Masahiro Takei 研究室
主宰者:Masahiro Takei
千葉大学
AI 要約(直近 5 年の研究成果)
本研究室は、電気インピーダンス計測を中核技術として、医療診断から産業応用まで幅広い分野に取り組んでいます。研究の問いの中心は、生体組織や材料内部の電気的性質の空間分布や時間変化をいかに非破壊的に可視化し、その情報から対象の状態や成分を定量化できるかということです。特に乳がんなどの腫瘍組織の識別、筋肉の質的劣化や脂肪浸潤の評価、血液中の医薬品濃度のモニタリングなど、臨床診断への応用に力を入れています。
手法としては、複数の電極を配置したセンサを用いて異なる周波数の電流を印加し、組織や材料からの応答信号を測定する電気インピーダンス分光法や電気インピーダンストモグラフィーを基盤としています。計測した周波数依存データから緩和時間分布やガウス分布フィッティングなどの信号処理解析により、特定の生理的・物理的パラメータを抽出します。さらに、機械学習やニューラルネットワークを組み合わせることで、分類精度や定量精度を向上させています。
主要な発見として、周波数帯域ごとの電気的特性(導電率や誘電率)が組織の微細構造や生理状態を反映することが複数の医療応用で実証されています。また、蛋白質濃度や細胞体積分率など従来は侵襲的な測定が必要とされた生化学的パラメータを、電気信号の解析だけで定量できる可能性が示されています。このように電気計測を通じた非侵襲的な生体・材料評価技術の開発が、本研究室の特徴といえます。
※ 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)
- 工学Tomoyuki Yokota 研究室東京大学論文 176 件·共通: 電極, 電気化学, 材料工学, 物理化学 +7
- 材料科学Teruyasu Mizoguchi 研究室東京大学論文 116 件·共通: 分光, 理論・分光, 材料工学, 物理化学 +8
- 材料科学Ryo Ishikawa 研究室東京大学論文 125 件·共通: 理論・分光, 材料工学, 物理化学, 材料 +6
- 材料科学Kazuo Tanaka 研究室京都大学論文 100 件·共通: 分光, 理論・分光, 材料工学, 物理化学 +5
- 工学Fumihito Arai 研究室東京大学論文 190 件·共通: 電極, 電気化学, 物理化学, がん +5
- 工学Yusuke Hayashi 研究室東京大学論文 120 件·共通: 理論・分光, 物理化学, 学習, 認知・行動 +7
- 物理学・天文学Hiroyuki Takahashi 研究室東京大学論文 180 件·共通: 分光, 理論・分光, 物理化学, がん +5
- 工学Hirokazu Sugiyama 研究室東京大学論文 102 件·共通: 分光, 物理化学, 純粋数学, 工学 +6
研究成果(100 件)
- DOI: https://doi.org/10.1016/j.ces.2026.123958
- DOI: https://doi.org/10.1038/s41598-025-03773-3
- DOI: https://doi.org/10.1016/j.electacta.2025.146245
- DOI: https://doi.org/10.1109/tbme.2025.3561453
- DOI: https://doi.org/10.1016/j.powtec.2025.120938
- DOI: https://doi.org/10.4164/sptj.62.95
- DOI: https://doi.org/10.1016/j.bioelechem.2025.108912
- DOI: https://doi.org/10.1088/2057-1976/adabec
- DOI: https://doi.org/10.1039/d5lc00466g
- DOI: https://doi.org/10.1109/tim.2025.3564018
続きを表示(残り 90 件)閉じる
- DOI: https://doi.org/10.1299/transjsme.24-00208
- DOI: https://doi.org/10.1016/j.measurement.2025.119921
- DOI: https://doi.org/10.1007/s13534-025-00524-1
- DOI: https://doi.org/10.3811/jjmf.2025.t008
- DOI: https://doi.org/10.1021/acsabm.5c01188
- DOI: https://doi.org/10.2478/joeb-2024-0011
- DOI: https://doi.org/10.1109/tim.2024.3366287
- DOI: https://doi.org/10.1109/tim.2024.3441023
- DOI: https://doi.org/10.1039/d4lc00230j
- DOI: https://doi.org/10.1063/5.0189210
- DOI: https://doi.org/10.1299/jsmekanto.2024.30.14e22
- DOI: https://doi.org/10.1299/jsmekanto.2024.30.14e20
- DOI: https://doi.org/10.1299/jsmepes.2024.28.a131
- DOI: https://doi.org/10.1299/jsmekanto.2024.30.14e21
- DOI: https://doi.org/10.1109/ist63414.2024.10759176
- DOI: https://doi.org/10.1016/j.apt.2024.104723
- DOI: https://doi.org/10.1299/jsmemecj.2024.j071p-20
- DOI: https://doi.org/10.1109/jsen.2024.3512482
- DOI: https://doi.org/10.1109/tim.2024.3502740
- DOI: https://doi.org/10.1109/ist63414.2024.10759212
