Current Trends in Quantum Technologies for Advancing Bioimaging Techniques

doi:10.55453/rjmn.2026.129.2.3

Current Trends in Quantum Technologies for Advancing Bioimaging Techniques

2026-03-01

1

PRE

AI

B

Buica, Vlad

S

Sirbu, Carmen Adella *

DOI：10.55453/rjmn.2026.129.2.3

原文链接

原文求助

摘要

En 中文

量子计算（QC）已作为一种变革性技术出现，其潜力在于超越经典计算极限，特别是在医学成像等复杂领域。本研究探讨了将量子计算（QC）和量子机器学习（QML）整合到医学成像中，重点关注MRI、EEG和CT。通过系统文献综述识别了最新进展，重点研究了使用易获取开源数据和英语同行评审出版物的研究。利用叠加和纠缠等量子原理，混合量子-经典模型在诊断任务中显示出更高的准确性、速度和效率。在MRI中，QML改进了阿尔茨海默病和脑肿瘤等神经疾病的早期检测与分类。在EEG分析中，量子算法如Quantum EEGNet和量子支持向量机在检测精神分裂症和自闭症谱系障碍等疾病方面表现出优越性能。此外，用于CT图像重建和分类的量子算法实现了更快的处理速度、更少伪影和更高保真度。尽管存在当前硬件限制，但结果突显了QC在解决医学诊断现有局限性方面的潜力。研究发现支持持续开发QML模型和量子增强工作流程，其有望通过提供更准确、高效和个性化的神经影像及分析，革新临床实践。

Keyword:

Quantum Machine Learning

Convolutional Neural Network

Quantum Neural Network

Deep Learning

MRI

EEG

CT

Current Trends in Quantum Technologies for Advancing Bioimaging Techniques

摘要

期刊

机构

引用论文