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
- 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) - 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) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - CovidExpert: A Triplet Siamese Neural Network framework for the
detection of COVID-19 [0.0]
我々は、この危険な病気のポストエフェクトを減らすために、新型コロナウイルスの早期検出のための数発の学習モデルを開発した。
提案したアーキテクチャは、数ショットの学習と事前訓練された畳み込みニューラルネットワークのアンサンブルを組み合わせる。
提案されたモデルでは、全体的な精度は98.719%、特異性は99.36%、感度は98.72%、ROCスコアは99.9%であった。
論文 参考訳(メタデータ) (2023-02-17T17:18:02Z) - 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) - Transfer Learning for Oral Cancer Detection using Microscopic Images [1.3929484165904207]
口腔癌は早期に検出された場合83%以上の生存率を有する。
深層学習技術は口腔がん細胞のパターンを検出でき、早期発見に役立つ。
口腔癌検出のための神経回路画像を用いた第1報を報告する。
論文 参考訳(メタデータ) (2020-11-23T18:35:59Z) - 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。
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。