Tsukasa Saida 研究室
主宰者:Tsukasa Saida
筑波大学
AI 要約(直近 5 年の研究成果)
Saida研究室は、主に医学画像診断を用いて、婦人科がんおよび腹部臓器疾患の診断精度向上に関する研究を行っています。具体的には、子宮がんや卵巣がんなどの婦人科悪性腫瘍について、磁気共鳴画像法(MRI)やコンピュータ断層撮影(CT)などの非侵襲的画像検査により、腫瘍の種類や悪性度、進行度を正確に判定する手法を開発しています。また、拡散強調画像やダイナミック造影画像など、複数の撮像技術を組み合わせることで、診断性能の向上を目指しています。
さらに、新興画像技術の臨床応用も進めており、デュアルエネルギーCTや光子計数検出器CTなどの最新機器の有用性を検証しています。加えて、ナトリウムMRIのように従来の診断とは異なるアプローチで、腫瘍や組織の生化学的性質を評価する研究にも取り組んでいます。これらの研究を通じ、がん患者の適切な治療選択や予後予測に貢献することを目指しています。
一方、腹部血管系の疾患についても、血管塞栓術などのカテーテル治療の有用性を検討しています。研究室は医学画像診断と臨床医学を統合し、患者の診断・治療の質向上に役立つエビデンスを創出することに注力しています。
※ 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Kei Takase 研究室Tohoku University Hospital論文 100 件·共通: 血管, 循環器, がん基礎, 腫瘍 +4
- 医学Hirofumi Nakatomi 研究室東京大学論文 123 件·共通: 血管, 循環器, がん基礎, 腫瘍 +4
- 医学Teiji Tominaga 研究室東北大学論文 100 件·共通: 血管, 循環器, がん基礎, 腫瘍 +3
- 医学Yuki Shinya 研究室University of Tokyo Hospital論文 194 件·共通: 血管, 循環器, がん基礎, 腫瘍 +3
- 医学Atsuto Katano 研究室University of Tokyo Hospital論文 191 件·共通: 血管, 循環器, がん基礎, 腫瘍 +3
- 医学Motoyuki Umekawa 研究室University of Tokyo Hospital論文 120 件·共通: 血管, 循環器, がん基礎, 腫瘍 +3
- 医学Yoji Tanaka 研究室東京大学論文 112 件·共通: 血管, 循環器, がん基礎, 腫瘍 +3
- 医学Shota Tanaka 研究室東京大学論文 111 件·共通: 血管, 循環器, がん基礎, 腫瘍 +3
研究成果(40 件)
- DOI: https://doi.org/10.21873/anticanres.18094
- DOI: https://doi.org/10.1007/s11604-026-01952-4
- DOI: https://doi.org/10.1007/s12149-025-02145-1
- DOI: https://doi.org/10.2463/mrms.rev.2025-0150
- DOI: https://doi.org/10.58530/2025/2140
- DOI: https://doi.org/10.58530/2025/3120
- DOI: https://doi.org/10.58530/2025/3122
- DOI: https://doi.org/10.1007/s11604-025-01907-1
- DOI: https://doi.org/10.1007/s00261-025-05272-5
- DOI: https://doi.org/10.2463/mrms.mp.2025-0071
続きを表示(残り 30 件)閉じる
- DOI: https://doi.org/10.1177/02841851251376598
- DOI: https://doi.org/10.4274/dir.2025.253550
- DOI: https://doi.org/10.1093/bjr/tqaf191
- DOI: https://doi.org/10.1007/s11604-025-01813-6
- DOI: https://doi.org/10.1007/s11604-025-01750-4
- DOI: https://doi.org/10.1007/s00256-025-04968-5
- DOI: https://doi.org/10.7759/cureus.79514
- DOI: https://doi.org/10.1007/s00261-024-04260-5
- DOI: https://doi.org/10.1016/j.radcr.2024.08.009
- DOI: https://doi.org/10.5114/pjr/189487
- DOI: https://doi.org/10.1055/s-0044-1787780
- DOI: https://doi.org/10.1007/s11604-023-01518-8
- DOI: https://doi.org/10.1093/mr/roae098
- DOI: https://doi.org/10.1186/s40792-024-02034-1
- DOI: https://doi.org/10.2463/mrms.mp.2024-0048
- DOI: https://doi.org/10.1093/bjr/tqae165
- DOI: https://doi.org/10.2463/mrms.mp.2024-0064
- DOI: https://doi.org/10.1186/s12885-023-11110-y
- DOI: https://doi.org/10.1186/s13244-023-01468-9
- DOI: https://doi.org/10.1016/j.radcr.2023.01.003
- DOI: https://doi.org/10.1259/bjro.20220036
- DOI: https://doi.org/10.1016/j.radcr.2022.10.101
- DOI: https://doi.org/10.1016/j.radcr.2022.10.085
- DOI: https://doi.org/10.2463/mrms.mp.2022-0061
- DOI: https://doi.org/10.5114/pjr.2022.119806
- DOI: https://doi.org/10.1016/j.ejrad.2022.110445
- DOI: https://doi.org/10.1186/s12880-022-00808-3
- DOI: https://doi.org/10.3390/cancers14040987
- [2022] Diagnosing gangrenous cholecystitis on computed tomography using deep learning: A preliminary studyDOI: https://doi.org/10.1002/ams2.783
- DOI: https://doi.org/10.1186/s13014-021-01840-3
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)。