利用变分量子电路实现混合量子-经典神经网络以检测痴呆症
量子物理
2023-05-16 v2
摘要
磁共振成像（MRI）是一种常用的脑扫描技术，用于检测中风、肿瘤及其他导致痴呆症的异常。然而，从 MRI 中正确诊断痴呆症类型十分困难，2019 年近三分之一的阿尔茨海默症患者被误诊，这一问题可由神经网络纠正。量子计算应用 本提出的新型神经网络架构使用全连接（FC）层，通过实现变分量子电路（VQC）减少特征数量以获得期望值。本研究创建的 VQC 利用一层 Hadamard 门、由像素的 tanh(强度)*(pi/2) 参数化的 Rotation-Y 门、受控非（CNOT）门以及测量算符来获得期望值。本研究发现，所提出的混合量子-经典卷积神经网络（QCCNN）的测试与验证准确率分别为 97.5% 和 95.1%，显著高于经典神经网络（CNN）91.5% 和 89.2% 的测试与验证准确率。此外，使用由 100 张正常与 100 张痴呆 MRI 图像组成的测试集，QCCNN 正确检测正常与痴呆图像的比例分别为 95% 和 98%，而 CNN 的准确率分别为 89% 和 91%。随着麻省总医院等医院开始采用机器学习应用进行生物医学图像检测，本提出的架构将提高准确率并可能挽救更多生命。此外，所提架构具有普遍灵活性，可用于迁移学习任务，节省时间与资源。
引用
@article{arxiv.2301.12505,
title = {Implementing a Hybrid Quantum-Classical Neural Network by Utilizing a Variational Quantum Circuit for Detection of Dementia},
author = {Ryan Kim},
journal= {arXiv preprint arXiv:2301.12505},
year = {2023}
}