Fugu-MT 論文翻訳(概要): Quantum Medical Imaging Algorithms

論文の概要: Quantum Medical Imaging Algorithms

arxiv url: http://arxiv.org/abs/2004.02036v3
Date: Thu, 23 Apr 2020 19:41:20 GMT
ステータス: 処理完了
システム内更新日: 2023-05-26 11:02:41.952996
Title: Quantum Medical Imaging Algorithms
Title（参考訳）: 量子医療イメージングアルゴリズム
Authors: Bobak Toussi Kiani, Agnes Villanyi, Seth Lloyd
Abstract要約: 医用画像における中心的な課題は、医療機器が収集したデータから画像や機能を再構築することである。我々は、データが量子状態として入力されるとき、古典的よりも指数的に高速化された画像再構成のための量子アルゴリズムを提供する。
参考スコア（独自算出の注目度）: 9.775834440292487
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A central task in medical imaging is the reconstruction of an image or function from data collected by medical devices (e.g., CT, MRI, and PET scanners). We provide quantum algorithms for image reconstruction with exponential speedup over classical counterparts when data is input as a quantum state. Since outputs of our algorithms are stored in quantum states, individual pixels of reconstructed images may not be efficiently accessed classically; instead, we discuss various methods to extract information from outputs using a variety of quantum post-processing algorithms.
Abstract（参考訳）: 医用画像における中心的な課題は、医療機器(例えば、CT、MRI、PETスキャナー)が収集したデータから画像や機能を再構築することである。我々は、データが量子状態として入力されるとき、従来の画像よりも指数関数的なスピードアップで画像再構成のための量子アルゴリズムを提供する。アルゴリズムの出力は量子状態に保存されているため、再構成画像の個々の画素を古典的にアクセスすることは不可能であり、代わりに様々な量子後処理アルゴリズムを用いて出力から情報を抽出する様々な方法について議論する。

関連論文リスト

Deep learning as a tool for quantum error reduction in quantum image processing [0.0]
本稿では、LPIQEを用いて符号化された画像の全体的な誤差を低減するために、位相アンラベリング誤り低減法と併用して、画像と画像の変換を訓練した生成対向ネットワークを成功させたことを報告する。量子コンピュータの可用性と量子量に制限があるにもかかわらず、量子画像表現は広く研究されている領域である。
論文参考訳（メタデータ） (2023-11-08T10:14:50Z)
Tensor Network Based Efficient Quantum Data Loading of Images [0.0]
本稿では、画像の振幅をほぼエンコードする量子状態を生成する新しい方法を提案する。道路シーンの複雑な画像に対して,捕捉されたイオン量子コンピュータの8量子ビット上で実験を行った。
論文参考訳（メタデータ） (2023-10-09T17:40:41Z)
Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文参考訳（メタデータ） (2023-07-31T14:45:29Z)
Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文参考訳（メタデータ） (2022-12-17T05:51:17Z)
A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
論文参考訳（メタデータ） (2022-03-22T22:02:09Z)
Quantum Face Recognition Protocol with Ghost Imaging [1.4856165761750735]
量子主成分分析(QPCA)に基づくパターン認識のための量子機械学習アルゴリズムを提案する。また,行列(画像)のトレースと計算の行列式に基づく顔の相似性を求める新しい量子アルゴリズムを提案する。量子アルゴリズムと量子入力を備えた完全量子パターン認識システムでは、画像の取得と識別が大幅に改善される。
論文参考訳（メタデータ） (2021-10-19T16:31:46Z)
Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文参考訳（メタデータ） (2021-06-27T06:27:22Z)
Learning Temporal Quantum Tomography [0.0]
量子状態の準備における制御レベルの定量化と検証は、量子デバイス構築における中心的な課題である。本稿では,機械学習フレームワークを用いた実用的近似トモグラフィ法を開発した。量子学習タスクのためのアルゴリズムを実証し、その後、量子短期記憶容量を提案して、短期量子デバイスの時間的処理能力を評価する。
論文参考訳（メタデータ） (2021-03-25T17:01:24Z)
Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文参考訳（メタデータ） (2021-02-09T13:48:00Z)
A Quantum Edge Detection Algorithm [2.639737913330821]
エンタングルメントや重畳といった量子特性を利用して、多くの画像処理アルゴリズムが指数的なスピードアップを実現できることを示す。本稿では,量子エッジ検出アルゴリズムの改良版を提案する。
論文参考訳（メタデータ） (2020-12-20T22:10:05Z)
Fast and robust quantum state tomography from few basis measurements [65.36803384844723]
本稿では、上記の全てのリソースを精度に悪影響を及ぼすことなく最適化するオンライントモグラフィーアルゴリズムを提案する。このプロトコルは、状態コピー、測定設定、メモリのランクと寸法で証明可能なパフォーマンスを初めて提供する。量子コンピュータ上でアルゴリズムを実行し、量子状態トモグラフィーのための量子スピードアップを提供することにより、さらなる改善が可能となる。
論文参考訳（メタデータ） (2020-09-17T11:28:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。