Fugu-MT 論文翻訳(概要): Pediatric TSC-Related Epilepsy Classification from Clinical MR Images Using Quantum Neural Network

論文の概要: Pediatric TSC-Related Epilepsy Classification from Clinical MR Images Using Quantum Neural Network

arxiv url: http://arxiv.org/abs/2408.12615v2
Date: Mon, 26 Aug 2024 14:06:59 GMT
ステータス: 処理完了
システム内更新日: 2024-08-27 12:52:18.305482
Title: Pediatric TSC-Related Epilepsy Classification from Clinical MR Images Using Quantum Neural Network
Title（参考訳）: 小児TSC関連てんかん画像の量子ニューラルネットワークによる分類
Authors: Ling Lin, Yihang Zhou, Zhanqi Hu, Dian Jiang, Congcong Liu, Shuo Zhou, Yanjie Zhu, Jianxiang Liao, Dong Liang, Hairong Zheng, Haifeng Wang,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 17.788579893962492
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tuberous sclerosis complex (TSC) manifests as a multisystem disorder with significant neurological implications. This study addresses the critical need for robust classification models tailored to TSC in pediatric patients, introducing QResNet,a novel deep learning model seamlessly integrating conventional convolutional neural networks with quantum neural networks. The model incorporates a two-layer quantum layer (QL), comprising ZZFeatureMap and Ansatz layers, strategically designed for processing classical data within a quantum framework. A comprehensive evaluation, demonstrates the superior performance of QResNet in TSC MRI image classification compared to conventional 3D-ResNet models. These compelling findings underscore the potential of quantum computing to revolutionize medical imaging and diagnostics.Remarkably, this method surpasses conventional CNNs in accuracy and Area Under the Curve (AUC) metrics with the current dataset. Future research endeavors may focus on exploring the scalability and practical implementation of quantum algorithms in real-world medical imaging scenarios.
Abstract（参考訳）: 結核性硬化症複合体(TSC)は神経学的に有意な意味を持つ多系統性疾患である。本研究は、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する新しいディープラーニングモデルであるQResNetを導入し、小児科におけるTSCに適したロバストな分類モデルの必要性に対処する。このモデルには、ZZFeatureMapとAnsatzレイヤからなる2層量子層(QL)が含まれており、量子フレームワーク内で古典的なデータを処理するために戦略的に設計されている。 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。これらの魅力的な発見は、医用画像と診断に革命をもたらす量子コンピューティングの可能性を強調しており、この手法は従来のCNNを精度で上回り、AUC(Area Under the Curve)メトリクスを現在のデータセットで上回っている。将来の研究は、現実の医療画像のシナリオにおける量子アルゴリズムのスケーラビリティと実践的な実装を探求することに集中するかもしれない。

関連論文リスト

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)
Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文参考訳（メタデータ） (2024-09-17T04:48:45Z)
CompressedMediQ: Hybrid Quantum Machine Learning Pipeline for High-Dimensional Neuroimaging Data [1.3359321655273804]
本稿では,新しいハイブリッド量子古典型機械学習パイプラインであるCompressedMediQを紹介する。高次元のマルチクラス・ニューロイメージングデータ解析に関連する計算課題に対処する。
論文参考訳（メタデータ） (2024-09-13T07:03:01Z)
Parallel Proportional Fusion of Spiking Quantum Neural Network for Optimizing Image Classification [10.069224006497162]
量子・スパイキングニューラルネットワーク(PPF-QSNN)の並列比例融合(Parallel Proportional Fusion of Quantum and Spiking Neural Networks)と呼ばれる新しいアーキテクチャを導入する。提案したPPF-QSNNは、既存のスパイクニューラルネットワークと、精度、損失、ロバストネスといったメトリクスにわたるシリアル量子ニューラルネットワークの両方より優れている。本研究は、人工知能計算における量子優位性の発展と応用の基盤となるものである。
論文参考訳（メタデータ） (2024-04-01T10:35:35Z)
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)
K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文参考訳（メタデータ） (2023-07-10T01:26:48Z)
A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文参考訳（メタデータ） (2023-05-26T02:52:12Z)
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)
Quantum-classical convolutional neural networks in radiological image classification [0.0]
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。
論文参考訳（メタデータ） (2022-04-26T15:47:19Z)
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)
Qutrit-inspired Fully Self-supervised Shallow Quantum Learning Network for Brain Tumor Segmentation [7.173859338960338]
量子ビットまたはバイレベル量子ビットは、しばしば量子ニューラルネットワークモデルを記述する。本稿では,脳MR画像の自動分割のための,自己教師付き浅層学習ネットワークモデルを提案する。その結果,ヒトの介入や計算資源を最小限に抑えることで,腫瘍検出に有望なセグメンテーション結果が得られた。
論文参考訳（メタデータ） (2020-09-14T22:15:22Z)

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。