面向增强乳腺癌热图分类的混合量子神经网络：一种新颖的量子-经典集成方法
量子物理
2026-04-21 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
通过热图分析进行乳腺癌诊断仍是医学人工智能中的关键挑战，传统深度学习方法在复杂热模式分类任务中面临局限。本文提出一种新颖的混合量子神经网络（HQNN）架构，将量子计算原理与经典卷积神经网络集成用于增强乳腺癌分类。我们的方法采用带有多头注意力机制的量子电路进行量子感知特征编码，结合经典卷积层进行全面特征识别。量子组件利用 4 比特变分电路和强纠缠层，经典组件集成先进的注意力机制进行特征融合。在乳腺癌热图数据上的实验验证显示，量子增强方法在收敛动力学和特征表征能力方面显著优于最先进的经典架构。我们的发现通过经典仿真为医学图像分类中的量子优势提供了证据，为量子-经典混合系统在医疗保健应用中建立了框架。该方法解决了量子机器学习部署中的关键挑战，同时保持了在近期量子设备上的计算可行性。
引用
@article{arxiv.2604.16953,
title = {Hybrid Quantum Neural Networks for Enhanced Breast Cancer Thermographic Classification: A Novel Quantum-Classical Integration Approach},
author = {Riza Alaudin Syah and Irwan Alnarus Kautsar and Gunawan Witjaksono and Haza Nuzly bin Abdull Hamed},
journal= {arXiv preprint arXiv:2604.16953},
year = {2026}
}
备注
Published in: 2025 IEEE International Biomedical Instrumentation and Technology Conference (IBITeC)