Guillermo Rubiños Rodríguez

受量子启发的卷积神经网络在医学影像方面与经典卷积神经网络相比表现不一

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。