint arXiv:2409.08584},
year = {2024}
}