論文の概要: Hybrid Quantum Neural Networks for Enhanced Breast Cancer Thermographic Classification: A Novel Quantum-Classical Integration Approach

• arxiv url: http://arxiv.org/abs/2604.16953v1
• Date: Sat, 18 Apr 2026 10:24:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.257135
• Title: Hybrid Quantum Neural Networks for Enhanced Breast Cancer Thermographic Classification: A Novel Quantum-Classical Integration Approach
• Title（参考訳）: 乳がんサーモグラフィー分類のためのハイブリッド量子ニューラルネットワーク:新しい量子古典積分法
• Authors: Riza Alaudin Syah, Irwan Alnarus Kautsar, Gunawan Witjaksono, Haza Nuzly bin Abdull Hamed,
• Abstract要約: 熱画像解析による乳癌の診断は、医療AIにおいて重要な課題である。 本稿では,従来の畳み込みニューラルネットワークと量子コンピューティングの原理を統合した新しいハイブリッド量子ニューラルネットワークアーキテクチャを提案する。 本研究は,古典的シミュレーションによる医用画像分類における量子優位性を示す証拠を提供し,医療応用における量子古典ハイブリッドシステムの枠組みを確立した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer diagnosis through thermographic image analysis remains a critical challenge in medical AI, with classical deep learning approaches facing limitations in complex thermal pattern classification tasks. This paper presents a novel Hybrid Quantum Neural Network (HQNN) architecture that integrates quantum computing principles with classical convolutional neural networks for enhanced breast cancer classification. Our approach employs parameterized quantum circuits with multi-head attention mechanisms for quantum-aware feature encoding, coupled with classical convolutional layers for comprehensive pattern recognition. The quantum component utilizes a 4qubit variational circuit with strongly entangling layers, while the classical component incorporates advanced attention mechanisms for feature fusion. Experimental validation on breast cancer thermographic data demonstrates substantial performance improvements over state-of-the-art classical architectures, with the quantum-enhanced approach exhibiting superior convergence dynamics and enhanced feature representation capabilities. Our findings provide evidence for quantum advantage in medical image classification through classical simulation, establishing a framework for quantum-classical hybrid systems in healthcare applications. The methodology addresses key challenges in quantum machine learning deployment while maintaining computational feasibility on near-term quantum devices.
• Abstract（参考訳）: 熱画像解析による乳癌の診断は、複雑な熱パターン分類タスクの制限に直面した古典的なディープラーニングアプローチによって、医療AIにおいて依然として重要な課題である。 本稿では,従来の畳み込みニューラルネットワークと量子コンピューティングの原理を融合した新しいハイブリッド量子ニューラルネットワーク(HQNN)アーキテクチャを提案する。 提案手法では、量子認識機能符号化のためのマルチヘッドアテンション機構を備えたパラメータ化量子回路と、包括的パターン認識のための古典的畳み込み層を併用する。 量子成分は強い絡み合う層を持つ4qubitの変動回路を使用し、古典成分は特徴融合のための高度な注意機構を取り入れている。 乳がんのサーモグラフィーデータに対する実験的検証は、最先端の古典的アーキテクチャよりも顕著な性能向上を示し、量子エンハンスアプローチは優れた収束ダイナミクスと拡張された特徴表現能力を示す。 本研究は,古典的シミュレーションによる医用画像分類における量子優位性を示す証拠を提供し,医療応用における量子古典ハイブリッドシステムの枠組みを確立した。 この方法論は、短期的な量子デバイス上での計算可能性を維持しながら、量子機械学習のデプロイメントにおける重要な課題に対処する。

関連論文リスト

• Parallel Multi-Circuit Quantum Feature Fusion in Hybrid Quantum-Classical Convolutional Neural Networks for Breast Tumor Classification [0.0]
  本稿では、BreastMNISTデータセットのバイナリ分類の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)アーキテクチャを提案する。 この結果から, ハイブリッドQCNNアーキテクチャは, 絡み合いと量子的特徴融合を利用して, 医用画像分類タスクを強化することができることがわかった。
  論文  参考訳（メタデータ） (2025-11-29T17:47:14Z)
• Quantum-Classical Hybrid Molecular Autoencoder for Advancing Classical Decoding [11.627919867400905]
  本稿では,量子符号化と古典的シーケンスモデリングを統合したSMILES再構成のためのハイブリッド量子古典アーキテクチャを提案する。 提案手法では, 量子忠実度は約84%, 古典的再構成類似度は60%であり, 既存の量子ベースラインを超えている。
  論文  参考訳（メタデータ） (2025-08-26T19:39:33Z)
• Enhanced image classification via hybridizing quantum dynamics with classical neural networks [0.0]
  本稿では,古典的ニューラルネットワークと量子多体系の非平衡力学を組み合わせたハイブリッドプロトコルを提案する。 このアーキテクチャは、古典的なニューラルネットワークを活用して、高次元データを効率的に処理し、量子多体システム上で効果的にエンコードする。
  論文  参考訳（メタデータ） (2025-07-18T00:15:14Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Quantum-Enhanced Attention Mechanism in NLP: A Hybrid Classical-Quantum Approach [0.0]
  本稿では,量子化されたアテンション機構を標準の古典的アーキテクチャに組み込んだ,古典量子変換器のハイブリッドモデルを提案する。 様々なNLPベンチマークにおいて,このアプローチの有効性を実証し,効率と表現能力の両面で改善したことを示す。
  論文  参考訳（メタデータ） (2025-01-26T18:29:06Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)

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。