論文の概要: Analyzing Images of Blood Cells with Quantum Machine Learning Methods: Equilibrium Propagation and Variational Quantum Circuits to Detect Acute Myeloid Leukemia

• arxiv url: http://arxiv.org/abs/2601.18710v1
• Date: Mon, 26 Jan 2026 17:36:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.967391
• Title: Analyzing Images of Blood Cells with Quantum Machine Learning Methods: Equilibrium Propagation and Variational Quantum Circuits to Detect Acute Myeloid Leukemia
• Title（参考訳）: 量子機械学習法による血液細胞の画像解析:急性骨髄性白血病検出のための平衡伝播と変分量子回路
• Authors: A. Bano, L. Liebovitch,
• Abstract要約: 本稿では,量子機械学習(QML)アルゴリズムが実世界の医用画像上での競合性能を実証する可能性について述べる。 血球顕微鏡画像から急性骨髄性白血病(AML)の自動検出にバックプロパゲーションを用いないエネルギーベース学習法の評価を行った。 AML-Cytomorphologyデータセット(18,365のエキスパート注釈付き画像)の限られた部分集合(クラス毎50-250サンプル)を用いて、量子法は古典的なCNNよりも12-15%低い性能しか達成できない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a feasibility study demonstrating that quantum machine learning (QML) algorithms achieve competitive performance on real-world medical imaging despite operating under severe constraints. We evaluate Equilibrium Propagation (EP), an energy-based learning method that does not use backpropagation (incompatible with quantum systems due to state-collapsing measurements) and Variational Quantum Circuits (VQCs) for automated detection of Acute Myeloid Leukemia (AML) from blood cell microscopy images using binary classification (2 classes: AML vs. Healthy). Key Result: Using limited subsets (50-250 samples per class) of the AML-Cytomorphology dataset (18,365 expert-annotated images), quantum methods achieve performance only 12-15% below classical CNNs despite reduced image resolution (64x64 pixels), engineered features (20D), and classical simulation via Qiskit. EP reaches 86.4% accuracy (only 12% below CNN) without backpropagation, while the 4-qubit VQC attains 83.0% accuracy with consistent data efficiency: VQC maintains stable 83% performance with only 50 samples per class, whereas CNN requires 250 samples (5x more data) to reach 98%. These results establish reproducible baselines for QML in healthcare, validating NISQ-era feasibility.
• Abstract（参考訳）: 本稿では,量子機械学習(QML)アルゴリズムが,厳しい制約の下で運用されているにもかかわらず,実世界の医療画像において競争力を発揮することを示す。 血液細胞顕微鏡画像から急性骨髄性白血病(AML)を自動的に検出するために,バックプロパゲーション(状態崩壊測定による量子システムとの非互換)と変分量子回路(VQC)を用いないエネルギーベースの学習手法であるEPを評価した。 鍵となる結果: AML-Cytomorphologyデータセット(18,365のエキスパートアノテーション付き画像)の限られたサブセット(クラス毎50-250サンプル)を使用することで、量子メソッドは、解像度の低下(64x64ピクセル)、エンジニアリングされた機能(20D)、Qiskitによる古典的なシミュレーションにもかかわらず、古典的なCNNよりも12-15%低いパフォーマンスしか達成できない。 EPはバックプロパゲーションなしで86.4%の精度(CNNよりわずか12%)に達し、4-qubit VQCは83.0%の精度で一貫性のあるデータ効率を実現している。 これらの結果は、医療におけるQMLの再現可能なベースラインを確立し、NISQ時代の実現可能性を検証する。

関連論文リスト

• Enhanced Leukemic Cell Classification Using Attention-Based CNN and Data Augmentation [0.5371337604556311]
  急性リンパ性白血病(ALL)が最も多い小児がんであり、専門的な顕微鏡診断を必要とする。 提案システムは,EfficientNetV2-B3とSqueeze-and-Excitation機構を組み合わせたアテンションベース畳み込みニューラルネットワークを統合して,自動all細胞分類を行う。 提案手法では, 包括的データ拡張, クラス不均衡に対する焦点損失, 患者側データ分割を用いて, 堅牢かつ再現可能な評価を確実にする。
  論文  参考訳（メタデータ） (2026-01-03T01:24:11Z)
• HQCNN: A Hybrid Quantum-Classical Neural Network for Medical Image Classification [0.0]
  本稿では,二進分類と多進分類のための新しいハイブリッド量子古典ニューラルネットワーク(HQCNN)を提案する。 HQCNNのアーキテクチャは、5層の古典的畳み込みバックボーンと4ビットの変動量子回路を統合している。 このモデルを6つのMedMNIST v2ベンチマークデータセットで評価する。
  論文  参考訳（メタデータ） (2025-09-16T08:02:53Z)
• Application of Quantum Convolutional Neural Networks for MRI-Based Brain Tumor Detection and Classification [0.0]
  この研究では、MRI画像を用いた脳腫瘍分類への量子畳み込みニューラルネットワーク(QCNN)の適用について検討した。 データは80%のトレーニングと20%のテストに分割され、オーバーサンプリング技術がクラス不均衡に対応している。 バイナリモデルは88%の精度でデータバランシング後の89%に改善され、マルチクラスモデルは52%の精度でオーバーサンプリング後の62%に向上した。
  論文  参考訳（メタデータ） (2025-08-28T01:14:34Z)
• Q-SCALE: Quantum computing-based Sensor Calibration for Advanced Learning and Efficiency [1.2564343689544841]
  本稿では,Deep Learning (DL) やQuantum Machine Learning (QML) といった先進的な手法を用いて,安価な光学ファインダストセンサの校正プロセスについて検討する。 プロジェクトの目的は、古典的領域と量子的領域の両方の洗練された4つのアルゴリズムを比較し、それらの格差を識別し、都市大気質監視における粒子状物質測定の精度と信頼性を改善するための代替アプローチを検討することである。
  論文  参考訳（メタデータ） (2024-10-03T21:15:05Z)
• 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)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Histopathological Cancer Detection Using Hybrid Quantum Computing [0.0]
  本稿では、医療分野における量子機械学習の効果的な応用について述べる。 Resnet18による1000枚の画像では、Hybrid Quantum and Classical (HQC) は88.0パーセントのクラシックよりわずかに精度が88.5%向上した。
  論文  参考訳（メタデータ） (2023-02-07T03:02:33Z)

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。