論文の概要: On the Complementarity of Quantum and Classical Features: Adaptive Hybrid Quantum-Classical Feature Fusion for Breast Cancer Classification
- arxiv url: http://arxiv.org/abs/2604.22903v1
- Date: Fri, 24 Apr 2026 14:54:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.048157
- Title: On the Complementarity of Quantum and Classical Features: Adaptive Hybrid Quantum-Classical Feature Fusion for Breast Cancer Classification
- Title（参考訳）: 量子的特徴と古典的特徴の相補性について:乳がん分類のための適応型ハイブリッド量子古典的特徴融合
- Authors: Yasmin Rodrigues Sobrinho, João Renato Ribeiro Manesco, João Paulo Papa,
- Abstract要約: 量子機械学習と古典的なディープラーニングの統合は、医療画像解析のための有望な道を提供する。
二重分岐特徴抽出パイプラインに基づく乳がん診断のための新しいハイブリッド量子古典的アーキテクチャを提案する。
本フレームワークは,古典的モデルと量子回路から補完表現を抽出し,統一する。
- 参考スコア（独自算出の注目度）: 1.4856472820492366
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The integration of quantum machine learning with classical deep learning offers promising avenues for medical image analysis by mapping data into high-dimensional Hilbert spaces. However, effectively unifying these distinct paradigms remains challenging due to common optimization asymmetries. In this paper, a novel hybrid quantum-classical architecture for breast cancer diagnosis based on a dual-branch feature-extraction pipeline is proposed. Our framework extracts and unifies complementary representations from classical models and quantum circuits, exploring both trainable and deterministic (non-trainable) quantum paradigms. To integrate these embeddings, three progressive feature fusion strategies are introduced: Static Hybrid Fusion (SHF) for offline extraction, Dynamic Hybrid Fusion (DHF) for end-to-end co-adaptation, and a novel Temperature-Scaled Hybrid Fusion (TSHF). The TSHF strategy incorporates a learnable scalar, inspired by multimodal learning, that dynamically balances hybrid gradient dynamics and resolves optimization bottlenecks. Empirical validation on the BreastMNIST dataset confirms our hypothesis that unifying diverse feature representations creates a richer data context. The TSHF strategy, specifically when pairing a ResNet backbone with a trainable quantum circuit, achieved a peak accuracy of 87.82%, F1-score of 91.77%, and an AUC-ROC of 89.08%, outperforming purely classical baselines. These results demonstrate that the proposed hybrid framework improves classification accuracy and threshold reliability, providing a stable, high-performance architecture for the clinical deployment of quantum-enhanced diagnostic tools.
- Abstract（参考訳）: 量子機械学習と古典的なディープラーニングの統合は、データを高次元ヒルベルト空間にマッピングすることで、医療画像解析に有望な道を提供する。
しかしながら、これらの異なるパラダイムを効果的に統一することは、共通の最適化の対称性のために難しいままである。
本稿では,二重分岐特徴抽出パイプラインに基づく乳がん診断のための新しいハイブリッド量子古典的アーキテクチャを提案する。
我々のフレームワークは、古典的モデルと量子回路から補完表現を抽出し、統一し、トレーニング可能な(非トレーニング可能な)量子パラダイムと決定可能な(非トレーニング可能な)量子パラダイムの両方を探索する。
これらの埋め込みを統合するために、オフライン抽出のための静的ハイブリッドフュージョン(SHF)、エンドツーエンドのコ適応のための動的ハイブリッドフュージョン(DHF)、新しい温度スケールハイブリッドフュージョン(TSHF)の3つのプログレッシブな機能融合戦略が導入された。
TSHF戦略は、マルチモーダル学習にインスパイアされた学習可能なスカラーを取り入れ、ハイブリッド勾配のダイナミクスを動的にバランスさせ、最適化のボトルネックを解消する。
BreastMNISTデータセットの実証検証により、多様な特徴表現を統一することで、よりリッチなデータコンテキストが生成されるという仮説が立証される。
TSHF戦略は、特にResNetのバックボーンとトレーニング可能な量子回路のペアリングにおいて、87.82%、F1スコア91.77%、AUC-ROC89.08%のピーク精度を達成した。
これらの結果から,提案したハイブリッドフレームワークは分類精度としきい値の信頼性を向上し,量子化診断ツールを臨床展開するための安定かつ高性能なアーキテクチャを提供することが示された。
関連論文リスト
- Hybrid Quantum Neural Networks for Enhanced Breast Cancer Thermographic Classification: A Novel Quantum-Classical Integration Approach [0.0]
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。
論文 参考訳（メタデータ） (2026-04-18T10:24:51Z) - Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。
このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。
我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
論文 参考訳（メタデータ） (2026-01-29T14:29:21Z) - Lightweight Quantum-Enhanced ResNet for Coronary Angiography Classification: A Hybrid Quantum-Classical Feature Enhancement Framework [0.0]
冠動脈造影画像のバイナリ分類のための軽量量子強化レスネット(LQER)を提案する。
独立したテストセットでは、提案されたLQERが古典的なResNet18ベースライン、AUC、F1スコアを上回り、90%を超えるテスト精度を達成した。
論文 参考訳（メタデータ） (2026-01-22T11:15:18Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Practical Quantum-Classical Feature Fusion for complex data Classification [0.0]
ハイブリッド量子と古典学習は、古典的ニューラルネットワークの堅牢性と量子特徴写像を結合することを目的としている。
本稿では,ハイブリッド学習のマルチモーダルな定式化について述べる。
本研究では, ワイン, 乳がん, 森林被覆タイプ, ファッションMNIST, スティールプランツフォールトについて, 量子オントモデル, 古典的ベースライン, 残留ハイブリッドモデル, 提案中核融合モデルを比較した。
論文 参考訳（メタデータ） (2025-12-22T09:16:08Z) - 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) - TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。
これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - 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) - Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection [0.1398098625978622]
本稿では,不正検出のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。
重畳や絡み合いなどの量子現象を活用することで、我々のモデルはシーケンシャルトランザクションデータの特徴表現を強化する。
その結果,従来のLSTMベースラインと比較して,精度,精度,リコール,F1スコアの競争力の向上が示された。
論文 参考訳（メタデータ） (2025-04-30T19:09:12Z) - 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) - When BERT Meets Quantum Temporal Convolution Learning for Text
Classification in Heterogeneous Computing [75.75419308975746]
本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。
目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
論文 参考訳（メタデータ） (2022-02-17T09:55:21Z)
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。