Pediatric TSC-Related Epilepsy Classification from Clinical MR Images Using Quantum Neural Network

要約

結節性硬化症複合体 (TSC) は、重大な神経学的影響を伴う多系統疾患として現れます。
この研究は、小児患者の TSC に合わせた堅牢な分類モデルに対する重要なニーズに対処し、従来の畳み込みニューラル ネットワークと量子ニューラル ネットワークをシームレスに統合する新しい深層学習モデルである QResNet を紹介します。
このモデルには、ZZFeatureMap 層と Ansatz 層で構成される 2 層の量子層 (QL) が組み込まれており、量子フレームワーク内で古典的なデータを処理するために戦略的に設計されています。
総合的な評価により、従来の 3D-ResNet モデルと比較して、TSC MRI 画像分類における QResNet の優れたパフォーマンスが実証されました。
これらの説得力のある発見は、医療画像と診断に革命をもたらす量子コンピューティングの可能性を強調しています。注目すべきことに、この方法は、現在のデータセットの精度と曲線下面積 (AUC) メトリックの点で従来の CNN を上回っています。
将来の研究努力は、現実世界の医療画像処理シナリオにおける量子アルゴリズムのスケーラビリティと実用的な実装の探求に焦点を当てる可能性があります。

要約(オリジナル)

Tuberous sclerosis complex (TSC) manifests as a multisystem disorder with significant neurological implications. This study addresses the critical need for robust classification models tailored to TSC in pediatric patients, introducing QResNet,a novel deep learning model seamlessly integrating conventional convolutional neural networks with quantum neural networks. The model incorporates a two-layer quantum layer (QL), comprising ZZFeatureMap and Ansatz layers, strategically designed for processing classical data within a quantum framework. A comprehensive evaluation, demonstrates the superior performance of QResNet in TSC MRI image classification compared to conventional 3D-ResNet models. These compelling findings underscore the potential of quantum computing to revolutionize medical imaging and diagnostics.Remarkably, this method surpasses conventional CNNs in accuracy and Area Under the Curve (AUC) metrics with the current dataset. Future research endeavors may focus on exploring the scalability and practical implementation of quantum algorithms in real-world medical imaging scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google