論文の概要: QuPCG: Quantum Convolutional Neural Network for Detecting Abnormal Patterns in PCG Signals

• arxiv url: http://arxiv.org/abs/2511.02140v1
• Date: Tue, 04 Nov 2025 00:11:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.755861
• Title: QuPCG: Quantum Convolutional Neural Network for Detecting Abnormal Patterns in PCG Signals
• Title（参考訳）: QuPCG:PCG信号の異常パターン検出のための量子畳み込みニューラルネットワーク
• Authors: Yasaman Torabi, Shahram Shirani, James P. Reilly,
• Abstract要約: 本稿では,S3 と murmur の異常を心臓音信号で分類するための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 (QCNN) を提案する。 HLS-CMDSデータセットの予備結果は、テストセットで93.33%、列車セットで97.14%の分類精度を示している。
• 参考スコア（独自算出の注目度）: 4.415977307120617
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early identification of abnormal physiological patterns is essential for the timely detection of cardiac disease. This work introduces a hybrid quantum-classical convolutional neural network (QCNN) designed to classify S3 and murmur abnormalities in heart sound signals. The approach transforms one-dimensional phonocardiogram (PCG) signals into compact two-dimensional images through a combination of wavelet feature extraction and adaptive threshold compression methods. We compress the cardiac-sound patterns into an 8-pixel image so that only 8 qubits are needed for the quantum stage. Preliminary results on the HLS-CMDS dataset demonstrate 93.33% classification accuracy on the test set and 97.14% on the train set, suggesting that quantum models can efficiently capture temporal-spectral correlations in biomedical signals. To our knowledge, this is the first application of a QCNN algorithm for bioacoustic signal processing. The proposed method represents an early step toward quantum-enhanced diagnostic systems for resource-constrained healthcare environments.
• Abstract（参考訳）: 心疾患のタイムリーな検出には, 異常な生理的パターンの早期発見が不可欠である。 この研究は、心音信号のS3と大腿骨の異常を分類するために設計された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(QCNN)を導入している。 この手法は,ウェーブレット特徴抽出と適応しきい値圧縮法を組み合わせて,一次元心電図信号をコンパクトな2次元画像に変換する。 我々は、心音パターンを8ピクセル画像に圧縮し、量子ステージに必要な8キュービットしか必要としない。 HLS-CMDSデータセットの予備的な結果は、テストセットでの93.33%の分類精度と列車セットでの97.14%の分類精度を示し、量子モデルがバイオメディカル信号の時間-スペクトル相関を効率的に捉えることができることを示唆している。 我々の知る限り、これは生体音響信号処理のためのQCNNアルゴリズムの最初の応用である。 提案手法は, 資源制約型医療環境における量子化診断システムの早期段階を示す。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN [7.136933021609078]
  本研究は, 心臓疾患の自動診断のための, 迅速かつ正確かつ費用対効果の高い手法を提供する新しいディープラーニングアーキテクチャを開発し, 評価する。 まず,多様な畳み込みフィルタサイズを利用して人間の聴覚処理をエミュレートするマルチブランチディープ畳み込みニューラルネットワーク(MBDCN)と,特徴抽出のためのパワースペクトル入力の2つの革新的な手法を提案する。 第二に、LSTMブロックをMBDCNに統合し、時間領域の特徴抽出を改善するLong Short-Term Memory-Convolutional Neural (LSCN)モデルである。
  論文  参考訳（メタデータ） (2024-07-15T13:02:54Z)
• Building Flyweight FLIM-based CNNs with Adaptive Decoding for Object Detection [40.97322222472642]
  本研究では、ユーザ描画マーカーからオブジェクトを検出するために、畳み込みニューラルネットワーク(CNN)層を構築する方法を提案する。 糞便サンプルの顕微鏡画像におけるSchistosomiasis mansoni卵の検出と,衛星画像における船舶の検出に対処する。 我々のCNNは、SOTAオブジェクト検出器より数千倍も小さく、CPU実行に適している。
  論文  参考訳（メタデータ） (2023-06-26T16:48:20Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)

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。