研究人员比较了混合受量子启发的卷积神经网络 (HQiCNN) 与标准卷积神经网络 (CNN) 在医学图像分类方面的性能和可解释性。研究发现，在所有条件下，两种架构均未持续优于另一种；HQiCNN 在中等数据量下表现出优势，而 CNN 在大型数据集上表现更佳。移除量子电路中的纠缠在不牺牲性能的情况下提高了可扩展性，并且更丰富的可观测集仅在有足够训练数据的情况下才显示出优势。开发了新的基于 SHAP 的工具来确认两种模型都关注解剖学上相关的区域。 AI
影响 混合受量子启发的模型可能在特定的医学成像任务中提供优势，但经典 CNN 仍然具有竞争力。
排序理由 学术论文，展示新颖的研究发现。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CNN
- Guillermo Rubiños Rodríguez
- Hybrid Quantum-inspired Convolutional Neural Network
- medical image classification
- quantum physics
- SHAP
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
