論文の概要: Hybrid Classical-Quantum (HCQ) Alzheimer's Classification via Supervised $β$-VAE and Quantum Kernels
- arxiv url: http://arxiv.org/abs/2606.14194v1
- Date: Fri, 12 Jun 2026 07:27:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.795968
- Title: Hybrid Classical-Quantum (HCQ) Alzheimer's Classification via Supervised $β$-VAE and Quantum Kernels
- Title（参考訳）: スーパービジョン$β$-VAEと量子カーネルによるハイブリッド古典量子(HCQ)アルツハイマー分類
- Authors: Tia Tiwari, Vamshi Krishna Kancharla, Neelam Sinha,
- Abstract要約: 本稿では,2次アルツハイマー病(AD)分類のための2段階Hybrid Classical-Quantum(HCQ)パイプラインを提案する。
教師付き3D$$-variational autoencoder (VAE) は, ボクセルワイドリコンストラクション, KL-divergence, 焦点分類損失により, エンドツーエンドで訓練される。
この研究の斬新さは、量子カーネルが、教師付きオートエンコーダによってエンドツーエンドに学習された病気を意識した機能を直接操作しているという事実にある。
- 参考スコア（独自算出の注目度）: 4.260918940877324
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a two-stage Hybrid Classical-Quantum (HCQ) pipeline for binary Alzheimer's disease (AD) classification from 3D T1-weighted structural MRI volumes, where the classical and quantum components are designed to complement each other rather than operate independently. A supervised 3D $β$-variational autoencoder (VAE) is trained end-to-end under voxel-wise reconstruction, KL-divergence, and focal classification losses that compress each 3D MRI volume (resized from 152 x 184 x 152 to 96 x 96 x 96) into a 64-dimensional latent code. Partial Least Squares (PLS) regression selects the six components in the latent code that best separate Alzheimer's Disease (AD) from cognitively normal (CN) subjects and rescales them into rotation angles, which are encoded onto a six-qubit register using the ZZ quantum feature map to give us the respective quantum states. The input to a precomputed-kernel Support Vector Machine (SVM) is an N x N Gram matrix (N = 308), created by calculating the overlap between every pair of quantum states. The novelty of this work lies in the fact that the quantum kernel operates directly on disease-aware features that are learned end-to-end by a supervised autoencoder, rather than on pre-extracted inputs. On 308 ADNI-1 subjects, consisting of 137 AD and 171 CN subjects, the baseline achieved 67.2% accuracy and 0.759 AUC, while the stability-enhanced variant reached 72.1% accuracy and 0.799 AUC with cross-fold variance halved. 3D Grad-CAM further helped validate our model's focus on brain regions linked to Alzheimer's. The HCQ pipeline could serve as a general-purpose framework for diagnostic classification across biomedical imaging domains that present similar challenges for classical approaches.
- Abstract（参考訳）: 本稿では,2次アルツハイマー病(AD)を3次元T1重み構造MRIボリュームから分類する2段階のHybrid Classical-Quantum(HCQ)パイプラインを提案する。
教師付き3D $β$-variational autoencoder (VAE) は、voxel-wise reconstruction、KL-divergence、および各3D MRIボリューム(152 x 184 x 152から96 x 96 x 96)を64次元潜在コードに圧縮する焦点分類損失の下で、エンドツーエンドで訓練される。
部分最小方形 (PLS) 回帰は、アルツハイマー病 (AD) を認知正常 (CN) の被験者から最も分離した潜伏符号の6つの成分を選択し、それらを回転角に再スケールし、ZZ量子特徴写像を用いて6量子レジスタに符号化し、それぞれの量子状態を与える。
