Quantum Inspired Approach for Medical Imaging: Applications to Background Noise

本文介绍了一种新颖的量子启发式方法，用于去噪医学图像，以应对医学成像中的背景噪声所带来的诊断难题。传统方法往往难以解决高维成像系统中噪声环境的复杂性。本文的方法借鉴了量子和凝聚态物理学的原理，将医学图像视为类似于凝聚态物理学中发现的无定形结构，并提出了一种算法，直接将模式解析定位的概念纳入去噪过程中，从而使成像模式压缩超过70％。值得注意的是，我们的方法消除了超参数调整的需要。所提出的方法是一种独立的算法，几乎没有人工干预，展示了在不太依赖于经典算法的情况下实现量子级性能的潜力。通过实验验证，我们展示了我们的方法在解决医学成像中与噪声相关的挑战方面的有效性，强调了它对当前和未来量子计算应用的相关性。

本文旨在解决医学成像中的背景噪声问题，提出一种基于量子和凝聚态物理原理的新型去噪算法。传统方法难以应对高维成像系统中复杂的噪声环境。

文章将医学成像视为类似于凝聚态物理中的无定形结构，提出了一种算法，将模式分辨本地化的概念直接纳入去噪过程中，压缩成像模式超过70％。该方法不需要超参数调整，是一个独立的算法，几乎没有手动干预，展示了在不依赖于传统算法的情况下实现量子级性能的潜力。

该方法通过实验验证了其在解决医学成像中的噪声相关挑战方面的有效性，并突出了其对当前和未来量子计算应用的相关性。该论文的亮点包括：使用了基于量子和凝聚态物理原理的新型去噪算法，压缩成像模式超过70％；算法不需要超参数调整，是一个独立的算法，几乎没有手动干预；实验验证了该方法的有效性。

最近在这个领域中，还有一些相关的研究，如基于深度学习的医学成像去噪算法、基于小波变换的去噪算法等。