HQCM-EBTC：面向脑肿瘤分类的混合量子-经典模型
机器学习
2025-06-30 v1
摘要
我们提出了HQCM-EBTC，一种用于脑肿瘤分类的混合量子-经典模型。该模型在包含7576个脑部MRI扫描的数据集上训练，覆盖正常、蛛网膜下腔瘤、脑肿瘤和瘤栓四类。HQCM-EBTC集成了一个5量子比特、深度为2的量子层，包含5个平行电路，通过AdamW优化，并采用交叉熵和注意力一致性的复合损失函数。HQCM-EBTC实现了96.48%的准确率，显著优于经典基线（86.72%），在glioma检测方面的精确率和F1分数更高。t-SNE投影显示量子空间中的特征分离性更强，混淆矩阵显示误分类更少。注意力图分析（Jaccard指数）确认在高置信阈值下，肿瘤定位更准确且更聚焦。这些结果凸显了量子增强模型在医学影像中的潜力，推动了临床脑肿瘤评估的诊断准确性和可解释性。
引用
@article{arxiv.2506.21937,
title = {HQCM-EBTC: A Hybrid Quantum-Classical Model for Explainable Brain Tumor Classification},
author = {Marwan Ait Haddou and Mohamed Bennai},
journal= {arXiv preprint arXiv:2506.21937},
year = {2025}
}