論文の概要: Quantum Model Parallelism for MRI-Based Classification of Alzheimer's Disease Stages

• arxiv url: http://arxiv.org/abs/2602.00128v1
• Date: Wed, 28 Jan 2026 01:26:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:32.962661
• Title: Quantum Model Parallelism for MRI-Based Classification of Alzheimer's Disease Stages
• Title（参考訳）: MRIを用いたアルツハイマー病の病期分類のための量子モデル並列性
• Authors: Emine Akpinar, Murat Oduncuoglu,
• Abstract要約: ADステージの効率的な分類のために量子ベース並列モデル(QBPM)アーキテクチャを提案する。 提案モデルは2つの異なる量子回路を用いており、それぞれに回転ブロックと絡み合いブロックが組み込まれ、同じ量子シミュレータ上で並列に動作する。 以上の結果から,QBPMアーキテクチャはアルツハイマー病などの複雑な疾患の段階を分類するための革新的で強力なアプローチであることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With increasing life expectancy, AD has become a major global health concern. While classical AI-based methods have been developed for early diagnosis and stage classification of AD, growing data volumes and limited computational resources necessitate faster, more efficient approaches. Quantum-based AI methods, which leverage superposition and entanglement principles along with high-dimensional Hilbert space, can surpass classical approaches' limitations and offer higher accuracy for high-dimensional, heterogeneous, and noisy data. In this study, a Quantum-Based Parallel Model (QBPM) architecture is proposed for the efficient classification of AD stages using MRI datasets, inspired by the principles of classical model parallelism. The proposed model leverages quantum advantages by employing two distinct quantum circuits, each incorporating rotational and entanglement blocks, running in parallel on the same quantum simulator. The classification performance of the model was evaluated on two different datasets to assess its overall robustness and generalization capability. The proposed model demonstrated high classification accuracy across both datasets, highlighting its overall robustness and generalization capability. Results obtained under high-level Gaussian noise, simulating real-world conditions, further provided experimental evidence for the model's applicability not only in theoretical but also in practical scenarios. Moreover, compared with five different classical transfer learning methods, the proposed model demonstrated its efficiency as an alternative to classical approaches by achieving higher classification accuracy and comparable execution time while utilizing fewer circuit parameters. The results indicate that the proposed QBPM architecture represents an innovative and powerful approach for the classification of stages in complex diseases such as Alzheimer's.
• Abstract（参考訳）: 寿命の増加に伴い、ADは世界的な健康問題となっている。 古典的なAIベースの手法は、ADの早期診断と段階分類のために開発されたが、データボリュームと限られた計算資源がより速く、より効率的なアプローチを必要としている。 重ね合わせと絡み合いの原理と高次元ヒルベルト空間を利用する量子ベースのAI手法は、古典的なアプローチの制限を超越し、高次元、異質、ノイズの多いデータに対して高い精度を提供する。 本研究では,古典的モデル並列化の原理に触発された,MRIデータセットを用いたADステージの効率的な分類のために,量子ベース並列モデル(QBPM)アーキテクチャを提案する。 提案モデルは、2つの異なる量子回路を用いて、それぞれが同じ量子シミュレータ上で並列に動作する回転ブロックと絡み合いブロックを組み込むことによって、量子上の利点を生かしている。 モデルの分類性能を2つの異なるデータセットで評価し,その全体的な堅牢性と一般化能力を評価した。 提案モデルでは,両データセット間で高い分類精度を示し,その全体的な堅牢性と一般化能力を強調した。 実世界の条件をシミュレートした高レベルのガウス雑音の下で得られた結果は、理論だけでなく実用シナリオにおいてもモデルの適用性を示す実験的な証拠となった。 さらに,5種類の古典的移動学習手法と比較して,回路パラメータを少なくして高い分類精度と同等の実行時間を達成し,従来の手法の代替としてその効率を実証した。 その結果、QBPMアーキテクチャーはアルツハイマーのような複雑な疾患の段階を分類するための革新的で強力なアプローチであることが示唆された。

関連論文リスト

• Bridging Quantum and Classical Computing in Drug Design: Architecture Principles for Improved Molecule Generation [0.3683202928838613]
  分子発見のための生成逆数ネットワーク(GAN)の量子古典的ブリッジアーキテクチャを体系的に最適化する。 我々の最適化モデル(BO-QGAN)は、従来の量子ハイブリッドベンチマークよりも2.27倍高い薬物候補スコア(DCS)を達成することで、性能を著しく向上させる。 この研究は、ハイブリッドモデルに対する実証的な基礎的なアーキテクチャガイドラインを初めて提供し、現在の量子コンピュータを製薬研究パイプラインにより効果的な統合を可能にした。
  論文  参考訳（メタデータ） (2025-06-01T21:24:43Z)
• Lean classical-quantum hybrid neural network model for image classification [12.353900068459446]
  本稿では,変分回路の4層のみを用いて,効率的な分類性能を実現するLan Classical-Quantum Hybrid Neural Network (LCQHNN)を提案する。 我々の実験は、LCQHNNがMNIST、FashionMNIST、CIFAR-10データセットの100%、99.02%、85.55%の分類精度を達成することを示した。
  論文  参考訳（メタデータ） (2024-12-03T00:37:11Z)
• Memory-Augmented Hybrid Quantum Reservoir Computing [0.0]
  本稿では、量子計測の古典的後処理を通じてメモリを実装するハイブリッド量子古典的アプローチを提案する。 我々は、完全に連結されたIsingモデルとRydberg原子配列の2つの物理プラットフォーム上でモデルをテストした。
  論文  参考訳（メタデータ） (2024-09-15T22:44:09Z)
• Building Continuous Quantum-Classical Bayesian Neural Networks for a Classical Clinical Dataset [0.0]
  本稿では,医学データセットの不確実性を考慮した分類を行う量子古典ベイズニューラルネットワーク(QCBNN)を提案する。 予測性能とモデルの不確実性の両方を捉える複数の行動メトリクスを追跡します。 より不確実な方法でサンプルを分類できるハイブリッドモデルを作ることは、私たちの野望です。
  論文  参考訳（メタデータ） (2024-06-10T14:23:25Z)
• Hyperparameters in Continual Learning: A Reality Check [50.784080714897776]
  連続学習(CL)は、可塑性(新しいタスクを学ぶ)と安定性(事前知識を保持する)のトレードオフをバランスしながら、一連のタスクでモデルを訓練することを目的としている。
  論文  参考訳（メタデータ） (2024-03-14T03:13:01Z)
• A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
  補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。 オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
  論文  参考訳（メタデータ） (2023-11-13T01:48:08Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Binary classifiers for noisy datasets: a comparative study of existing quantum machine learning frameworks and some new approaches [0.0]
  バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。 ノイズの多いデータセットは 財務的なデータセットの中にあります 新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
  論文  参考訳（メタデータ） (2021-11-05T10:29:05Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)

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。