Quantum Kernel Methods for Calibrated and Interpretable Neuroimaging Classification in Computational Psychiatry
Este artigo demonstra que uma estrutura de pipeline duplo utilizando máquinas de vetores de suporte de kernel quântico, combinada com técnicas rigorosas de calibração pós-hoc e interpretabilidade, supera significativamente os baselines clássicos na distinção de transtornos psiquiátricos usando dados de neuroimagem, ao mesmo tempo em que alcança alta acurácia preditiva e credibilidade biológica.