Учёные ННГУ научили квантовую нейросеть точнее анализировать снимки МРТ

Фото: Александр Воложанин

Ученые Исследовательского центра в сфере искусственного интеллекта Института информационных технологий, математики и механики ННГУ ННГУ имени Н.И. Лобачевского создали гибридную квантово-классическую нейросеть для анализа МРТ-снимков головного мозга. Во время испытаний на изображениях из открытых баз данных система с точностью до 98% определяла наличие опухоли, передает пресс-служба вуза.

Как сообщили разработчики, это одна из первых удачных попыток объединить возможности обычных нейросетей и квантовых схем. Квантовый слой позволил проводить более глубокий анализ снимков при меньшем числе параметров, чем требуется классической нейросети.

Автор исследования, старший научный сотрудник лаборатории «Искусственный интеллект в превентивной медицине» ННГУ, кандидат физико-математических наук Марина Бастракова пояснила, что такой подход помогает повысить точность классификации за счет оптимизации архитектуры.

По ее словам, классические модели нередко включают миллиарды обучаемых параметров и требуют больших вычислительных мощностей. В гибридной архитектуре квантовый слой обрабатывает сжатое представление признаков, а основную эффективность обеспечивает взаимодействие классической и квантовой частей системы.

Изображение: пресс-служба ННГУ.

Разработка также показала хорошие результаты при работе с МРТ-снимками низкого качества — с шумами и дефектами. При сильном гауссовском шуме точность одной из квантово-классических моделей составила 96,6%, тогда как у классической сети этот показатель достиг 92,2%. Это очень важно при оценке медизображений, качество которых зависит от большого количества факторов.

Как отметила Марина Бастракова, в ходе экспериментов выяснилось, что устройство квантового слоя заметно влияет на итоговый результат. По ее словам, модели с более развитыми повторяющимися квантовыми блоками лучше сохраняли точность даже при искажении изображений.

«Это позволяет предполагать, что квантовые преобразования признаков играют существенную роль в формировании более устойчивого представления данных. При этом механизм этого эффекта ещё предстоит отдельно исследовать и подтвердить на реальном квантовом оборудовании», — добавила она.

Главный научный сотрудник лаборатории «Искусственный интеллект в превентивной медицине» ННГУ, доктор физико-математических наук Михаил Иванченко подчеркнул, что такие нейросетевые решения не заменяют врача, а служат помощниками при первичной диагностике. Они помогают не пропустить важные признаки и снижают вероятность ошибки.

«Снижается вероятность ошибки и диагноз специалиста становится более обоснованным», — прокомментировал он.

Далее ученые планируют проверить подход на новых медицинских наборах данных с использованием российских квантовых компьютеров. Кроме того, разработчики хотят научить нейросеть более детально описывать снимки и расширить классификацию изображений.

Работу выполнили ученые ННГУ в рамках программы «Приоритет-2030». Результаты исследования опубликованы в международном журнале The European Physical Journal Special Topics.

Ранее сообщалось, что костный цемент ПИМУ получил бессрочную регистрацию Росздравнадзора.