QCNN用于检测PCG信号中异常模式的量子卷积神经网络
机器学习
2025-11-05 v1 量子物理
摘要
及时识别异常生理模式对于及时检测心脏疾病至关重要。本文引入一种混合量子-经典卷积神经网络 (QCNN)，用于分类心音信号中的 S3 和 murmur 异常。该方法通过小波特征提取和自适应阈值压缩方法，将一维 phonocardiogram (PCG) 信号转换为紧凑的二维图像。我们将心音模式压缩为 8 像素图像，以便在量子阶段仅需 8 个量子比特。HLS-CMDS 数据集上的初步结果表明，测试集准确率为 93.33%，训练集准确率为 97.14%，表明量子模型能够有效捕获生物医学信号中的时频相关性。据我们所知，这是首次将 QCNN 算法应用于生物声信号处理。该方法代表了面向资源受限医疗环境的量子增强诊断系统的初步努力。
引用
@article{arxiv.2511.02140,
title = {QuPCG: Quantum Convolutional Neural Network for Detecting Abnormal Patterns in PCG Signals},
author = {Yasaman Torabi and Shahram Shirani and James P. Reilly},
journal= {arXiv preprint arXiv:2511.02140},
year = {2025}
}