論文の概要: Predicting Post-Surgical Complications with Quantum Neural Networks: A Clinical Study on Anastomotic Leak

• arxiv url: http://arxiv.org/abs/2506.01708v1
• Date: Mon, 02 Jun 2025 14:13:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.482658
• Title: Predicting Post-Surgical Complications with Quantum Neural Networks: A Clinical Study on Anastomotic Leak
• Title（参考訳）: 量子ニューラルネットワークによる術後合併症の予測 : 解離性リークの臨床的検討
• Authors: Vojtěch Novák, Ivan Zelinka, Lenka Přibylová, Lubomír Martínek, Vladimír Benčurik,
• Abstract要約: 医学診断における量子機械学習の適用について検討する。 本研究は, 術後合併症の重篤な解離性漏出の予測に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.16777183511743468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing represents a transformative leap in computational power, with the potential to revolutionize various fields, including healthcare. In this study, we explore the application of quantum machine learning in medical diagnostics, specifically focusing on the prediction of anastomotic leak, a severe post-surgical complication. By comparing quantum neural networks implemented with different ansatz functions to classical classification approaches-including logistic regression, support vector machines, multilayer perceptron, naive Bayes, nearest neighbors, and ensemble methods like gradient boosting and AdaBoost-we evaluate their effectiveness in predictive modeling. All models were trained and evaluated using simulations on a classical computer, without quantum sampling, noise, or other quantum-related errors. We employed cross-validation to ensure that model performance was assessed on unseen data, minimizing overfitting. Given the clinical importance of identifying true positives, we analyzed predictions at the highest possible sensitivity levels. At these sensitivity levels, quantum neural networks using the RealAmplitudes ansatz demonstrated the best performance in terms of positive predictive value, negative predictive value, specificity, Brier score, log loss, and other classification metrics. Our findings highlight the potential of quantum machine learning to improve predictive accuracy in complex medical scenarios and underscore the promise of integrating quantum computing into healthcare for better diagnostic outcomes.
• Abstract（参考訳）: 量子コンピューティングは、計算能力の革新的な飛躍であり、医療を含む様々な分野に革命をもたらす可能性がある。 本研究では,医学診断における量子機械学習の応用について検討する。 異なるアンザッツ関数で実装された量子ニューラルネットワークを古典的な分類手法と比較することにより、ロジスティック回帰、サポートベクターマシン、多層パーセプトロン、ナイーブベイズ、近接する隣人、勾配ブースティングやAdaBoostのようなアンサンブル手法を予測モデルで評価する。 全てのモデルは、量子サンプリング、ノイズ、その他の量子関連エラーなしで、古典的なコンピュータでシミュレーションを用いて訓練され、評価された。 モデルパフォーマンスが見えないデータに基づいて評価され、オーバーフィッティングを最小限にするため、クロスバリデーションを採用しました。 本研究は,正の正の同定が臨床的に重要であることを考慮し,高い感度レベルでの予測分析を行った。 これらの感度レベルにおいて、RealAmplitudes ansatzを用いた量子ニューラルネットワークは、正の予測値、負の予測値、特異性、ブライアスコア、ログ損失、その他の分類指標で最高の性能を示した。 我々の発見は、複雑な医療シナリオにおける予測精度を向上させる量子機械学習の可能性を強調し、より良い診断結果を得るために量子コンピューティングを医療に組み込むという約束を裏付けるものである。

関連論文リスト

• Comparative Analysis of Quantum Support Vector Machines and Variational Quantum Classifiers for B-cell Epitope Prediction in Vaccine Design [0.0]
  本研究では,B細胞予測における量子支援ベクトルマシン(QSVM)と変分量子(VQC)の2つの量子機械学習モデルについて検討した。
  論文  参考訳（メタデータ） (2025-04-14T10:19:33Z)
• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Brain Tumor Diagnosis Using Quantum Convolutional Neural Networks [0.0]
  本研究では、量子特徴符号化回路と深度的に分離可能な畳み込み層を統合するハイブリッド量子畳み込みニューラルネットワーク(HQCNN)を提案する。 HQCNNは99.16%のトレーニング精度と91.47%の検証精度を達成した。
  論文  参考訳（メタデータ） (2024-01-28T23:27:06Z)
• Quantum machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• Improved clinical data imputation via classical and quantum determinantal point processes [1.3749490831384268]
  データの警告は、機械学習の実践者にとって重要な問題である。 本稿では,決定点過程に基づく新しい計算法を提案する。 小型計算タスクに対して最大10キュービットの競合結果を示す。
  論文  参考訳（メタデータ） (2023-03-31T08:54:46Z)
• 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)
• Translational Quantum Machine Intelligence for Modeling Tumor Dynamics in Oncology [18.069876260017605]
  量子マシンインテリジェンス(Quantum Machine Intelligence)は、量子力学の観点からの腫瘍力学の非並列的な洞察を提供する。 本稿では,治療効果に関する腫瘍負担の量子力学を定量化する,$eta-$Netという新しいハイブリッド量子古典型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-02-21T08:46:58Z)
• Variational learning for quantum artificial neural networks [0.0]
  まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。 次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。 メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
  論文  参考訳（メタデータ） (2021-03-03T16:10:15Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)

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。