Key points are not available for this paper at this time.
تعتبر القدرة على تخزين ونقل الصور عالية الدقة مثل تصوير الرنين المغناطيسي والأشعة المقطعية دون فقدان الجودة أمرًا حاسمًا لتحديث التصوير الطبي. طرق الضغط التقليدية تخاطر بفقدان البيانات الأساسية للصور الطبية، وهو ما يتطلب تفاصيل مثالية للتشخيص. تستخدم الخوارزميات الكوانتية التراكب والتشابك للضغط بشكل أسرع مع الحفاظ على المعلومات المهمة. تقدم هذه البحث نموذج شبكة عصبية صناعية معززة كوانتيًا (QANN) يجمع بين استخراج الميزات الكوانتية وتوبولوجيات الشبكة العصبية التقليدية لتحسين ضغط الصور. تتكون طريقتنا من تحويل البيانات الكلاسيكية الموحدة إلى حالات كوانتية، والسيطرة على هذه الحالات باستخدام دوائر كوانتية محددة المعلمات، وقياس الحالات الناتجة لإنتاج متجهات ميزات معززة. يتم إدخال الميزات المعززة كوانتيًا إلى شبكة عصبية تقليدية لضغط الصور. تظهر النتائج التجريبية بوضوح أن إطار عمل QANN لدينا يتفوق على النماذج القياسية من حيث دقة الصور المعاد بناؤها، وتقليل الحجم، وزيادة نسبة توفير المساحة، خاصة عند التعامل مع مجموعات بيانات كبيرة ومعقدة. يوضح نموذج QANN كيف يمكن للحوسبة الكوانتية تحسين فعالية حلول معالجة الصور الطبية بشكل كبير. تم استخدام بيانات الأشعة المقطعية وتصوير الرنين المغناطيسي من كاجل وصور الأشعة السينية لعمود الصدر COVID-CXNet. يحسن نموذج QANN النسبة القصوى للإشارة إلى الضوضاء (PSNR) ومؤشر التشابه الهيكلي (SSIM). باستخدام التكنولوجيا الكوانتية، يتم تقليل حجم الصورة لتصوير الرنين المغناطيسي (73.3٪)، والأشعة السينية (74.1٪)، والأشعة المقطعية (71.8٪) لتوفير المساحة.
بالاسوبيراماني وآخرون (الأربعاء) درسوا هذا السؤال.