一种利用混合量子卷积神经网络模型从眼底图像中检测糖尿病视网膜病变的新方法

《Scientific Reports》：A novel diabetic retinopathy detection from fundus images using hybrid quantum convolutional neural network models

　　

摘要

从数字眼底图像中诊断糖尿病视网膜病变（DR）是医学图像处理领域长期研究的一个课题。由于图像边缘模糊，确定二维视网膜图像中的视盘边界非常困难，这需要进一步改进。这些问题无法通过单一技术来解决。目前仍需要一种高效的算法来识别与DR相关的视网膜变化和结构。如果能够及时发现并治疗DR，就可以控制或避免视力恶化。这一过程通常基于对彩色眼底照片的远程医疗分析或医生的临床评估。然而，由于人为因素的存在，这两种方法都耗时、劳动强度大且容易出错。鉴于自动化方法在分析彩色眼底照片方面的出色特异性和敏感性，它们已成为广泛开展DR筛查的重要工具。为了研究与DR相关的特征并应对不同糖尿病严重程度的诊断需求，本文提出了一种混合量子卷积神经网络（HQCNN）。研究使用了Kaggle眼底图像数据库来训练该网络。最后，通过精确度、特异性、准确率、敏感性和F1分数等指标对所提出的方法进行了分析效率的评估。实验结果表明，该方法的准确率为98.89%，敏感性为99.37%，特异性为99.57%，精确度为98.89%，F1分数为97.58%。