論文の概要: Quantum-classical convolutional neural networks in radiological image classification

• arxiv url: http://arxiv.org/abs/2204.12390v1
• Date: Tue, 26 Apr 2022 15:47:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-27 13:51:37.860882
• Title: Quantum-classical convolutional neural networks in radiological image classification
• Title（参考訳）: 放射線画像分類における量子古典畳み込みニューラルネットワーク
• Authors: Andrea Matic, Maureen Monnet, Jeanette Miriam Lorenz, Balthasar Schachtner, Thomas Messerer
• Abstract要約: いくつかの量子機械学習アルゴリズムは、古典的な学習能力の改善をもたらす可能性がある。 本稿では、異なる量子回路設計と符号化技術を備えた異なるハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning is receiving significant attention currently, but its usefulness in comparison to classical machine learning techniques for practical applications remains unclear. However, there are indications that certain quantum machine learning algorithms might result in improved training capabilities with respect to their classical counterparts - which might be particularly beneficial in situations with little training data available. Such situations naturally arise in medical classification tasks. Within this paper, different hybrid quantum-classical convolutional neural networks (QCCNN) with varying quantum circuit designs and encoding techniques are proposed. They are applied to two- and three-dimensional medical imaging data, e.g. featuring different, potentially malign, lesions in computed tomography scans. The performance of these QCCNNs is already similar to the one of their classical counterparts - therefore encouraging further studies towards the direction of applying these algorithms within medical imaging tasks.
• Abstract（参考訳）: 量子機械学習は現在、大きな注目を集めているが、古典的な機械学習技術と比較して実用的応用に有用性はいまだに不明である。 しかし、一部の量子機械学習アルゴリズムは、古典的アルゴリズムに対してトレーニング能力の向上をもたらす可能性があるという兆候がある。 このような状況は、医学的な分類作業で自然に発生する。 本稿では、異なる量子回路設計と符号化技術を備えた異なるハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)を提案する。 これらは2次元および3次元の医療画像データに適用され、例えばctスキャンで異なる、潜在的に悪性な病変を特徴付ける。 これらのQCCNNの性能は従来のものと既に似ており、医療画像タスクにこれらのアルゴリズムを適用する方向性についてさらなる研究を奨励している。

関連論文リスト

• Pediatric TSC-Related Epilepsy Classification from Clinical MR Images Using Quantum Neural Network [17.788579893962492]
  本研究では,従来の畳み込みニューラルネットワークと量子ニューラルネットワークをシームレスに統合した新しいディープラーニングモデルQResNetを紹介する。 TSCMRI画像分類において,従来の3D-ResNetモデルと比較してQResNetの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-08-08T14:11:06Z)
• Towards Transfer Learning for Large-Scale Image Classification Using Annealing-based Quantum Boltzmann Machines [7.106829260811707]
  本稿では,Quantum Annealing (QA) を用いた画像分類手法を提案する。 本稿では,アニール型量子ボルツマンマシンをハイブリッド量子古典パイプラインの一部として用いることを提案する。 提案手法は,テスト精度とAUC-ROC-Scoreの点で,古典的ベースラインを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-11-27T16:07:49Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• 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)
• Pooling techniques in hybrid quantum-classical convolutional neural networks [0.0]
  2次元医用画像の分類のためのハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)におけるプーリング手法の詳細な研究を行う。 プールのない等価な古典モデルやQCCNNと比較すると,類似性や性能が向上する。 QCCNNにおけるアーキテクチャの選択を、将来のアプリケーションのためにより深く研究することを約束している。
  論文  参考訳（メタデータ） (2023-05-09T16:51:46Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum Methods for Neural Networks and Application to Medical Image Classification [5.817995726696436]
  ニューラルネットワークのための新しい量子法を2つ導入する。 1つ目は、量子ピラミッド回路に基づく量子直交ニューラルネットワークである。 第2の方法は量子支援ニューラルネットワークであり、量子コンピュータを用いて内部積推定を行う。
  論文  参考訳（メタデータ） (2022-12-14T18:17:19Z)
• On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
  ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。 この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。 マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T12:41:50Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Medical image classification via quantum neural networks [5.817995726696436]
  医用画像分類のための2つの異なる量子ニューラルネットワーク技術について検討する。 本手法は,網膜色眼底像と胸部X線像の2つの異なる画像モダリティについてベンチマークを行った。
  論文  参考訳（メタデータ） (2021-09-04T09:41:15Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。