使用混合量子机器学习方法早期检测冠心病
机器学习
2024-10-02 v2 人工智能
摘要
冠心病(CHD)是一种严重的心脏疾病,因此其早期诊断至关重要,因为它能改善治疗效果并节省医疗费用。量子计算和机器学习(ML)技术的当前发展可能为CHD诊断性能带来实际改进。量子机器学习(QML)因其更高的性能和能力而在各个学科中受到极大关注。医疗保健领域的量子飞跃将提高处理能力并优化多种模型。QML技术有潜力预测心脏疾病并帮助早期检测。为了预测冠心病的风险,本文提出了一种利用基于QML分类器的集成机器学习模型的混合方法。我们的方法通过在多步推理框架中融合量子和经典ML算法,具有处理多维医疗保健数据的独特能力,确保了方法的鲁棒性。心脏病发病率和死亡率的显著上升影响着全球人类健康和全球经济。减少心脏病的发病率和死亡率需要早期检测心脏疾病。在本研究中,一种混合方法利用具有量子计算能力的技术来解决传统机器学习算法难以处理的复杂问题,并最大限度地降低计算成本。所提出的方法已在Raspberry Pi 5图形处理单元(GPU)平台上开发,并在一个包含CHD患者和健康对照者的临床和影像数据的广泛数据集上进行了测试。与经典机器学习模型相比,所提出的与CHD一起使用的混合QML模型的准确性、敏感性、F1分数和特异性均高出数倍。
引用
@article{arxiv.2409.10932,
title = {Early Detection of Coronary Heart Disease Using Hybrid Quantum Machine Learning Approach},
author = {Mehroush Banday and Sherin Zafar and Parul Agarwal and M Afshar Alam and Abubeker K M},
journal= {arXiv preprint arXiv:2409.10932},
year = {2024}
}
备注
I found a mistake in methodology presentation. Also I have observed more precised results with new dataset. So my research guide ask me to modify the current version