Квантовая математика улучшает качество медицинских снимков

Метод удаления шумов с медицинских изображений, основанный на принципах квантовой механики, превосходит по эффективности машинное обучение, статистические методы и нейронные сети. Этот же подход может улучшить производительность квантовых вычислений. Автор: Хашеми и др.

Медицинские методы визуализации, такие как УЗИ и МРТ, часто страдают от фоновых шумов, которые могут размывать изображения и скрывать мелкие анатомические детали. Для врачей, полагающихся на такие снимки, шум является серьёзной проблемой при постановке точных диагнозов.

Существующие методы удаления шумов имеют ограниченную эффективность, так как плохо справляются со сложными шумовыми паттернами в медицинских изображениях и требуют ручной настройки параметров, что усложняет процесс.

Для решения этой проблемы некоторые исследователи обратились к квантовой механике, описывающей поведение материи и энергии на атомном уровне. Их работы проводят аналогию между вибрациями частиц и распространением интенсивности пикселей в изображениях, что вызывает шумы. До сих пор ни одна из попыток не применяла полномасштабную математику квантовой механики для устранения шумов.

В статье, опубликованной в журнале AIP Advances, исследователи из Массачусетской больницы общего профиля, Гарвардской медицинской школы, Weill Cornell Medicine, GE HealthCare и Университета Тулузы вывели эту аналогию на новый уровень.

«Хотя квантовая локализация — хорошо изученное явление в физике материалов, нашим ключевым нововведением стало её концептуальное применение к зашумлённым изображениям — буквальный перенос физических принципов, а не просто метафора», — пояснил автор исследования Амирреза Хашеми. «Раньше такой фундаментальной аналогии не существовало. Мы первые, кто её формализовал».

Центральное место в математике, описывающей материю и энергию, занимает концепция локализации, объясняющая, как частицы вибрируют в пространстве. Вибрации, остающиеся в ограниченной области, считаются локализованными, а распространяющиеся — диффузными. Аналогично, интенсивность пикселей (их яркость) в чётком изображении можно считать локализованной, а шумовые паттерны — диффузными.

Авторы применили ту же математику, которая описывает локализацию вибраций частиц в физическом пространстве, для анализа локализации интенсивности пикселей в изображениях. Таким образом они смогли отделить «сигнал» (анатомические структуры) от визуального шума (случайных пикселей).

«Главным аспектом стала разработка алгоритма, который автоматически разделяет локализованные (сигнал) и нелокализованные (шум) компоненты пикселей, используя их различное поведение», — отметил Хашеми.

Прямое применение физики и математики частиц также устранило необходимость ручной настройки параметров в алгоритмах удаления шумов, что, по словам Хашеми, является серьёзным недостатком традиционных подходов.

«Наш метод использует физические принципы, такие как локализация и диффузионная динамика, которые по своей природе разделяют шум и сигнал без дорогостоящей оптимизации», — пояснил исследователь. «Алгоритм просто работает по задумке, избегая грубых вычислений».

Этот метод применим не только для улучшения медицинских изображений, но и в квантовых вычислениях.

«Наша физическая модель соответствует вычислительным принципам квантовых систем, предлагая потенциальное преимущество в производительности по мере масштабирования квантовых вычислений».

Дополнительная информация: A novel perspective on denoising using quantum localization with application to medical imaging, AIP Advances (2025). DOI: 10.1063/5.0267924

Источник: American Institute of Physics