ProCDNet：基于量子机器学习并采用改进的Addax优化算法的前列腺癌检测网络

《Scientific Reports》：ProCDNet: prostate cancer detection network using quantum machine learning with enhanced addax optimization

　　

摘要

前列腺癌是全球最为常见的恶性肿瘤之一，因此需要开发先进且高效的检测模型。本研究提出了前列腺癌检测网络（ProCDNet），这是一种全新的框架，它结合了LDR-DenseNet用于特征提取，以及EAO-QML用于疾病分类，从而为前列腺癌检测提供了高效准确的解决方案。在该框架中，轻量级深度残差密集网络（LDR-DenseNet）被用于特征提取，该网络融合了密集网络与残差学习技术，以此增强特征传递效果、减少冗余信息，并在保持计算效率的同时提升学习效率。为进一步提升检测精度，研究还采用了量子机器学习模型，通过改进的Addax优化算法对损失函数进行优化。该算法在传统的Addax优化框架中加入了切比雪夫映射，从而确保算法能够稳定收敛，并提高分类性能。通过对ProCDNet模型在准确率、精确度、召回率、F1分数、特异性以及均方误差等方面的分析，其对应数值分别为99.27、99.0856、98.282、98.851、99.967和0.00913。