[發明專利]基于量子CNN-GRU預測癲癇發作的方法在審
| 申請號： | 202210406450.5 | 申請日： | 2022-04-18 |
| 公開（公告）號： | CN114947740A | 公開（公告）日： | 2022-08-30 |
| 發明（設計）人： | 張方言 | 申請（專利權）人： | 上海圖靈智算量子科技有限公司 |
| 主分類號： | A61B5/00 | 分類號： | A61B5/00;A61B5/369;G16H50/30 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 201203 上海*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 量子 cnn gru 預測 癲癇 發作 方法 | ||
1.一種基于量子CNN-GRU預測癲癇發作的方法，其特征在于，包括：
提取癲癇腦電波信息并編碼為對應的量子態；
將所述量子態輸入至量子CNN-GRU中進行演化，測量后輸出癲癇發作的概率。
2.根據權利要求1所述的方法，其特征在于：
其中，所述量子CNN-GRU包括量子CNN與量子GRU；
所述量子CNN用于提取所述癲癇腦電波信息中的癲癇特征；
所述量子GRU用于提取所述癲癇特征中的時序特征。
3.根據權利要求2所述的方法，其特征在于：
其中，所述量子CNN包括量子卷積模塊與量子池化模塊。
4.根據權利要求3所述的方法，其特征在于：
其中，所述量子卷積模塊與量子池化模塊均包括泡利旋轉門與受控門；
所述泡利旋轉門用于提供可優化的參數；
所述受控門用于實現所述量子態的融合。
5.根據權利要求2所述的方法，其特征在于：
其中，所述量子GRU包括第一量子線路、第二量子線路及第三量子線路；
所述第一量子線路用于篩選先前隱藏狀態下的癲癇特征及當前時間步的癲癇特征；
所述第二量子線路用于篩選先前隱藏狀態下可與當前時間步共同保留的癲癇特征；
所述第三量子線路用于篩選先前隱藏狀態下的癲癇特征及當前時間步的癲癇特征。
6.根據權利要求5所述的方法，其特征在于，
其中，所述第一量子線路包括兩個變分量子線路VQC1、VQC2，
VQC1與當前時間步xt的癲癇特征相乘；
VQC2與先前隱藏狀態下ht-1的癲癇特征相乘；
對上述各自相乘后的乘積求和并利用第一激活函數篩選癲癇特征。
7.根據權利要求5所述的方法，其特征在于，
其中，所述第二量子線路包括兩個變分量子線路VQC3、VQC4，
VQC3與當前時間步xt的癲癇特征相乘；
VQC4與先前隱藏狀態下ht-1的癲癇特征及所述第一量子線路篩選的癲癇特征相乘；
將上述各自相乘后的乘積求和后利用第二激活函數篩選需要保留的癲癇特征。
8.根據權利要求5所述的方法，其特征在于，
其中，所述第三量子線路包括兩個變分量子線路VQC5、VQC6，
VQC5與當前時間步xt的癲癇特征相乘；
VQC6與先前隱藏狀態下ht-1的癲癇特征相乘；
對上述各自相乘后的乘積求和后利用所述第一激活函數篩選需要保留的癲癇特征。
9.根據權利要求8所述的方法，其特征在于，還包括：
將所述第三量子線路與先前隱藏狀態下ht-1的癲癇特征相乘后篩選需要保留的先前隱藏狀態下的癲癇特征。
10.根據權利要求5或9所述的方法，其特征在于，
利用上述量子線路及所述篩選需要保留的先前隱藏狀態下的癲癇特征輸出時間步t對應的隱藏狀態ht下的癲癇特征，并測量后輸出癲癇發作的概率。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海圖靈智算量子科技有限公司，未經上海圖靈智算量子科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210406450.5/1.html，轉載請聲明來源鉆瓜專利網。
