基于混合量子计算的组织病理学癌症检测
量子物理
2023-02-10 v1 图像与视频处理
摘要
我们展示了量子机器学习在医疗健康领域的有效应用。本研究侧重于利用量子迁移学习进行组织病理学癌症检测的分类问题。所提出的工作模型并非使用单一迁移学习模型，而是由多个迁移学习模型特别是 ResNet18、VGG-16、Inception-v3、AlexNet 以及若干具有高表达能力的变分量子电路（VQC）组成。因此，我们提供了这些模型的对比分析，以及预测 AUC 约为 93% 的用于组织病理学癌症检测的最佳迁移学习模型。我们还观察到，对于 1000 张图像，使用 ResNet18 时，混合量子与经典（HQC）方法提供了 88.5% 的准确率，略优于经典方法的 88.0%。
引用
@article{arxiv.2302.04633,
title = {Histopathological Cancer Detection Using Hybrid Quantum Computing},
author = {Reek Majumdar and Biswaraj Baral and Bhavika Bhalgamiya and Taposh Dutta Roy},
journal= {arXiv preprint arXiv:2302.04633},
year = {2023}
}