論文の概要: Early heart disease prediction using hybrid quantum classification
- arxiv url: http://arxiv.org/abs/2208.08882v1
- Date: Wed, 17 Aug 2022 08:54:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 14:18:08.190182
- Title: Early heart disease prediction using hybrid quantum classification
- Title(参考訳): ハイブリッド量子分類を用いた早期心疾患予測
- Authors: Hanif Heidari and Gerhard Hellstern
- Abstract要約: 心臓病の早期予測は、心臓死亡率と死亡率の低下に不可欠である。
本稿では,心臓疾患の早期発見のための2つの量子機械学習手法を提案する。
これらの手法はクリーブランドとスタットログのデータセットに適用される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rate of heart morbidity and heart mortality increases significantly which
affect the global public health and world economy. Early prediction of heart
disease is crucial for reducing heart morbidity and mortality. This paper
proposes two quantum machine learning methods i.e. hybrid quantum neural
network and hybrid random forest quantum neural network for early detection of
heart disease. The methods are applied on the Cleveland and Statlog datasets.
The results show that hybrid quantum neural network and hybrid random forest
quantum neural network are suitable for high dimensional and low dimensional
problems respectively. The hybrid quantum neural network is sensitive to
outlier data while hybrid random forest is robust on outlier data. A comparison
between different machine learning methods shows that the proposed quantum
methods are more appropriate for early heart disease prediction where 96.43%
and 97.78% area under curve are obtained for Cleveland and Statlog dataset
respectively.
- Abstract(参考訳): 心臓死亡率と心臓死亡率は、世界の公衆衛生と世界経済に大きな影響を及ぼす。
心臓病の早期予測は、心臓病死の軽減に不可欠である。
本稿では、心臓疾患早期発見のための2つの量子機械学習手法、すなわちハイブリッド量子ニューラルネットワークとハイブリッドランダムフォレスト量子ニューラルネットワークを提案する。
これらの手法はクリーブランドとスタットログのデータセットに適用される。
その結果,ハイブリッド量子ニューラルネットワークとハイブリッドランダムフォレスト量子ニューラルネットワークは,それぞれ高次元問題と低次元問題に適していることがわかった。
ハイブリッド量子ニューラルネットワークは外れ値データに敏感であり、ハイブリッドランダムフォレストは外れ値データに堅牢である。
異なる機械学習法との比較により、提案法は、クリーブランドデータセットとスタットログデータセットでそれぞれ96.43%と97.78%の曲線下領域が得られた早期心疾患予測に適していることが示された。
関連論文リスト
- An Improved Grey Wolf Optimization Algorithm for Heart Disease
Prediction [5.489867271342724]
本稿では,適応曲線灰色のオオカミ最適化(ACGWO)アルゴリズムをニューラルネットワークのバックプロパゲーションに組み込むことにより,医用画像処理における課題に対するユニークな解決策を提案する。
本手法は他の10手法を超越し,86.8%の精度を達成し,臨床現場での効率的な心疾患予測の可能性を示した。
論文 参考訳(メタデータ) (2024-01-22T03:07:24Z) - 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) - Hybrid quantum neural network for drug response prediction [0.0]
本稿では,8量子ビットと363層からなる畳み込み,グラフ畳み込み,ディープ量子ニューラルネットワークの組み合わせに基づく,薬物応答予測のための新しいハイブリッド量子ニューラルネットワークを提案する。
このハイブリッド量子モデルは、IC50の薬物効果の予測において、その古典的アナログを15%上回ることを示す。
論文 参考訳(メタデータ) (2022-11-10T18:58:30Z) - Arrhythmia Classifier Using Convolutional Neural Network with Adaptive
Loss-aware Multi-bit Networks Quantization [4.8538839251819486]
メモリ消費を23.36倍に削減する高圧縮率を実現する1次元適応型ロスアウェア量子化を提案する。
我々は、MIT-BIHデータセットで訓練された17種類のリズムクラスを分類するために、17層のエンドツーエンドニューラルネットワーク分類器を提案する。
本研究は,ハードウェアフレンドリーで,ウェアラブルデバイスに展開可能な1次元畳み込みニューラルネットワークを実現する。
論文 参考訳(メタデータ) (2022-02-27T14:26:41Z) - A Classical-Quantum Convolutional Neural Network for Detecting Pneumonia
from Chest Radiographs [0.0]
胸部X線写真から肺炎を検出する問題に対して,変分量子回路を古典的ニューラルネットワークに統合する方法を示す。
胸部X線写真を含む画像データセット上で両ネットワークをトレーニングし,その性能をベンチマークする。
このハイブリッドネットワークは,異なる性能指標において従来のネットワークよりも優れており,これらの改善は統計的に有意であることを示す。
論文 参考訳(メタデータ) (2022-02-19T05:13:37Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳(メタデータ) (2021-06-06T07:11:25Z) - Novel Deep Learning Architecture for Heart Disease Prediction using
Convolutional Neural Network [0.0]
心臓病は、世界中の多くの人々の生活を妨げる最も致命的な病気の1つである。
本稿では,健康な人と非健康な人の分類に1次元畳み込みニューラルネットワークを用いた新しいディープラーニングアーキテクチャを提案する。
提案するネットワークは、データセット上で97%以上のトレーニング精度と96%のテスト精度を達成する。
論文 参考訳(メタデータ) (2021-05-22T22:00:57Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - Adaptive conversion of real-valued input into spike trains [91.3755431537592]
本稿では,実数値入力をスパイクトレインに変換し,スパイクニューラルネットワークで処理する方法を提案する。
提案手法は網膜神経節細胞の適応的挙動を模倣し,入力ニューロンが入力の統計の変化に応答することを可能にする。
論文 参考訳(メタデータ) (2021-04-12T12:33:52Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳(メタデータ) (2021-02-15T08:19:05Z) - Finding Patient Zero: Learning Contagion Source with Graph Neural
Networks [67.3415507211942]
感染源の特定は、感染の感染経路に関する重要な洞察を与えることができる。
既存の方法はグラフ理論測度と高価なメッセージパッシングアルゴリズムを用いる。
グラフニューラルネットワーク(GNN)を用いてP0を学習し,この問題を再考する。
論文 参考訳(メタデータ) (2020-06-21T21:12:44Z)
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。