[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

本發明提供一種基于量子CNN?GRU預測癲癇發作的方法，屬于量子計算及神經科學技術領域。因為該方法將經典CNN?GRU中的線性模塊通過量子線路構建量子CNN?GRU從而預測癲癇發作的可能性，所以，本發明提供的量子CNN?GRU可以節省大量的計算資源、預測結果相比經典的CNN?GRU結構更加準確，使模型訓練過程中能更快收斂至穩定狀態，同時使得量子芯片和電子芯片能夠協同工作用于癲癇預測的CNN?GRU模型。

技術領域

本發明涉及量子計算及神經科學領域，具體涉及一種基于量子 CNN-GRU預測癲癇發作的方法。

背景技術

癲癇是影響全年齡的一種由腦部神經元陣發性異常超同步電導致的慢性非傳染性疾病，全球常見的神經性疾病之一。癲癇疾病特征反復發作，不可預測性，抗癲癇藥物難治，損害人們生活質量。癲癇的反復發作對患者的精神認知功能造成持續性的負面影響，甚至危及生命，因此在癲癇發作前檢測到發作前狀態可以挽救生命，對癲癇預測的研究有著很重要的臨床意義。

基于經典的CNN-GRU算法是人工智能領域的研究熱點，被應用在多種應用場景，如生物醫藥、材料、神經科學等，然而這些模型的運行都需要消耗大量的計算資源。在過去算法運行的計算資源主要由電子集成電路制造的芯片提供，而隨著電子遂穿效應對制程接近納米極限后的制約，算力很難再持續提升。量子計算芯片是對電子芯片計算方式的補充，然而經典的CNN-GRU算法在量子芯片上的運行無法按照其在電子芯片上的方式進行處理。

雖然癲癇預測問題基于CNN-GRU模型取得了不錯的性能，但是 CNN-GRU算法中的某一模塊運算具有高度并行性并消耗大量計算資源，

因此本發明提出一種量子CNN-GRU來預測癲癇發作的可能性。

發明內容

本發明是為了解決上述問題而進行的，目的在于提供一種基于量子CNN-GRU預測癲癇發作的方法。

本發明提供了一種基于量子CNN-GRU預測癲癇發作的方法，具有這樣的特征，包括：提取癲癇腦電波信息并編碼為對應的量子態；將量子態輸入至量子CNN-GRU中進行演化，測量后輸出癲癇發作的概率。

本發明提供的方法，還具有這樣的特征：其中，量子CNN-GRU 包括量子CNN與量子GRU；量子CNN用于提取癲癇腦電波信息中的癲癇特征；量子GRU用于提取癲癇特征中的時序特征。

本發明提供的方法，還具有這樣的特征：其中，量子CNN包括量子卷積模塊與量子池化模塊。

本發明提供的方法，還具有這樣的特征：其中，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；泡利旋轉門用于提供可優化的參數；受控門用于實現量子態的融合。

本發明提供的方法，還具有這樣的特征：其中，量子GRU包括第一量子線路、第二量子線路及第三量子線路；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；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；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。

本發明提供的方法，還具有這樣的特征，其中，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x_t的癲癇特征相乘；VQC₂與先前隱藏狀態下h_t-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。