利用深度量子神经网络的结构，提出一种用于预测药物效果的混合量子模型，并在减小的癌症药物敏感性基因组数据集上进行定量分析，表明该型混合量子模型比经典算法预测的药效值高出 15% 以上。

Nov, 2022

利用量子机器学习在组织病理学癌症检测中的应用，通过混合经典 - 量子深度学习模型实现了病理学癌症检测的分类模型和对多种对抗攻击的性能测试，HCQ 模型在多种对抗攻击下的病理学癌症检测中提供了比经典图像分类模型更高的准确性。

Sep, 2023

本研究系统地综述了过去使用深度学习和机器学习进行基因测序或组织学影像检测和治疗乳腺癌的相关工作，并为将来的研究者提供了建议。

Mar, 2022

量子机器学习能够在健康领域中进行高效解决大数据集问题，此研究将其应用于阿尔茨海默病的诊断，并发现量子和经典算法在分类任务中表现相似，甚至有时量子方法表现更好，为将来在早期筛查诊断方面开发新的量子机器学习应用铺平了道路。

May, 2024

乳腺癌是全球妇女最常见的恶性肿瘤之一，需要改进诊断方法以获得更好的临床结果。本文全面探讨了可解释人工智能（XAI）技术在乳腺癌检测和诊断中的应用，通过与机器学习和深度学习模型的整合，尤其是与 SHAP、LIME、Grad-CAM 等 XAI 方法，分析乳腺癌数据集及其 AI 处理方式，强调 XAI 可以提高精确诊断和个性化治疗方案，讨论了实施这些技术的挑战，以及在临床环境中评估 XAI 有效性的标准化指标的重要性。该文章通过详细分析和讨论旨在凸显 XAI 在复杂 AI 模型和实际医疗应用之间搭建桥梁的潜力，从而建立医疗专业人员之间的信任和理解，改善患者的预后效果。

Jun, 2024

量子计算与混合化方案在现实应用中面临的困难和挑战的分类及研究问题探讨。

Aug, 2023

利用颜色空间组合和量子 - 经典堆叠技术提高乳腺癌分类的准确性的研究揭示了个性化医学评估中的里程碑，并通过融合不同颜色空间和量子 - 经典领域的协同作用为医学诊断设立了新的地平线。

Apr, 2024

利用机器学习的预处理算法和分类算法，研究了检测转移性癌症的潜力，通过降低数据维度和使用 k 最近邻算法，获得了最高 71.14% 的准确率。

Sep, 2023

评估了乳腺癌三种创新的诊断技术，并研究了利用机器学习技术（如卷积神经网络）的计算机辅助诊断系统来提高病人的生存率。

May, 2023

通过应用 Quantum Support Vector Machine (QSVM) 方法，提高了前列腺癌检测的诊断性能，成功创建了一个独特的特征空间，能够检测数据中的复杂非线性模式，相比传统的 SVM 方法，在准确度上有可比较的准确率（92%），敏感性提高了 7.14%，F1-Score 达到 93.33%，将量子计算应用于医学诊断标志着医学技术未来的重大进步。

Mar, 2024