量子迁移学习提升痴呆检测精度
量子物理
2025-07-18 v1 人工智能
机器学习
摘要
痴呆是一种对个体、家庭和医疗系统都具有深远影响的疾病，及时且准确的检测对于及时干预和改善患者预后至关重要。虽然已广泛探索经典机器学习和深度学习方法用于痴呆预测，但这些解决方案在处理高维生物医学数据和大规模数据集时常常面临计算和性能瓶颈。为此，量子机器学习 (QML) 作为一种具有更快训练速度和先进模式识别能力的新兴范式，正成为具有前景的替代方案。本工作旨在演示量子迁移学习 (QTL) 如何增强应用于痴呆检测二分类任务的弱性经典深度学习模型的性能。此外，我们还探讨了噪声对 QTL 方法的影响，考察了该方法的可靠性和鲁棒性。利用 OASIS 2 数据集，我们展示了量子技术如何将次优的经典模型转化为更有效的生物医学图像分类解决方案，凸显了其在推动医疗技术发展方面的潜在影响。
引用
@article{arxiv.2507.12485,
title = {Quantum Transfer Learning to Boost Dementia Detection},
author = {Sounak Bhowmik and Talita Perciano and Himanshu Thapliyal},
journal= {arXiv preprint arXiv:2507.12485},
year = {2025}
}