基于量子增强深度学习的帕金森病分类

《Scientific Reports》：Quantum-enhanced deep learning for Parkinson’s disease classification

　　

摘要

帕金森病（PD）是一种缓慢进展的神经系统疾病，会严重损害患者的运动能力及认知能力，因此快速且精准的诊断对成功治疗至关重要。由于大脑内部变化细微且数据集存在不平衡问题，利用磁共振成像（MRI）图像诊断帕金森病十分困难。尽管现有的传统机器学习（ML）和深度学习（DL）方法已取得一定进展，但它们往往难以捕捉重要特征，也无法有效处理数据量有限的情况。为解决上述问题，本研究提出了一种组合方法：首先利用深度卷积生成对抗网络（DCGAN）生成额外的MRI图像以平衡数据集；随后使用InceptionV3模型从这些图像中提取特征；接着通过金字塔注意力网络（PAN）增强这些特征，使其能够聚焦于数据中最相关的部分；最后，采用带有幅度编码的变分量子分类器（VQC）对增强后的特征进行分类，该方法利用受量子启发的机器学习技术来提升分类性能。该流程实现了82.04%的总体准确率，优于此前的模型。研究结果表明，在混合框架中整合受量子启发的模型以实现对MRI扫描中的帕金森病分类是可行的。