公开(公告)号：CN117333754A

公开(公告)日：2024-01-02

申请号：CN202311245832.5

申请日：2023-09-26

Applicant: 暨南大学 ,  成都信息工程大学

Inventor： 谭晓青 ,  黄方瑜 ,  昌燕 ,  包戴鹏伟

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096 ,  G06N10/20

Abstract: 本发明提出了一种基于变分量子张量网络迁移学习的乳腺癌检测方法，并实现了三种不同结构变分量子张量网络的迁移学习，并将其应用到乳腺癌检测任务中。该模型使用了矩阵积态、树形张量网络以及多尺度纠缠重整化拟态的结构，以经典卷积神经网络ResNet50为预训练模型，将预训练模型的知识迁移到变分量子张量网络中进行训练。本发明将迁移学习的方法应用于乳腺癌组织病理学图像，借助量子特性来挖掘深层次的特征，有助于高效、准确地对乳腺癌进行检测，辅助医生完成对乳腺癌患者的病灶识别，进一步进行针对性治疗。本发明在提高预测精度的同时减少计算时间和空间，具有很强的实用性和广阔的应用前景。