Специалисты Нижегородского государственного университета имени Н.И. Лобачевского разработали гибридную нейросеть, объединяющую квантовые и классические методы, для диагностики опухолей головного мозга по МРТ-изображениям, как сообщает пресс-служба университета.
Модель была обучена на открытых данных и достигла точности до 98%. Это является одной из первых успешных попыток интеграции классических нейросетей с квантовыми технологиями для анализа медицинской информации.
Квантовый слой нейросети позволяет осуществлять глубокий анализ изображений, используя меньшее количество параметров по сравнению с классическими сетями, что повышает эффективность модели. При наличии сильного гауссовского шума точность работы квантово-классической модели составила 96,6%, в то время как у классической сети — 92,2%. Это имеет значение в реальной медицинской практике, где качество снимков зависит от различных факторов, включая положение пациента и характеристики оборудования.
Наш подход позволяет повысить точность классификации за счет оптимизации архитектуры нейросети. Классические глубокие модели могут содержать миллиарды обучаемых параметров и требуют значительных вычислительных ресурсов. В нашей архитектуре квантовый слой работает с сильно сжатым представлением признаков. При этом важную роль играет именно взаимодействие классической и квантовой частей модели
Фото: hi-tech.mail.ru
Медицинский эксперт
Это объединение практикующих врачей и специалистов в области медицины, принимающих участие в подготовке, проверке и редактуре медицинских материалов на сайте.В состав медицинской коллегии входят врачи различных специальностей: терапевты, инфекционисты, эпидемиологи, гастроэнтерологи, офтальмологи, аллергологи-иммунологи, психотерапевты, стоматологи, а также специалисты в области репродуктивной медицины, скорой помощи и медицинской журналистики.
Материалы проходят проверку с учетом современных клинических рекомендаций, научных данных и практического опыта врачей. Основная задача Медколлегии — обеспечить достоверность, актуальность и понятность медицинской информации для пользователей.