Quantum Support Vector Machines in Cardiac Sound Analysis: Evaluating Performance with Signal Representation Techniques
54º Congreso Español de Acústica — Tecniacústica 2023
Abstract
El análisis de los sonidos cardíacos desempeña un papel crucial en la detección y diagnóstico de enfermedades cardiovasculares. Con los avances en el procesamiento digital de señales y las técnicas de inteligencia artificial, la clasificación automática de estos sonidos se ha convertido en un campo de investigación activo. Este estudio aborda los desafíos y oportunidades de aplicar modelos de aprendizaje cuántico (QML) en el análisis de sonidos cardíacos reales. El objetivo de este trabajo es evaluar el rendimiento de las máquinas de soporte vectorial cuánticas (QSVM) utilizando diferentes técnicas de representación de señales como la transformada de Fourier de tiempo corto (STFT), los coeficientes cepstrales de Mel-frecuencia (MFCC) y los cocleogramas. Los experimentos realizados, en los cuales se utilizan máquinas de soporte vectorial clásicas (SVM) como referencia, indican una clara viabilidad para incorporar técnicas cuánticas en el análisis y diagnóstico de enfermedades cardiovasculares, especialmente cuando hay pocos ejemplos y se utilizan un número reducido de características. Este hecho podría mejorar significativamente la precisión y eficacia de los métodos de detección utilizados en este contexto, donde generalmente hay datos limitados disponibles.