基于量子卷积神经网络与迁移学习的医疗图像分类方法

本发明请求保护一种基于量子卷积神经网络与迁移学习的医疗图像分类方法，涉及到医疗图像分类技术领域。其中，该方法融合QCNN和迁移学习，提出一种基于参数的量子迁移学习算法QTL。具体包括：首先，设计了一种基于角度编码的量子‑经典参数映射方案，将经典参数映射到量子空间，从而使量子卷积神经网络QCNN能充分利用量子计算的优势，增强模型的表达能力；其次，引入迁移学习算法，利用最大均值差异方法实现领域自适应，识别医疗图像大数据集和小样本数据之间的分布差异，并通过调整模型参数以减小这种差异，从而进一步提高模型在小样本领域的泛化能力。本发明显著提高模型在小样本医疗图像分类任务中的分类性能和泛化能力。