事前計算されたカーネルサポートベクトルマシン(SVM)への入力は、NxNグラム行列(N = 308)であり、量子状態のペア間の重なりを計算して生成される。
この研究の斬新さは、量子カーネルが事前に抽出された入力ではなく、教師付きオートエンコーダによってエンドツーエンドに学習された病気を認識した特徴を直接操作するという事実にある。
137 ADと171 CNの被験者からなる308人のADNI-1被験者に対して、ベースラインは67.2%の精度と0.759 AUCを達成した。
3D Grad-CAMは、私たちのモデルがアルツハイマー病に関連する脳領域に焦点を当てていることを検証するのに役立ちました。
HCQパイプラインは、バイオメディカルイメージング領域をまたいだ診断分類のための汎用的なフレームワークとして機能し、古典的なアプローチに類似した課題を提示する。
関連論文リスト
- The Dark Regulome: Disentangling Predictability from Regulation in Genomic Foundation Models [0.0]
高次グリオーマはニューロンと機能的なシナプスを介して神経回路に統合される。
ダークゲノムにまたがる規制プログラムは、プローブする天然基質である。
本稿では、予測可能性駆動型RIS分散から分離した残差化・置換診断手法を提案する。
論文 参考訳（メタデータ） (2026-06-05T02:20:12Z) - NEMESIS: Noise-suppressed Efficient MAE with Enhanced Superpatch Integration Strategy [8.72059799097543]
本稿では,128x128x128スーパーパッチ上で動作するマスク付きオートエンコーダフレームワークNEMESISを提案する。
NEMESISのAUROCの平均値は0.9633であり、完全に微調整されたSuPreMとVoCoを上回っている。
スーパーパッチベースの設計は、フルボリュームベースラインの985.8 GFLOPに比べて、前方パス当たりの計算コストを31.0 GFLOPに削減する。
論文 参考訳（メタデータ） (2026-04-02T04:48:25Z) - Hybrid Quantum-Classical AI for Industrial Defect Classification in Welding Images [34.06478657370088]
アルミニウム溶接画像の欠陥を分類するための2つのハイブリッド量子古典的手法について検討する。
畳み込みニューラルネットワークを用いて溶接画像からコンパクトかつ情報的特徴ベクトルを抽出する。
以上の結果から,CNNモデルが頑健な性能を示す一方で,ハイブリッド量子古典モデルが競争力を発揮することが示された。
論文 参考訳（メタデータ） (2026-03-30T20:48:51Z) - Leveraging Quantum-Based Architectures for Robust Diagnostics [0.0]
本研究の目的は, 腎臓のCT画像を用いて腎臓結石, 嚢胞, 腫瘍の診断と鑑別を行うことである。
我々は、事前訓練されたResNet50エンコーダと量子畳み込みニューラルネットワーク(QCNN)を組み合わせて、量子支援診断を探索する。
論文 参考訳（メタデータ） (2025-11-15T23:36:58Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Automated deep learning segmentation of high-resolution 7 T postmortem
MRI for quantitative analysis of structure-pathology correlations in
neurodegenerative diseases [33.191270998887326]
7T全体MRIスキャナーにT2wシークエンスを用いて0.3 mm$3$等方性で画像化した,高分解能のヒト脳組織標本135点について報告する。
また、7Tで0.28mm3および0.16mm3等方性T2*w FLASH配列を取得。
論文 参考訳（メタデータ） (2023-03-21T23:44:02Z) - Implementing a Hybrid Quantum-Classical Neural Network by Utilizing a
Variational Quantum Circuit for Detection of Dementia [0.0]
2019年にアルツハイマー病の患者3人に1人近くが誤診され、ニューラルネットワークの問題が修正される可能性がある。
この研究により、提案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(QCCNN)は97.5%と95.1%のテストおよび検証精度を提供することがわかった。
QCCNNはCNNの89%と91%と比較して95%と98%の画像を正しく検出した。
論文 参考訳（メタデータ） (2023-01-29T18:05:42Z) - CIRCA: comprehensible online system in support of chest X-rays-based
COVID-19 diagnosis [37.41181188499616]
深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。
5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。
The U-Net-based model was developed to identified a clinically relevant region of the CXR。
論文 参考訳（メタデータ） (2022-10-11T13:30:34Z) - COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for
Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。
我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
論文 参考訳（メタデータ） (2020-12-10T08:30:46Z) - Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文 参考訳（メタデータ） (2020-08-30T21:47:26Z)
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。