論文の概要: Compression-Driven Anomaly Detection in Brain MRI Using an Interpretable Quantum Autoencoder
- arxiv url: http://arxiv.org/abs/2606.27411v1
- Date: Thu, 25 Jun 2026 12:56:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.277915
- Title: Compression-Driven Anomaly Detection in Brain MRI Using an Interpretable Quantum Autoencoder
- Title（参考訳）: 解釈型量子オートエンコーダを用いた脳MRIにおける圧縮駆動型異常検出
- Abstract要約: 脳MRIデータにおける圧縮駆動型異常検出のための量子オートエンコーダについて検討する。
このアプローチでは、角度符号化を利用して画像パッチを量子状態にマッピングし、次に補助的なゴミキュービットを介して情報を破棄するように訓練された変分エンコーダデコーダアーキテクチャを使用する。
異常スコアは、入力が通常のデータに対して圧縮に抵抗する程度を反映し、学習された正規多様体の偏差に対応する高いスコアを持つ。
- 参考スコア（独自算出の注目度）: 4.60077289428728
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study a quantum autoencoder (QAE) for compression-driven anomaly detection in brain MRI data. The approach leverages angle encoding to map image patches into quantum states, followed by a variational encoder-decoder architecture trained to discard information via auxiliary trash qubits. Anomaly scores reflect the degree to which inputs resist compression relative to normal data, with higher scores corresponding to deviations from the learned normal manifold. Evaluated on publicly available brain MRI DICOM datasets, the method achieves a slice-level ROC-AUC of approximately 0.95 and a patch-level ROC-AUC of approximately 0.813, outperforming classical autoencoder and PCA baselines. Analysis of the learned parameters reveals a pronounced encoder-decoder asymmetry, where effective anomaly detection arises from structured information compression within the encoder rather than increased parameter magnitude or decoder expressivity. This results in a controlled compression-reconstruction trade-off with a clear operating regime that supports principled threshold selection. Qualitative evaluation further shows that the QAE produces spatially localized anomaly heatmaps aligned with tumorous regions. The results, supported by promising baseline performances, demonstrate that quantum autoencoders provide an interpretable and controllable mechanism for anomaly detection based on incompressibility with respect to a learned latent representation. This work highlights the potential of quantum autoencoders as a principled tool for studying compression dynamics in quantum machine learning, with promising implications for decision support in medical imaging workflows.
- Abstract（参考訳）: 脳MRIデータにおける圧縮駆動型異常検出のための量子オートエンコーダ(QAE)について検討した。
このアプローチでは、角度符号化を利用して画像パッチを量子状態にマッピングし、次に補助的なゴミキュービットを介して情報を破棄するように訓練された変分エンコーダ・デコーダアーキテクチャを使用する。
異常スコアは、入力が通常のデータに対して圧縮に抵抗する程度を反映し、学習された正規多様体からの偏差に対応する高いスコアを持つ。
公開されている脳MRI DICOMデータセットに基づいて評価し、約0.95のスライスレベルROC-AUCと約0.813のパッチレベルROC-AUCを達成し、古典的オートエンコーダとPCAベースラインを上回った。
学習パラメータの解析では、パラメータの増大やデコーダの表現性よりも、エンコーダ内の構造化情報圧縮から効果的な異常検出が生じるという、発音されたエンコーダ・デコーダ非対称性が明らかにされている。
これにより、制御された圧縮・再構成のトレードオフと、原理化されたしきい値選択をサポートする明確な運用体制が実現される。
さらに質的評価は、QAEが腫瘍領域と整合した空間的局所的な異常熱マップを生成することを示している。
その結果、量子オートエンコーダは、学習された潜在表現に対する非圧縮性に基づいて、異常検出の解釈可能かつ制御可能なメカニズムを提供することを示した。
この研究は、量子機械学習における圧縮ダイナミクスを研究するための原則的ツールとしての量子オートエンコーダの可能性を強調し、医療画像ワークフローにおける決定サポートに有望な意味を持つ。
関連論文リスト
- Quantum Convolutional Autoencoders for Reconstruction-Based Anomaly Detection [0.0]
量子畳み込みニューラルネットワーク(QCNN)は量子機械学習(QML)でますます人気が高まっている。
本研究では,QCNNアーキテクチャを再構成に基づく異常検出のための量子オートエンコーダフレームワークに適用する。
論文 参考訳（メタデータ） (2026-07-02T13:11:31Z) - Medical Imaging Classification with Cold-Atom Reservoir Computing using Auto-Encoders and Surrogate-Driven Training [1.5865523067585527]
医用画像分類のための中性原子貯水池計算に基づくハイブリッド量子古典パイプラインを提案する。
このパイプラインは、量子貯水池計算にも適している画像データのコンパクトで差別的な表現を学習する。
論文 参考訳（メタデータ） (2026-05-07T11:26:09Z) - Physics-Informed autoencoder for DSC-MRI Perfusion post-processing: application to glioma grading [34.54259298603826]
DSC-MRI灌流解析のための物理インフォームドオートエンコーダを提案する。
本手法は,他のよく知られたデコンボリューションアルゴリズムに従ってグリオーマのグレーディングの信頼性を示す。
論文 参考訳（メタデータ） (2025-10-14T02:39:55Z) - Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。
QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。
複数のデータセットとパラメータ構成でその性能を評価する。
論文 参考訳（メタデータ） (2024-04-26T08:42:58Z) - The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。
本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-04-14T19:46:39Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - Source-Agnostic Gravitational-Wave Detection with Recurrent Autoencoders [0.0]
本稿では, レーザ干渉計における重力波信号検出問題に対する, ディープリカレントオートエンコーダに基づく異常検出手法の適用について述べる。
ノイズデータに基づいて訓練されたこのアルゴリズムは、特定の種類のソースを標的にすることなく、教師なしの戦略を用いて信号を検出することができる。
論文 参考訳（メタデータ） (2021-07-27T09:56:49Z) - Neural Distributed Source Coding [59.630059301226474]
相関構造に依存せず,高次元までスケール可能な損失DSCのためのフレームワークを提案する。
提案手法は,複数のデータセット上で評価し,複雑な相関関係と最先端PSNRを扱えることを示す。
論文 参考訳（メタデータ） (2021-06-05T04:50:43Z) - Automatic Feature Extraction for Heartbeat Anomaly Detection [7.054093620465401]
医療における異常検出の応用を目的とした、生音声の心拍音の自動抽出に着目する。
1次元非コーダ畳み込みエンコーダとウェーブネットデコーダで構成したオートエンコーダの助けを借りて,特徴を学習する。
論文 参考訳（メタデータ） (2021-02-24T13:55:24Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。