光子芯片驱动的胰腺癌早期检测：基于光学子空间神经网络的高效分割方法

1 论文核心概念

本文提出了一种基于集成光子芯片的光学子空间神经网络（Optical Subspace Neural Network, OSNN），用于胰腺癌的早期检测与图像分割。其核心思想是利用光子芯片的高并行性、低延迟和低能耗特性，替代传统的电子硬件加速器，在保持高精度的同时显著提升处理速度和能效。
该方法在NIH胰腺CT数据集上实现了约80%的Dice分数，表现出与电子系统相当的性能，但具备更高的效率和可扩展性。

2 论文内名词解释

2.1 ONN（Optical Neural Network，光学神经网络）

一种利用光学器件（如调制器、波导、探测器等）实现神经网络计算的硬件系统。其优势在于光信号的高速度、低延迟和并行处理能力，适用于大规模矩阵运算。

2.2 OSNN（Optical Subspace Neural Network，光学子空间神经网络）

本文提出的神经网络架构，将全连接层的权重矩阵分解为多个子矩阵（submatrix），每个子矩阵由蝴蝶式光子网格（butterfly-style photonic mesh）实现，显著减少了光子器件的数量和训练复杂度。