Autor(es)

Rodrigues Sobrinho, Yasmin ; Soares, Enzo Gabriel Batista ; Manesco, Joao Renato Ribeiro ; Al-Tuweity, Jawaher ; Pires, Rafael Goncalves ; Papa, Joao Paulo

• Tipo de documento: Artigo Científico
• Fonte: 2025 IEEE 38TH INTERNATIONAL SYMPOSIUM ON COMPUTER-BASED MEDICAL SYSTEMS, CBMS; v. N/A, p. 7-pg., 2025-01-01.

Resumo

This paper explores the potential of quantum machine learning for breast cancer detection. We designed a binary classification approach using the BreastMNIST dataset and segmented mass regions derived from the BCDR dataset. A quanvolutional layer is employed as a quantum feature extractor, interfaced with elements of classical neural networks, to enhance the detection of malignant and benign patterns in breast tissue. The hybrid quanvolutional neural network aims to mitigate challenges associated with traditional machine learning models, such as feature sparsity and data imbalance. This architecture employs a simple yet efficient design that integrates the strengths of both quantum computing and classical methods, reducing computational complexity while maintaining performance. Results demonstrate the potential of quanvolutions in diagnostic accuracy, offering a promising framework for integrating quantum computing in medical imaging. This approach provides an optimized solution that balances quantum processing with classical systems for more effective and scalable applications. (AU)

• Processo FAPESP: 24/00117-0 - Redes Neurais Convolucionais Quânticas para a Detecção de Câncer de Mama Utilizando Mamografias
• Beneficiário: Yasmin Rodrigues Sobrinho
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Processo FAPESP: 24/08242-8 - Técnicas de Fusão de Dados para Detecção de Câncer de Mama
• Beneficiário: Jawaher Abdu Mohammed Altuweity
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 23/14427-8 - Ciência de Dados para a Indústria Inteligente (CDII)
• Beneficiário: José Alberto Cuminato
• Modalidade de apoio: Auxílio à Pesquisa - Programa Centros de Pesquisa Aplicada
• Processo FAPESP: 24/00789-8 - Detecção Invariante à Domínio de Aparatos Médicos em Imagens de Radiografias Simples do Tórax
• Beneficiário: João Renato Ribeiro Manesco
• Modalidade de apoio: Bolsas no Brasil - Doutorado