使用量子神经网络对小儿TSC相关癫痫的MR图像进行分类
图像与视频处理
2024-08-27 v2 计算机视觉与模式识别
机器学习
摘要
结节性硬化症表现为一种多系统疾病，具有显著的神经学影响。本研究针对小儿结节性硬化症对稳健分类模型的迫切需求，引入了QResNet，一种将传统卷积神经网络与量子神经网络无缝集成的新型深度学习模型。该模型包含一个两层量子层，由ZZFeatureMap和变分层组成，策略性地设计用于在量子框架内处理经典数据。综合评估表明，与传统的3D-ResNet模型相比，QResNet在结节性硬化症MR图像分类方面表现出优越的性能。这些发现强调了量子计算在革新医学影像和诊断方面的潜力。值得注意的是，在当前数据集上，该方法在准确性和曲线下面积指标上均优于传统CNN。未来的研究工作将探索量子算法在真实医学影像场景中的可扩展性和实际应用。
引用
@article{arxiv.2408.12615,
title = {Pediatric TSC-Related Epilepsy Classification from Clinical MR Images Using Quantum Neural Network},
author = {Ling Lin and Yihang Zhou and Zhanqi Hu and Dian Jiang and Congcong Liu and Shuo Zhou and Yanjie Zhu and Jianxiang Liao and Dong Liang and Hairong Zheng and Haifeng Wang},
journal= {arXiv preprint arXiv:2408.12615},
year = {2024}
}
备注
5 pages,4 figures,2 tables,presented at ISBI 2024