色彩癌症数据上的量子机器学习：结肠癌痊疮漏气分类与风险因素
机器学习
2026-04-16 v1 量子物理
摘要
本研究评估结肠癌风险因素，并比较经典模型与量子神经网络 (QNN) 用于结肠痊疮漏气预测。我们分析了 14% 漏气患病率的临床数据，对 ZZFeatureMap 编码下的 RealAmplitudes 和 EfficientSU2 变元进行测试，在模拟噪声条件下进行。-优化的量子配置比经典基线（66.7%）显著高出灵敏度（83.3%），这表明量子特征空间更好地优先确定少数派类别，这对于低患病率的临床风险预测至关重要。我们的工作探索了在噪声条件下的各种优化器，突显了关键权衡和硬件部署的未来方向。
引用
@article{arxiv.2604.13951,
title = {Quantum Machine Learning for Colorectal Cancer Data: Anastomotic Leak Classification and Risk Factors},
author = {Vojtěch Novák and Ivan Zelinka and Lenka Přibylová and Lubomír Martínek and Vladimír Benčurík and Martin Beseda},
journal= {arXiv preprint arXiv:2604.13951},
year = {2026}
}