量子科技中心_量科网

早期识别异常生理模式对及时检测心脏疾病至关重要。该研究团队提出一种混合量子-经典卷积神经网络（QCNN），专门用于心音信号中S3异常和心脏杂音的分类。该方法通过小波特征提取与自适应阈值压缩技术的结合，将一维心音图（PCG）信号转化为紧凑的二维图像。研究人员将心音模式压缩为8像素图像，使得量子处理阶段仅需8个量子比特。在HLS-CMDS数据集上的初步结果显示，测试集分类准确率达93.33%，训练集达97.14%，表明量子模型能有效捕捉生物医学信号的时频关联特征。据该团队所知，这是QCNN算法在生物声学信号处理领域的首次应用。该工作为资源受限的医疗环境开发量子增强诊断系统迈出了探索性的一步。