Quantum Computing per Imaging Medico
QCNN per imaging medico - Accesso a hardware quantistico reale via Helsinki
Panoramica
Quantum Computing per Imaging Medico
Per superare i limiti delle reti neurali classiche, spesso soggette a overfitting con piccoli dataset di immagini mediche, questo progetto DOPE Health esplora l'uso di Quantum Convolutional Neural Networks (QCNN).
L'approccio combina modelli quantistici e classici per migliorare le capacità diagnostiche, sfruttando i vantaggi computazionali del quantum computing.
Il team ha già ottenuto un risultato significativo: accesso a hardware quantistico reale attraverso un tirocinio internazionale a Helsinki, Finlandia.
Video del Progetto
Specifiche Tecniche
QCNN - Quantum Convolutional Neural Networks
Le QCNN sono una variante quantistica delle CNN classiche, che sfruttano fenomeni come sovrapposizione ed entanglement per elaborare immagini più efficientemente.
Problema Overfitting
I dataset di immagini mediche sono spesso limitati. Le reti classiche tendono a memorizzare invece che generalizzare.
Partner Strategici
Università di GenovaCronologia Progetto
Timeline TBD
Galleria Media
Nessun media disponibile.