論文の概要: Multi-VQC: A Novel QML Approach for Enhancing Healthcare Classification

• arxiv url: http://arxiv.org/abs/2505.20797v1
• Date: Tue, 27 May 2025 07:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.460388
• Title: Multi-VQC: A Novel QML Approach for Enhancing Healthcare Classification
• Title（参考訳）: Multi-VQC: 医療の分類を強化するための新しいQMLアプローチ
• Authors: Antonio Tudisco, Deborah Volpe, Giovanna Turvani,
• Abstract要約: 近年、機械学習は、病気を識別できる分類モデルを作成することによって、診断プラクティスに革命をもたらした。 量子モデルへの関心は、高次元の計算空間にデータをマッピングすることで複雑なパターンを表現する能力によって生まれた。
• 参考スコア（独自算出の注目度）: 0.25602836891933073
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate and reliable diagnosis of diseases is crucial in enabling timely medical treatment and enhancing patient survival rates. In recent years, Machine Learning has revolutionized diagnostic practices by creating classification models capable of identifying diseases. However, these classification problems often suffer from significant class imbalances, which can inhibit the effectiveness of traditional models. Therefore, the interest in Quantum models has arisen, driven by the captivating promise of overcoming the limitations of the classical counterpart thanks to their ability to express complex patterns by mapping data in a higher-dimensional computational space.
• Abstract（参考訳）: 正確な疾患の診断は、タイムリーな治療と患者生存率の向上に不可欠である。 近年、機械学習は、病気を識別できる分類モデルを作成することによって、診断プラクティスに革命をもたらした。 しかしながら、これらの分類問題は、しばしば重要なクラス不均衡に悩まされ、従来のモデルの有効性を阻害する。 したがって、量子モデルへの関心は、高次元の計算空間にデータをマッピングすることで複雑なパターンを表現する能力によって、古典的な制約を克服するという、魅惑的な約束によって生まれた。

関連論文リスト

• Quantum Machine Learning in Healthcare: Evaluating QNN and QSVM Models [0.25602836891933073]
  本研究では、量子ニューラルネットワーク(QNN)と量子サポートベクトルマシン(QSVM)に焦点を当てる。 以上の結果から,QSVMは全データセットでQNNよりも優れており,過度に適合する可能性が示唆された。 これらの発見は予備的ではあるが、医療分類タスクにおける量子モデルの可能性を強調している。
  論文  参考訳（メタデータ） (2025-05-27T07:09:09Z)
• Early Detection of Coronary Heart Disease Using Hybrid Quantum Machine Learning Approach [0.0]
  冠動脈疾患(CHD)は重症心疾患であり,早期診断が不可欠である。 量子コンピューティングと機械学習(ML)技術の主流となる開発は、CHD診断の性能に実用的な改善をもたらす可能性がある。 医療業界における量子的な飛躍は、処理能力を高め、複数のモデルを最適化する。
  論文  参考訳（メタデータ） (2024-09-17T07:08:39Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• Continual Learning with Bayesian Model based on a Fixed Pre-trained Feature Extractor [55.9023096444383]
  現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。 人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-04-28T08:41:51Z)
• Demystifying Deep Learning Models for Retinal OCT Disease Classification using Explainable AI [0.6117371161379209]
  様々な深層学習技術の採用は、非常に一般的かつ効果的であり、網膜光コヒーレンス・トモグラフィー分野に実装する上でも同様に真実である。 これらの技術はブラックボックスの特徴を持ち、医療従事者がそれらの成果を完全に信頼できないようにする。 本稿では,この研究に説明可能なAIを導入したLimeの使用とともに,比較的小型で簡易な自己開発CNNモデルを提案する。
  論文  参考訳（メタデータ） (2021-11-06T13:54:07Z)
• Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease Progression [71.7560927415706]
  潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。 新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
  論文  参考訳（メタデータ） (2021-06-05T11:42:45Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Dementia Prediction Applying Variational Quantum Classifier [0.0]
  認知症は世界中で5番目の死因であり、毎年1000万人の新規感染者が死亡している。 量子機械学習(QML)技術に関する最近の研究は、既存の機械学習モデルのトレーニングプロセスを加速するのに有用な様々なアプローチを発見した。 特に,IBMのフレームワークであるQiskitで実装された変分量子分類(VQC)を使うことで,高齢者の認知症を予測できることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T22:47:12Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

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。