論文の概要: Quantum Machine Learning for Predicting Anastomotic Leak: A Clinical Study

• arxiv url: http://arxiv.org/abs/2506.01708v2
• Date: Wed, 02 Jul 2025 14:59:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:57.73533
• Title: Quantum Machine Learning for Predicting Anastomotic Leak: A Clinical Study
• Title（参考訳）: 解剖学的リーク予測のための量子機械学習 : 臨床的検討
• Authors: Vojtěch Novák, Ivan Zelinka, Lenka Přibylová, Lubomír Martínek, Vladimír Benčurik,
• Abstract要約: AL(Anastomotic leak)は,大腸癌術後の合併症である。 本研究では、AL予測のための量子ニューラルネットワーク(QNN)の可能性について検討する。
• 参考スコア（独自算出の注目度）: 0.16777183511743468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anastomotic leak (AL) is a life-threatening complication following colorectal surgery, and its accurate prediction remains a significant clinical challenge. This study explores the potential of Quantum Neural Networks (QNNs) for AL prediction, presenting a rigorous benchmark against hyperparameter-tuned classical models including logistic regression, multilayer perceptrons, and boosting algorithms. Using a clinical dataset of 200 patients and four key predictors identified through statistical analysis, we evaluated QNNs with ZZFeatureMap encoding and EfficientSU2 and RealAmplitudes ans\"atze simulated under realistic hardware noise models. Our framework emphasizes robustness, with performance metrics averaged over 10 independent optimization runs using multiple algorithms. The EfficientSU2-BFGS combination achieved the highest mean AUC of $0.7966 \pm 0.0237$, while RealAmplitudes with CMA-ES excelled in Average Precision ($0.5041 \pm 0.1214$), critical for imbalanced medical datasets. We establish a direct link between optimizer convergence and model efficacy, where effective variational parameter optimization translates to improved classification metrics. Interpretability analysis suggests QNNs may capture complex, non-linear feature relationships not evident in classical linear models. This work highlights QNNs' potential as screening tools while underscoring the need for model selection based on specific clinical goals, pending validation on larger datasets.
• Abstract（参考訳）: 異所性漏出 (AL) は大腸癌術後の合併症であり, その正確な予測は依然として重要な臨床的課題である。 本研究では、AL予測のための量子ニューラルネットワーク(QNN)の可能性を探り、ロジスティック回帰、多層パーセプトロン、ブースティングアルゴリズムを含むハイパーパラメータ調整された古典モデルに対する厳密なベンチマークを示す。 ZZFeatureMapエンコーディングによるQNNと,現実的なハードウェアノイズモデルでシミュレーションしたRealAmplitudes ans\,RealAmplitudes ans\。 我々のフレームワークはロバスト性を強調しており、パフォーマンスメトリクスは、複数のアルゴリズムを使用して10以上の独立した最適化を実行する。 効率の良いSU2-BFGSの組み合わせは、AUCの最高値である0.7966 \pm 0.0237$を達成し、CMA-ESのRealAmplitudesは平均精度が0.5041 \pm 0.1214$で、不均衡な医療データセットにとって重要なものとなった。 モデルの有効性とオプティマイザ収束の直接的な関係を確立し, 効率的な変分パラメータ最適化を改良された分類基準に変換する。 解釈可能性分析は、QNNが古典線形モデルでは明らかでない複雑で非線形な特徴関係を捉える可能性を示唆している。 この研究は、QNNがスクリーニングツールとしての可能性を強調し、特定の臨床目標に基づいてモデル選択の必要性を強調し、より大きなデータセットに対する検証を保留する。

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。