ГИБРИДНЫЙ КВАНТОВО-КЛАССИЧЕСКИЙ МЕТОД ОБНАРУЖЕНИЯ РАННИХ ОТКЛОНЕНИЙ ФИЗИОЛОГИЧЕСКОГО СОСТОЯНИЯ ПО МНОГОСЕНСОРНЫМ ДАННЫМ
Keywords:
Keywords: многосенсорные системы, sensor fusion, квантовое машинное обучение, обнаружение аномалий, квантовое ядро, носимые устройства, временные ряды, ранняя диагностикаAbstract
Предлагается метод обнаружения ранних отклонений физиологического состояния по данным нескольких носимых сенсоров (ЭКГ, частота сердечных сокращений, SpO2, температура, двигательная активность). Метод включает синхронизацию разночастотных каналов, адаптивное объединение признаков с учётом информативности и доступности каналов, сжатие признакового пространства до размерности квантовой схемы и анализ квантовыми моделями: вариационным классификатором и квантовым ядром для обнаружения аномалий относительно индивидуальной нормы. Ключевая задача — оценить, как гибридный подход ведёт себя при шумах и выпадении каналов по сравнению с классическими моделями.
References
1.Havlíček V. et al. Supervised learning with quantum-enhanced feature spaces // Nature. 2019. Vol. 567. P. 209–212.
2.Schuld M., Killoran N. Quantum machine learning in feature Hilbert spaces // Physical Review Letters. 2019. Vol. 122. Art. 040504.
3.Preskill J. Quantum computing in the NISQ era and beyond // Quantum. 2018. Vol. 2. P. 79.
4.Cerezo M. et al. Variational quantum algorithms // Nature Reviews Physics. 2021. Vol. 3. P. 625–644.
5.Moody G.B., Mark R.G. The impact of the MIT-BIH Arrhythmia Database // IEEE Engineering in Medicine and Biology Magazine. 2001. Vol. 20, No. 3. P. 45–50.
6.Goldberger A.L. et al. PhysioBank, PhysioToolkit, and PhysioNet // Circulation. 2000. Vol. 101, No. 23. P. e215–e220.
7.Moody G.B., Muldrow W.E., Mark R.G. A noise stress test for arrhythmia detectors // Computers in Cardiology. 1984. Vol. 11. P. 381–384.
8.Schmidt P. et al. Introducing WESAD, a multimodal dataset for wearable stress and affect detection // Proc. 20th ACM ICMI. 2018. P. 400–408.
9.Johnson A.E.W. et al. MIMIC-IV, a freely accessible electronic health record dataset // Scientific Data. 2023. Vol. 10. Art. 1.