論文の概要: Quantum Transfer Learning to Boost Dementia Detection

• arxiv url: http://arxiv.org/abs/2507.12485v1
• Date: Mon, 14 Jul 2025 21:10:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-18 20:10:24.201626
• Title: Quantum Transfer Learning to Boost Dementia Detection
• Title（参考訳）: 認知症予防のための量子伝達学習
• Authors: Sounak Bhowmik, Talita Perciano, Himanshu Thapliyal,
• Abstract要約: 認知症の早期かつ正確な検出は、タイムリーな介入と患者の予後改善に重要である。 生物医学的画像分類において, 量子技術が最適な古典モデルにどのように変換できるかを示す。
• 参考スコア（独自算出の注目度）: 0.40964539027092906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dementia is a devastating condition with profound implications for individuals, families, and healthcare systems. Early and accurate detection of dementia is critical for timely intervention and improved patient outcomes. While classical machine learning and deep learning approaches have been explored extensively for dementia prediction, these solutions often struggle with high-dimensional biomedical data and large-scale datasets, quickly reaching computational and performance limitations. To address this challenge, quantum machine learning (QML) has emerged as a promising paradigm, offering faster training and advanced pattern recognition capabilities. This work aims to demonstrate the potential of quantum transfer learning (QTL) to enhance the performance of a weak classical deep learning model applied to a binary classification task for dementia detection. Besides, we show the effect of noise on the QTL-based approach, investigating the reliability and robustness of this method. Using the OASIS 2 dataset, we show how quantum techniques can transform a suboptimal classical model into a more effective solution for biomedical image classification, highlighting their potential impact on advancing healthcare technology.
• Abstract（参考訳）: 認知症は個人、家族、医療システムに深刻な影響を及ぼす破壊的な状態である。 認知症の早期かつ正確な検出は、タイムリーな介入と患者の予後改善に重要である。 古典的な機械学習とディープラーニングのアプローチは認知症予測のために広く研究されてきたが、これらのソリューションは高次元のバイオメディカルデータや大規模データセットに苦しむことが多く、すぐに計算と性能の限界に達する。 この課題に対処するため、量子機械学習(QML)は、より高速なトレーニングと高度なパターン認識機能を提供する、有望なパラダイムとして登場した。 本研究の目的は、認知症検出のための二分分類タスクに適用された弱古典的ディープラーニングモデルの性能を高めるために、量子トランスファーラーニング(QTL)の可能性を示すことである。 さらに,本手法の信頼性とロバスト性について検討し,QTLに基づく手法に対するノイズの影響を示す。 OASIS 2データセットを使用して、量子技術が、最適な古典モデルからより効果的なバイオメディカル画像分類ソリューションにどのように変換できるかを示し、医療技術の進歩に対する彼らの潜在的影響を強調します。

関連論文リスト

• Quantum Machine Learning for Predicting Anastomotic Leak: A Clinical Study [0.16777183511743468]
  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。
  論文  参考訳（メタデータ） (2025-06-02T14:13:10Z)
• Quantum Hybrid Support Vector Machines for Stress Detection in Older Adults [0.5188841610098435]
  この研究は、異常検出問題としてストレス検出に対処するユニークな手法を導入する。 ウェアラブルスマートウォッチの助けを借りて、ベースラインセンサーの読み取りを通常のデータとして、ストレスセンサーの読み取りを異常データとしてマッピングしました。 我々は、カーネルベースの前処理で複雑な特徴空間を探索するために量子コンピューティング技術を用いてきた。
  論文  参考訳（メタデータ） (2025-01-08T20:36:40Z)
• Machine Learning and Quantum Intelligence for Health Data Scenarios [0.0]
  従来の機械学習アルゴリズムは、高次元または限られた品質のデータセットでしばしば課題に直面している。 量子機械学習は、重ね合わせや絡み合いなどの量子特性を活用し、パターン認識と分類を強化する。 本稿では、QMLの医療への応用について検討し、心疾患予測とCOVID-19検出のための量子カーネル法とハイブリッド量子古典的ネットワークに焦点を当てた。
  論文  参考訳（メタデータ） (2024-10-28T01:04:43Z)
• 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)
• Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
  AIによる薬物発見の大きな課題は、高品質なデータの不足である。 薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。 実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-04-16T07:42:55Z)
• 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)
• 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)
• 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)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• 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)
• 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)

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。