Fugu-MT 論文翻訳(概要): Histopathological Cancer Detection Using Hybrid Quantum Computing

論文の概要: Histopathological Cancer Detection Using Hybrid Quantum Computing

arxiv url: http://arxiv.org/abs/2302.04633v1
Date: Tue, 7 Feb 2023 03:02:33 GMT
ステータス: 処理完了
システム内更新日: 2023-02-10 15:44:24.889175
Title: Histopathological Cancer Detection Using Hybrid Quantum Computing
Title（参考訳）: ハイブリッド量子コンピューティングを用いた病理組織学的癌検出
Authors: Reek Majumdar, Biswaraj Baral, Bhavika Bhalgamiya, Taposh Dutta Roy
Abstract要約: 本稿では、医療分野における量子機械学習の効果的な応用について述べる。 Resnet18による1000枚の画像では、Hybrid Quantum and Classical (HQC) は88.0パーセントのクラシックよりわずかに精度が88.5%向上した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present an effective application of quantum machine learning in the field of healthcare. The study here emphasizes on a classification problem of a histopathological cancer detection using quantum transfer learning. Rather than using single transfer learning model, the work model presented here consists of multiple transfer learning models especially ResNet18, VGG-16, Inception-v3, AlexNet and several variational quantum circuits (VQC) with high expressibility. As a result, we provide a comparative analysis of the models and the best performing transfer learning model with the prediction AUC of approximately 93 percent for histopathological cancer detection. We also observed that for 1000 images with Resnet18, Hybrid Quantum and Classical (HQC) provided a slightly better accuracy of 88.5 percent than classical of 88.0 percent.
Abstract（参考訳）: 本稿では,医療分野における量子機械学習の効果的な応用について述べる。この研究は、量子伝達学習を用いた病理組織学的癌検出の分類問題を強調する。ここでは、単一転送学習モデルを用いるのではなく、resnet18、vgg-16、inception-v3、alexnet、および高表現率の複数の変分量子回路(vqc)で構成される。その結果, 病理組織学的癌検出には約93%の予測aucを用いて, モデルと最良の伝達学習モデルの比較分析を行った。また、Resnet18、Hybrid Quantum and Classical (HQC) の1000枚の画像では、88.0パーセントのクラシック画像よりもわずかに精度が88.5%向上した。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
An ensemble framework approach of hybrid Quantum convolutional neural networks for classification of breast cancer images [2.1659912179830023]
量子ニューラルネットワークは、ネットワークモデルを学習してスケールアップする能力において、古典的なニューラルネットワークを置き換えるのに適していると考えられている。医用画像分類は、ディープラーニング、特に畳み込みニューラルネットワークの応用によく関係している。
論文参考訳（メタデータ） (2024-09-24T10:43:27Z)
Comparative Analysis of Transfer Learning Models for Breast Cancer Classification [10.677937909900486]
本研究は, 病理組織学的スライドにおいて, 浸潤性直腸癌 (IDC) と非IDCを区別する深層学習モデルの効率について検討した。 ResNet-50, DenseNet-121, ResNeXt-50, Vision Transformer (ViT), GoogLeNet (Inception v3), EfficientNet, MobileNet, SqueezeNet。
論文参考訳（メタデータ） (2024-08-29T18:49:32Z)
Adversarial attacks on hybrid classical-quantum Deep Learning models for Histopathological Cancer Detection [0.0]
この研究は、ハイブリッド古典量子ディープラーニングモデルの2つの主要な応用を強調している。我々は、ペニレーンのデフォルト量子シミュレータを用いた古典モデルとハイブリッド古典量子モデルのパフォーマンスの精度を比較した。
論文参考訳（メタデータ） (2023-09-08T06:37:54Z)
Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文参考訳（メタデータ） (2023-08-04T01:19:32Z)
Implementing a Hybrid Quantum-Classical Neural Network by Utilizing a Variational Quantum Circuit for Detection of Dementia [0.0]
2019年にアルツハイマー病の患者3人に1人近くが誤診され、ニューラルネットワークの問題が修正される可能性がある。この研究により、提案された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)は97.5%と95.1%のテストおよび検証精度を提供することがわかった。 QCCNNはCNNの89%と91%と比較して95%と98%の画像を正しく検出した。
論文参考訳（メタデータ） (2023-01-29T18:05:42Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
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)
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)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)

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。