Key points are not available for this paper at this time.
Devido aos avanços no estilo de vida, o estresse se acumula enormemente entre os indivíduos. Alguns estudos recentes indicaram que o estresse é um dos principais contribuintes para a infertilidade e o subsequente câncer de ovário entre mulheres em idade reprodutiva. Em vista disso, o presente estudo propõe uma metodologia computacional em duas etapas para identificar e segmentar o tumor ovariano e classificá-lo como benigno ou maligno. Usando imagens de tomografia computadorizada, a primeira etapa envolve a segmentação de imagens usando agrupamento C-Means fuzzy invertido, e a segunda etapa consiste em uma rede neural convolucional quântica profunda para detectar os tumores. A eficácia do método proposto é demonstrada usando um conjunto de dados coletados clinicamente internamente, comparando os resultados com os métodos de ponta. Os resultados experimentais confirmam que a abordagem proposta supera o algoritmo C-means fuzzy existente, alcançando a média de pontuação de Jaccard de (0,65, 0,84, 0,79) (mín, máx, méd) e pontuação de Dice de (0,70, 0,83, 0,77) (mín, máx, méd), resultado de classificação de 78% para tumores benignos e 70,03% para tumores malignos. Os resultados de classificação usando a variante do modelo de rede neural convolucional (CNN) ResNet16 são comparados com as redes neurais convolucionais quânticas (QCNN) e obtiveram o desempenho de classificação de 87,02% para tumores benignos e 79,4% para tumores malignos e 84,4% para benignos e 77,03% para malignos, respectivamente.
Kodipalli et al. (Qui,) estudaram essa questão.