Vademecum Live

@vademecum_live · health · Russian · active

Subscribers 12.6K Subscribers, last 30 days: 12.6K → 12.6K +0 24h
Reach per post (ERR) 12.8%1.6K avg views
Posting 13.4/day last 2 hours ago
Reactions per 1K views 3.8 ❤ 👍 🔥
edited

В НГУ разработали гибридную квантово-классическую нейросеть для анализа МРТ-изображений Специалисты Нижегородского государственного университета (НГУ) им. Н.И. Лобачевского представили гибридную квантово-классическую нейросеть, которая может с точностью до 98% диагностировать наличие опухоли по МРТ-изображениям головного мозга, полученным из открытых баз данных. По данным ученых, это одна из первых попыток объединить возможности стандартных нейросетей и квантовых схем. Разработкой занимались специалисты Исследовательского центра в сфере искусственного интеллекта Института информационных технологий, математики и механики НГУ в ходе реализации федеральной программы «Приоритет-2030». Одна из авторов исследования Марина Бастракова отметила, что подход позволяет повысить точность классификации за счет оптимизации архитектуры нейросети. Классические глубокие модели содержат миллиарды обучаемых параметров, поэтому требуют значительных вычислительных ресурсов. В созданной специалистами архитектуре квантовый слой работает с сильно сжатым представлением признаков. Гибридная квантово-классическая нейросеть справилась в том числе и с диагностикой МРТ-снимков с шумами и дефектами. При сильном гауссовском шуме точность одной из квантово-классических моделей составляла 96,6% против 92,2% у классической сети. Ученые НГУ намерены протестировать подход на новых медицинских наборах данных с использованием мощностей отечественных квантовых компьютеров. Разработчики хотят обучить нейросеть более детальному описанию снимка и расширить классификацию изображений. Для продвижения указанных гибридных подходов в реальной медицинской практике планируется привлечение профильных учреждений и научных центров. Фото: НГУ Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live

Views over time

05001K8 Sep 07:2611 Nov 16:091K8 Sep 07:26: 0 views11 Nov 16:09: 1,000 views
Snapshots we took after posting.
WhenViews
8 Sep 2026, 07:260
11 Nov 2026, 16:091K

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)

Nobody yet.