Quantum Diffusion Models for Medical Image Analysis

技術要約：医療画像解析のための量子拡散モデル

問題提起
生成AI、特に拡散モデル（Diffusion Models, DMs）は、合成データの生成や再構成を含む医療画像解析において最先端の性能を達成している。しかし、既存の量子機械学習（QML）による画像解析アプローチは、現在のノイズあり中規模量子（NISQ）デバイスの制約によって著しく制限されている。先行研究の多くは、データの次元性を大幅に制限しているか、あるいは逆方向のプロセス（デノイジング過程）のみを量子強化し、順方向の拡散プロセスを古典的なものに留めるハイブリッドフレームワークに依存している。さらに、量子拡散モデル（QDM）を医療画像に適用した従来の研究では、古典的なU-Netアーキテクチャに量子レイヤーを付加して逆方向のプロセスのみを強化しており、フォワードダイナミクスのための量子ハードウェア固有の特性を活用できていない。

手法
著者らは、実機の量子デバイスに順方向の拡散プロセスを割り当て、古典的な学習モデルに逆方向のデノイジングプロセスを割り当てる、スケーラブルなハイブリッド量子拡散モデルを提案する。

1. 量子順方向プロセス（Quantum Forward Process）:

   • 本手法は、実機のNISQデバイス（具体的にはIBM ibm_torino プロセッサ）上で実行される**離散時間量子ウォーク（Discrete-Time Quantum Walk, DTQW）**を採用している。
   • 入力画像のピクセル（またはボクセル）は、強度レベル（$0, \dots, 2^{N_q}-1$）に離散化され、量子状態へとマッピングされる。
   • システムは「リング・チェーン」型のマルコフ過程トポロジーを利用しており、量子ウォーカーが強度レベルの連鎖に沿って移動する。「コイン」量子ビット（重ね合わせ状態）が歩行の方向を決定する。
   • 極めて重要な点として、著者らはNISQデバイスの固有の量子ノイズを不可欠なリソースとして活用している。純粋なユニタリダイナミクスでは一様分布への収束が妨げられるが、ハードウェア特有のデコヒーレンスとノイズが、必要な一様事前分布（$p(x_T)$）への遷移を促進する。
   • フォワードダイナミクスは、ユニタリ発展 $U_t$ に量子チャネル $\mathcal{E}$ を適用することで、$\rho_t = \mathcal{E}(U_t \rho_0 U_t^\dagger)$ として定式化される。
   • 大規模な画像を扱うため、プロセスは並列化される：各ピクセル/チャンネルは独立したDTQWを行う。著者らは、ゲート数を抑えるためのQiskit最適化レベルを活用することで、強度レベルを先行研究の8から64へと増加させた。

2. 古典逆方向プロセス（Classical Backward Process）:

   • ノイズの乗った状態 $x_t$ からクリーンなデータ $x_{t-1}$ を予測するように、U-Netアーキテクチャが訓練される。
   • 著者らは2つの具体的なアーキテクチャを提案している：
     • グレースケールおよびRGB画像用の2D U-Net。これはエンコーダ層にタイムエンベディング（時間埋め込み）を持ち、浅いボトルネックを備えている。
     • 3Dボリュームデータ用の3D U-Net。これはエンコーダとデコーダの両方にタイムエンベディングを持ち、より深いボトルネックと、勾配の安定性のためのSiLU活性化関数を備えている。
   • 訓練は、参照となるノイズ付きピクセル値とU-Netによる再構成値との間の損失関数を最小化することによって行われる。BraTS2020データセットに対しては、ピクセル値の分布をより良く一致させるために、クロスエントロピーとカルバック・ライブラー（KL）ダイバージェンスを組み合わせたハイブリッド損失が使用される。

3. データセットおよび評価:

   • モデルは3つの異なる医療データセットでテストされた：BloodMNIST（3,329枚のRGB画像、$64\times64$）、BraTS2020（484枚のグレースケールMRIスライス、$190\times190$）、およびFractureMNIST3D（1,370個の3D CTボリューム、$28\times28\times28$）。
   • パフォーマンスは、KLダイバージェンス（分布の整合性）、フレシェ・インセプション距離（FID）（生成の質）、および構造的類似性指数（SSIM）（構造的忠実度）の3つの指標で評価された。
   • 実験は、QDMの古典的シミュレーションと、エラー緩和技術を用いた実機量子デバイス上での実装の両方で行われた。

主な貢献

• 新規アーキテクチャ: 逆方向パスにのみ量子レイヤーを使用する従来のQDMとは異なり、本研究では量子順方向プロセスを実機上で実装し、デバイス固有のノイズを利用して一様分布への拡散を駆動させている。
• 実世界のデータへのスケーラビリティ: 本手法は、NIS-ベースのQMLに典型的な次元性の制限を克服し、RGB画像や3Dボリュームを含む中規模な実世界の医療データを正常に処理できる。
• 手法の改善: 著者らは、強度レベルの増加（最大64）や、異なる量子ノイズトポロジーの探索、およびカスタマイズされたタイムエンベディングを持つ高度なU-Netアーキテクチャを含め、先行研究[50]に対する重要な改良を導入している。
• ベンチマーキング: 本論文は、古典的な対応物（離散状態空間DM）に対して厳格な比較を提供しており、このハイブリッドアプローチが競争力のある結果をもたらすことを示している。

結果

• パフォーマンス指標: ハイブリッド量子モデルは、古典的なベースラインに対して競争力のある性能を示した。
  • FractureMNIST3Dにおいて、量子モデルは古典的モデルよりも低いKLダイバージェンスおよびFIDスコアを達成し、SSIMは同等であった。
  • 3つのデータセットすべてにおいて、量子モデルは古典的な対応物よりも一貫して高いSSIM値を示しており、これは量子順方向プロセスが生成データの構造的特徴の保持に寄与している可能性を示唆している。
  • BloodMNISTおよびBraTS2020では、量子モデルはより高いFIDスコアを示した。著者らは、FID指標が一般的な高品質データで事前学習されたネットワークに依存しているため、特定の量子化や解像度の制約を持つ特殊な医療データセットには最適ではない可能性があることに起因すると考えている。
• 視覚的分析: PCAおよびKDEプロットによる定性的結果は、モデルがデータ分布のモードを正常に学習していることを示している。BloodMNISTについては複数のモードを捉えており、BraTS2020については単一モードの分布であるにもかかわらずモデル崩壊（mode collapse）を回避している。視覚的なサンプルは、血球、脳室、腫瘍塊などの解剖学的に妥当な構造の生成を示している。

意義と主張
著者らは、本研究を現在のNISDデバイスのヘルスケアへの適用可能性を示す**概念実証（プルーフ・オブ・コンセプト）**として位置づけている。彼らは、エラー訂正コードの必要性を回避するために、「有害な」量子ノイズを生成プロセスにおける機能的なコンポーネントへと転換したと主張している。

本論文は、モデルがまだ初期段階にあり、結果が既存の古典的またはハイブリッドな手法よりも圧倒的に優れているわけではなく、あくまで同等のレベルであることを控えめに述べている。しかし、複雑で多次元の医療データ（RGBおよび3Dボリューム）を実機の量子ハードウェア上で処理できる能力は、重要な一歩であるとしている。本研究は、完全なフォールトトレランス（耐故障性）を必要とせずに、重要かつリソース集約的な問題に対して現在の量子コンピュータの能力をテストすることを通じて、量子コンピューティングを用いた医療アプリケーションの研究開発に貢献することを目指している。