量子科技中心_量科网

通过热成像图像分析进行乳腺癌诊断仍是医疗人工智能领域的一项关键挑战，传统深度学习方法在复杂热模式分类任务中存在明显局限性。本文提出了一种新型混合量子神经网络（HQNN）架构，该架构将量子计算原理与传统卷积神经网络相结合以提升乳腺癌分类性能。该研究采用带有多头注意力机制的参数化量子电路实现量子感知特征编码，并结合经典卷积层进行综合模式识别。量子组件采用具有强纠缠层的4量子比特变分电路，而经典组件则融合了先进的注意力机制实现特征融合。在乳腺癌热成像数据上的实验验证表明，相较于最先进的经典架构，这种量子增强方法展现出显著的性能提升，具有更优的收敛动态和增强的特征表征能力。该工作通过经典模拟验证了量子技术在医学图像分类中的优势，为医疗健康领域的量子-经典混合系统建立了框架。该方法解决了量子机器学习部署中的关键挑战，同时保持了在近期量子设备上的计算可行性。