Fusão de Características Adversariais em Modelos Híbridos Quântico-Clássicos para Classificação de Imagens Endoscópicas

• Processo: 26/11390-4
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2026
• Data de Término da vigência: 02 de agosto de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: João Paulo Papa
• Beneficiário: Yasmin Rodrigues Sobrinho
• Supervisor: Christoph Palm
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Instituição Anfitriã: Ostbayerische Technische Hochschule Regensburg (OTH Regensburg), Alemanha
• Vinculado à bolsa: 24/00117-0 - Redes Neurais Convolucionais Quânticas para a Detecção de Câncer de Mama Utilizando Mamografias, BP.IC
• Palavra(s)-Chave do Pesquisador: Endoscopic image | Feature Fusion | Hybrid quantum-classical models | Quantum Machine Learning | Aprendizado de Máquina Quântico

Resumo

Este projeto propõe arquiteturas híbridas que combinam técnicas de aprendizado de máquina quântico e clássico para abordar os desafios complexos da análise de imagens médicas endoscópicas. A pesquisa concentra-se em representações de características extraídas de redes neurais convolucionais quânticas e clássicas, com o objetivo de explorar suas forças complementares em tarefas de classificação clínica. Em particular, o projeto introduz a estratégia Hybrid Classical-Quantum Adversarial Feature Fusion (HCQ-AFF). Nesse framework, uma rede clássica congelada fornece uma referência estável, enquanto uma rede discriminadora incentiva ativamente o modelo quântico a aprender representações mais informativas e discriminativas. Esse mecanismo adversarial promove um alinhamento mais robusto das características e uma otimização mais eficaz do componente quântico. Além disso, a proposta considera explicitamente as limitações práticas do hardware quântico atual, como a profundidade limitada dos circuitos, garantindo compatibilidade algorítmica com dispositivos quânticos de escala intermediária disponíveis no curto prazo. O objetivo é estabelecer um framework metodológico robusto para a integração profunda de representações quânticas e clássicas, apoiando decisões clínicas mais precisas e confiáveis com base em imagens endoscópicas gastrointestinais. (AU)