Shimpei Kato 研究室
主宰者:Shimpei Kato
東京大学
AI 要約(直近 5 年の研究成果)
本研究室は、医療用画像撮像法と人工知能解析を組み合わせて、脳や臓器の疾患診断を支援する研究を展開しています。具体的には、磁気共鳴画像検査(MRI)やコンピュータ断層撮影(CT)で得られた医療画像データに対して、深層学習などの機械学習技術を適用し、医師の診断精度向上や読影時間短縮に取り組んでいます。例えば、脳の転移がん検出や子宮肉腫の自動診断など、複数の臨床応用例を開発しており、特に経験の浅い医師の診断能力を向上させることに着目しています。
同時に、先進的な医療画像解析手法を用いて、神経変性疾患や免疫関連疾患における脳や脊髄の微細な構造変化を定量的に評価する研究も進めています。多発性硬化症や視神経脊髄炎といった中枢神経系疾患において、従来の画像解析では見落とされていた神経組織の性質の違いを検出し、疾患の早期発見や鑑別診断に役立つバイオマーカーの開発を目指しています。また、医療用造影剤が脳に蓄積する仕組みや、新規の画像撮像方法の精密性向上など、画像検査そのものの安全性と信頼性を高める基礎研究も並行して実施しています。
※ 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)
- 医学Ryōsuke Takahashi 研究室京都大学論文 100 件·共通: 神経変性, 神経変性疾患, 神経・精神疾患, 脳 +8
- 医学Osamu Abe 研究室University of Tokyo Hospital論文 100 件·共通: 神経変性疾患, 神経・精神疾患, 学習, 脳 +10
- 神経科学Hiroyuki Ishiura 研究室University of Tokyo Hospital論文 100 件·共通: 神経変性, 神経変性疾患, 神経・精神疾患, 脳 +8
- 生化学・分子生物学・遺伝学Hiroaki Suga 研究室東京大学論文 100 件·共通: 神経変性, 神経変性疾患, 神経・精神疾患, 神経 +8
- 医学Motoyuki Umekawa 研究室University of Tokyo Hospital論文 120 件·共通: 転移, がん進展, 脳, 神経 +8
- 医学Yoshikuni Kawaguchi 研究室University of Tokyo Hospital論文 100 件·共通: 転移, がん進展, 学習, 免疫 +7
- 医学Takashi Kaito 研究室大阪大学論文 100 件·共通: 転移, がん進展, 学習, 神経 +6
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: 転移, がん進展, 神経・精神疾患, 学習 +5
研究成果(52 件)
- DOI: https://doi.org/10.1097/rli.0000000000001275
- DOI: https://doi.org/10.1097/rli.0000000000001275
- DOI: https://doi.org/10.1007/s11604-025-01884-5
- DOI: https://doi.org/10.1007/s11604-025-01884-5
- DOI: https://doi.org/10.1016/j.jvir.2025.08.017
- DOI: https://doi.org/10.1186/s41747-025-00568-z
- DOI: https://doi.org/10.1016/j.jvir.2025.08.017
- DOI: https://doi.org/10.1186/s41747-025-00568-z
- DOI: https://doi.org/10.1016/j.crad.2024.03.002
- DOI: https://doi.org/10.1007/s10278-024-01112-y
続きを表示(残り 42 件)閉じる
- DOI: https://doi.org/10.1007/s10278-024-01112-y
- DOI: https://doi.org/10.1016/j.crad.2024.03.002
- DOI: https://doi.org/10.1038/s41598-023-38878-0
- DOI: https://doi.org/10.3802/jgo.2024.35.e24
- DOI: https://doi.org/10.58530/2022/4751
- DOI: https://doi.org/10.3802/jgo.2024.35.e24
- DOI: https://doi.org/10.58530/2022/4751
- DOI: https://doi.org/10.1038/s41598-023-38878-0
- DOI: https://doi.org/10.2463/mrms.mp.2022-0099
- DOI: https://doi.org/10.2463/mrms.mp.2022-0099
- DOI: https://doi.org/10.1097/rct.0000000000001339
- DOI: https://doi.org/10.1177/02841851221139124
- DOI: https://doi.org/10.1177/02841851221139124
- [2022] Development of a deep learning method for improving diagnostic accuracy for uterine sarcoma casesDOI: https://doi.org/10.1038/s41598-022-23064-5
- [2022] Osteolytic or mixed bone metastasis is not uncommon in patients with high-risk prostate cancerDOI: https://doi.org/10.1016/j.ejrad.2022.110595
- [2022] Development of a deep learning method for improving diagnostic accuracy for uterine sarcoma casesDOI: https://doi.org/10.1038/s41598-022-23064-5
- [2022] Osteolytic or mixed bone metastasis is not uncommon in patients with high-risk prostate cancerDOI: https://doi.org/10.1016/j.ejrad.2022.110595
- DOI: https://doi.org/10.1097/rct.0000000000001339
- DOI: https://doi.org/10.1002/jnr.25035
- DOI: https://doi.org/10.1007/s00330-022-08555-3
- DOI: https://doi.org/10.1002/jnr.25035
- DOI: https://doi.org/10.1007/s00330-022-08555-3
- DOI: https://doi.org/10.1016/j.jns.2022.120205
- DOI: https://doi.org/10.1007/s00234-022-02902-3
- DOI: https://doi.org/10.1016/j.jns.2022.120205
- DOI: https://doi.org/10.1007/s00234-022-02902-3
- DOI: https://doi.org/10.1007/s00234-021-02732-9
- DOI: https://doi.org/10.1016/j.ejrad.2021.110015
- DOI: https://doi.org/10.1007/s00234-021-02743-6
- DOI: https://doi.org/10.3174/ajnr.a6930
- DOI: https://doi.org/10.3174/ajnr.a6930
- DOI: https://doi.org/10.1016/j.ejrad.2021.110015
- DOI: https://doi.org/10.1111/jon.12916
- DOI: https://doi.org/10.1007/s00234-021-02732-9
- DOI: https://doi.org/10.1007/s00234-021-02743-6
- DOI: https://doi.org/10.1016/j.jocn.2021.02.018
- DOI: https://doi.org/10.1016/j.ejrad.2021.109577
- DOI: https://doi.org/10.1016/j.mri.2021.01.001
- DOI: https://doi.org/10.1016/j.jocn.2021.02.018
- DOI: https://doi.org/10.1016/j.ejrad.2021.109577
- DOI: https://doi.org/10.1016/j.mri.2021.01.001
- DOI: https://doi.org/10.1111/jon.12916
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)。