본 논문은 치매 진단을 위한 양자 전이 학습(QTL)의 잠재력을 보여주는 연구입니다. 기존의 기계 학습 및 심층 학습 방식은 고차원 생체 의학 데이터 및 대규모 데이터셋에서 계산 및 성능의 한계에 직면하는 반면, QML은 더 빠른 학습과 향상된 패턴 인식 기능을 제공합니다. 본 연구는 약한 성능의 기존 심층 학습 모델에 QTL을 적용하여 치매 탐지(이진 분류) 성능을 향상시키는 것을 목표로 합니다. OASIS 2 데이터셋을 사용하여 양자 기술이 최적화되지 않은 기존 모델을 생체 의학 이미지 분류에 더 효과적인 솔루션으로 변환하는 방법을 보여주고, 의료 기술 발전에 대한 잠재적 영향을 강조합니다. 또한, 노이즈의 영향을 조사하여 QTL 기반 접근 방식의 신뢰성과 견고성을 평가합니다.
