Seohyun Lee 研究室
主宰者:Seohyun Lee
東京大学
AI 要約(直近 5 年の研究成果)
本研究室では、細胞内での物質輸送現象を画像処理と機械学習の手法で可視化・解析することを主な課題としています。具体的には、蛍光顕微鏡で撮影された細胞内画像から、小胞や膜小胞体といった輸送体の動きをコンピュータが自動で追跡・分類するアルゴリズムの開発に取り組んでいます。歯周病病原菌が放出する膜小胞体の細胞内移動経路の追跡や、ウイルス感染時の物質配送メカニズムの解明など、医学的に重要な輸送現象を定量的に評価することが目標です。
並行して、がん細胞の転移能を細胞形態の画像から機械学習によって判別する研究にも従事しています。転移性と非転移性のがん細胞では形態や移動性に違いが見られることに着目し、深層学習やデータ生成技術を用いて細胞の悪性度を予測するモデルを構築しています。
さらに、このような画像解析の基盤となるRNA配列解析プロトコールの整備や、3次元画像の補正アルゴリズムの改善など、より正確で汎用的な解析基盤の構築にも注力しており、生命科学分野での計算解析手法の実用化を推進しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: 転移, がん進展, 機械, 学習 +8
- 医学Soichiro Ishihara 研究室University of Tokyo Hospital論文 100 件·共通: 転移, がん進展, 機械, 学習 +8
- 医学Masatoshi Eto 研究室九州大学論文 100 件·共通: 機械, 学習, 機械工学, 認知・行動 +12
- 医学Akihiro Homma 研究室北海道大学論文 100 件·共通: 転移, がん進展, 学習, 認知・行動 +9
- 医学Masaya Sato 研究室University of Tokyo Hospital論文 112 件·共通: 機械, 学習, 機械工学, 認知・行動 +11
- 材料科学Teruyasu Mizoguchi 研究室東京大学論文 116 件·共通: 転移, 機械, 学習, 機械工学 +7
- 環境科学Yoshitaka Nishikawa 研究室Kyoto University Hospital論文 100 件·共通: 機械, 学習, 機械工学, 認知・行動 +9
- 医学Kazuhito Sasaki 研究室University of Tokyo Hospital論文 100 件·共通: 転移, がん進展, RNA, がん +7
研究成果(19 件)
- DOI: https://doi.org/10.15083/0002014174
- DOI: https://doi.org/10.5220/0013150600003912
- DOI: https://doi.org/10.15083/0002014174
- DOI: https://doi.org/10.5220/0013150600003912
- DOI: https://doi.org/10.1109/nanomed64244.2024.10946030
- [2024] Protocol for identifying differentially expressed genes using the RumBall RNA-seq analysis platformDOI: https://doi.org/10.1016/j.xpro.2024.102926
- DOI: https://doi.org/10.1109/nanomed64244.2024.10946030
- [2024] Protocol for identifying differentially expressed genes using the RumBall RNA-seq analysis platformDOI: https://doi.org/10.1016/j.xpro.2024.102926
- DOI: https://doi.org/10.1117/12.2649474
- DOI: https://doi.org/10.1117/12.2649474
続きを表示(残り 9 件)閉じる
- DOI: https://doi.org/10.1109/icaiic54071.2022.9722664
- [2022] Deep learning approach for metastatic cancer cell classification using live-cell imaging dataDOI: https://doi.org/10.1117/12.2608017
- [2022] Deep learning approach for metastatic cancer cell classification using live-cell imaging dataDOI: https://doi.org/10.1117/12.2608017
- DOI: https://doi.org/10.1109/icaiic54071.2022.9722664
- DOI: https://doi.org/10.3390/s21020522
- DOI: https://doi.org/10.3390/s21020522
- DOI: https://doi.org/10.1117/12.2576170
- DOI: https://doi.org/10.1109/icaiic51459.2021.9415245
- DOI: https://doi.org/10.1109/icaiic51459.2021.9415245
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。