量子科技中心_量科网

该研究团队探索了一种基于量子启发的监督式多类分类方法，该方法采用“相当好测量”(Pretty Good Measurement, PGM)原理——这是一种源自量子态判别的算子值决策规则。该技术通过将每个类别与编码后的混合态相关联，并构建单一的正算子值测度(POVM)实现分类，从而提供了真正的多类解决方案，无需降维为成对或一对余策略。在此框架下，分类任务被重新定义为对有限个类别相关密度算符集合的判别，其性能取决于编码映射诱导的几何结构及类别间的重叠关系。 为验证该框架的实际应用价值，研究人员将基于PGM的分类器应用于两个生物医学放射组学案例：非小细胞肺癌(NSCLC)的组织病理学分型与前列腺癌(PCa)风险分层。评估过程严格遵循既往放射组学研究的实验方案，使结果可直接与传统基线方法进行对比。研究结果表明，PGM分类器始终表现出竞争优势，并在多个场景中超越标准方法。尤其在NSCLC二分类和三分类任务中表现突出，同时在更具挑战性的四分类案例（因类别重叠增加导致判别几何结构更复杂）中仍保持竞争力。在PCa研究中，该分类器性能接近最优集成基线，并在不同特征选择场景下展现出具有临床意义的灵敏度-特异性平衡关系。