論文の概要: Quantum AI for Alzheimer's disease early screening
- arxiv url: http://arxiv.org/abs/2405.00755v2
- Date: Sat, 21 Dec 2024 13:41:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:52:19.334093
- Title: Quantum AI for Alzheimer's disease early screening
- Title（参考訳）: アルツハイマー病早期スクリーニングのための量子AI
- Authors: Giacomo Cappiello, Filippo Caruso,
- Abstract要約: アルツハイマー病は神経変性性脳疾患であり、主に高齢者に影響を及ぼす。
DARWINデータセットには、アルツハイマー病に罹患した人々と健康な人々のグループによる手書きのサンプルが含まれている。
このデータセットを用いて古典的な分類法をテストし、それらの性能を量子機械学習手法で得られたものと比較する。
- 参考スコア（独自算出の注目度）: 1.2891210250935148
- License:
- Abstract: Quantum machine learning is a new research field combining quantum information science and machine learning. Quantum computing technologies appear to be particularly well-suited for addressing problems in the health sector efficiently. They have the potential to handle large datasets more effectively than classical models and offer greater transparency and interpretability for clinicians. Alzheimer's disease is a neurodegenerative brain disorder that mostly affects elderly people, causing important cognitive impairments. It is the most common cause of dementia and it has an effect on memory, thought, learning abilities and movement control. This type of disease has no cure, consequently an early diagnosis is fundamental for reducing its impact. The analysis of handwriting can be effective for diagnosing, as many researches have conjectured. The DARWIN (Diagnosis AlzheimeR WIth haNdwriting) dataset contains handwriting samples from people affected by Alzheimer's disease and a group of healthy people. Here we apply quantum AI to this use-case. In particular, we use this dataset to test classical methods for classification and compare their performances with the ones obtained via quantum machine learning methods. We find that quantum methods generally perform better than classical methods. Our results pave the way for future new quantum machine learning applications in early-screening diagnostics in the healthcare domain.
- Abstract（参考訳）: 量子機械学習は、量子情報科学と機械学習を組み合わせた新しい研究分野である。
量子コンピューティング技術は、健康分野の問題を効率的に解決するのに特に適しているようだ。
彼らは、古典的なモデルよりも大きなデータセットを効果的に扱える可能性があり、臨床医に透明性と解釈性を提供する。
アルツハイマー病は神経変性性脳障害であり、主に高齢者に影響を及ぼし、重要な認知障害を引き起こす。
認知症の最も一般的な原因であり、記憶、思考、学習能力、運動制御に影響を及ぼす。
この種の疾患には治療法がないため、早期診断はその影響の軽減に不可欠である。
筆跡解析は、多くの研究が予想しているように、診断に有効である。
DARWIN(Diagnosis AlzheimeR WIth haNdwriting)データセットには、アルツハイマー病に罹患した人々と健康な人々のグループによる手書きのサンプルが含まれている。
ここでは、このユースケースに量子AIを適用します。
特に、このデータセットを用いて古典的な分類法をテストし、それらの性能を量子機械学習法で得られたものと比較する。
量子法は一般に古典法よりも優れた性能を示す。
我々の研究結果は、医療領域における早期スクリーニング診断における新しい量子機械学習応用の道を開くものである。
関連論文リスト
- Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。
量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。
分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文 参考訳（メタデータ） (2024-05-31T16:43:20Z) - Quantum Machine Learning in the Cognitive Domain: Alzheimer's Disease Study [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、神経変性疾患の1つである。
認知障害に影響されるタスクの1つは手書きである。
古典的人工知能(AI)手法の最近の進歩は、手書き解析によるADの検出において有望であることを示している。
論文 参考訳（メタデータ） (2023-09-15T16:50:57Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Alzheimers Disease Diagnosis using Machine Learning: A Review [0.0]
アルツハイマー病ADは急性神経疾患であり、脳細胞を変性させ、徐々に記憶喪失を引き起こす。
アルツハイマー病の正確な診断には、機械学習のような最先端の手法が不可欠である。
論文 参考訳（メタデータ） (2023-04-17T17:50:22Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Complexity-Theoretic Limitations on Quantum Algorithms for Topological
Data Analysis [59.545114016224254]
トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。
我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。
我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
論文 参考訳（メタデータ） (2022-09-28T17:53:25Z) - Classification of Alzheimer's Disease Using the Convolutional Neural
Network (CNN) with Transfer Learning and Weighted Loss [2.191505742658975]
本研究では,Residual Network 18 Layer(ResNet-18)アーキテクチャを用いた畳み込みニューラルネットワーク(CNN)手法を提案する。
モデルの精度は、転送学習、重み付き損失、およびミッシュアクティベーション関数を用いて88.3%である。
論文 参考訳（メタデータ） (2022-07-04T17:09:27Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。
本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。
今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文 参考訳（メタデータ） (2022-02-19T02:56:47Z) - Quantum Machine Learning for Health State Diagnosis and Prognostics [0.0]
健康状態診断と予後診断のためのハイブリッド量子機械学習フレームワークを提案する。
この論文は、リスクと信頼性の領域における量子機械学習アルゴリズムの探索と応用を開始することを願っている。
論文 参考訳（メタデータ） (2021-08-25T22:57:14Z) - Quantum Machine Learning: Fad or Future? [0.0]
私たちは、古典的なコンピューティングデバイスによって、利用可能な最大計算能力のしきい値に素早く近づきます。
これは、今や数十億と数兆のパラメータを持つモデルサイズが指数関数的に増加するためである。
本稿では、量子機械学習が古典的な機械学習アプローチよりも優れているという側面を検証し、検証する。
論文 参考訳（メタデータ） (2021-06-20T15:39:36Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。