.png){kind=icon}
返回
Predicting Cardiovascular Disease Using a Quantum Support Vector Machine
.png){kind=icon}
OA
AI
DOI：10.1080/08839514.2026.2684103.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
心血管疾病（CVD）是全球死亡的首要原因，2022年记录的死亡人数超过1,980万，凸显了精确早期计算诊断技术的紧迫必要性。传统机器学习方法在高维临床数据的非线性特征交互方面往往失效。本文提出了一种量子支持向量机（QSVM）框架，该框架使用基于保真度的量子核函数（通过PennyLane Lightning计算）和量子比特模拟器将患者数据映射到高维希尔伯特空间，能够实现传统核函数无法处理的复杂特征交互。该模型在公开的基于UCI的心脏病数据集上进行测试，该数据集包含1,025条患者记录和13个临床特征（如胸痛类型、ST段压低、最大心率及地中海贫血检测结果），类别分布接近平衡（51.3%阳性，48.7%阴性）。所有13个特征通过哈达玛-RY特征映射应用于13个量子比特表示为量子态，并采用量子流水线技术批量执行特征映射以降低模拟开销。QSVM达到93.90%的准确率，优于在相同数据集上获得92.50%准确率的经典SVM基线。复杂度分析表明，该模型具有O(d)深度、线性量子比特扩展性，并适用于NISQ兼容的可扩展量子生物医学诊断。
期刊
A
IF:
4.3
论文数:
70
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息