Sign In

Quanvolutional Neural Networks for Pneumonia Detection: An Efficient Quantum-Assisted Feature Extraction Paradigm

Created by
  • Haebom
Category
Empty

저자

Gazi Tanbhir, Md. Farhan Shahriyar, Abdullah Md Raihan Chy

개요

본 논문은 폐렴 진단을 위해 양자 컴퓨팅을 활용한 Quanvolutional Neural Networks (QNNs)를 제안합니다. 특히, PneumoniaMNIST 데이터셋을 사용하여, 2x2 이미지 패치를 처리하는 매개변수화된 양자 회로 (PQC)를 갖춘 quanvolutional layer를 사용합니다. 데이터 인코딩을 위해 회전 Y-게이트를 사용하고, 비고전적 특징 표현을 생성하기 위해 얽힘 레이어를 활용합니다. 이 양자 추출 특징은 고전 신경망으로 분류됩니다. 실험 결과, 제안된 QNN은 83.33%의 검증 정확도를 달성하여 73.33%의 고전 CNN보다 높은 성능을 보였습니다.

시사점, 한계점

시사점:
QNN을 활용하여 폐렴 진단 정확도를 향상시켰습니다.
고전 CNN 대비 더 나은 검증 정확도를 달성했습니다.
소량의 데이터셋 환경에서도 효과적인 성능을 보였습니다.
의료 영상 분석 분야에서 양자 컴퓨팅의 잠재력을 제시했습니다.
한계점:
실제 양자 하드웨어 구현에 대한 내용은 포함하지 않았습니다.
다른 CNN 아키텍처와의 비교는 제한적입니다.
다른 의료 영상 데이터셋에 대한 일반화 성능 검증이 필요합니다.
👍