Гибкий гибридный квантово-классический подход к обучению моделей сегментации органов риска и опухолей для планирования лучевой терапии

ЧАСТЬ ТЕЛА: Органы в зоне риска (OAR) и опухоли (например, почки).

ГОТОВНОСТЬ: Высокая, для ближайшего клинического применения.

СУТЬ: Предложен гибридный квантово-классический фреймворк (HQC-TF) с техникой генерации квантовых параметров (QPG). Цель – улучшить сегментацию органов в зоне риска (OAR) и опухолей для планирования лучевой терапии, решая проблему избыточной параметризации и переобучения DL-моделей на малых медицинских данных. HQC-TF сокращает количество обучаемых параметров, сохраняя структуру модели и адаптивно определяя ранг матриц, что обеспечивает гибкость и эффективность. Эксперименты показали значительное улучшение (например, UNetPP для опухолей почек: +6.77% IoU, +3.09% DSC). Важно, что фреймворк работает только во время обучения, используя неглубокие квантовые схемы, что делает его практичным, масштабируемым и пригодным для скорейшего клинического внедрения.

Источник: https://pubmed.ncbi.nlm.nih.gov/41699007/