光子芯片驅動的胰腺癌早期檢測：基于光學子空間神經網絡的高效分割方法

1 論文核心概念

本文提出了一種基于集成光子芯片的光學子空間神經網絡（Optical Subspace Neural Network, OSNN），用于胰腺癌的早期檢測與圖像分割。其核心思想是利用光子芯片的高并行性、低延遲和低能耗特性，替代傳統的電子硬件加速器，在保持高精度的同時顯著提升處理速度和能效。
該方法在NIH胰腺CT數據集上實現了約80%的Dice分數，表現出與電子系統相當的性能，但具備更高的效率和可擴展性。

2 論文內名詞解釋

2.1 ONN（Optical Neural Network，光學神經網絡）

一種利用光學器件（如調制器、波導、探測器等）實現神經網絡計算的硬件系統。其優勢在于光信號的高速度、低延遲和并行處理能力，適用于大規模矩陣運算。

2.2 OSNN（Optical Subspace Neural Network，光學子空間神經網絡）

本文提出的神經網絡架構，將全連接層的權重矩陣分解為多個子矩陣（submatrix），每個子矩陣由蝴蝶式光子網格（butterfly-style photonic mesh）實現，顯著減少了光子器件的數量和訓練復雜度。