- DOI: https://doi.org/10.1088/2057-1976/ad795f
- DOI: https://doi.org/10.4164/sptj.61.413
- DOI: https://doi.org/10.1088/2057-1976/ad5db1
- DOI: https://doi.org/10.1088/1361-6579/ad6749
- DOI: https://doi.org/10.1088/1361-6501/ad50f9
- DOI: https://doi.org/10.1016/j.flowmeasinst.2024.102593
- DOI: https://doi.org/10.1097/gox.0000000000005661
- [2024] Local Muscle Quality Imaging in Human Calf by Phase Angle Electrical Impedance Tomography (ΦEIT)DOI: https://doi.org/10.1109/tim.2024.3369128
- DOI: https://doi.org/10.1038/s41598-022-27060-7
- DOI: https://doi.org/10.1016/j.ijantimicag.2023.107012
- DOI: https://doi.org/10.3390/s23198062
- DOI: https://doi.org/10.1088/2057-1976/acf61a
- DOI: https://doi.org/10.3389/fphys.2023.1185958
- DOI: https://doi.org/10.1088/2057-1976/ace7d8
- DOI: https://doi.org/10.1007/s12650-023-00932-4
- DOI: https://doi.org/10.1088/2057-1976/acd4c6
- DOI: https://doi.org/10.1088/1361-6501/acc752
- DOI: https://doi.org/10.4164/sptj.60.126
- DOI: https://doi.org/10.1007/s00436-023-07801-x
- DOI: https://doi.org/10.1109/tim.2023.3282295
- [2023] Skin layer classification by feedforward neural network in bioelectrical impedance spectroscopyDOI: https://doi.org/10.2478/joeb-2023-0004
- DOI: https://doi.org/10.1299/jsmeicone.2023.30.1246
- DOI: https://doi.org/10.1299/jsmepes.2023.27.b114
- DOI: https://doi.org/10.1299/jsmebiofro.2023.34.1a11
- DOI: https://doi.org/10.1088/1361-6501/ac6e2e
- DOI: https://doi.org/10.1088/2057-1976/ac5fc5
- DOI: https://doi.org/10.1016/j.measurement.2022.110983
- DOI: https://doi.org/10.1007/s10047-022-01320-9
- DOI: https://doi.org/10.3390/s22031025
- DOI: https://doi.org/10.1109/tim.2022.3166796
- DOI: https://doi.org/10.1016/j.powtec.2022.117140
- DOI: https://doi.org/10.1109/ojim.2022.3212753
- DOI: https://doi.org/10.1299/mej.21-00379
- DOI: https://doi.org/10.2478/joeb-2022-0015
- DOI: https://doi.org/10.2139/ssrn.4017132
- DOI: https://doi.org/10.2139/ssrn.4022155
- DOI: https://doi.org/10.1299/transjsme.22-00090
- DOI: https://doi.org/10.1299/jsmebiofro.2022.32.1d11
- DOI: https://doi.org/10.1109/ojim.2022.3198476
- DOI: https://doi.org/10.2139/ssrn.4310631
- DOI: https://doi.org/10.1299/jsmepes.2022.26.b224
- DOI: https://doi.org/10.1299/jsmefed.2022.os11-09
- DOI: https://doi.org/10.1299/jsmekanto.2022.28.15h02
- DOI: https://doi.org/10.1088/1361-6501/acaa4a
- DOI: https://doi.org/10.1016/j.partic.2022.11.013
- DOI: https://doi.org/10.1109/tim.2022.3220282
- DOI: https://doi.org/10.1063/5.0098154
- DOI: https://doi.org/10.1016/j.apt.2022.103766
- DOI: https://doi.org/10.1115/icone29-88764
- DOI: https://doi.org/10.1109/jsen.2022.3181052
- DOI: https://doi.org/10.1016/j.bios.2022.114432
- DOI: https://doi.org/10.1016/j.snb.2022.131923
- DOI: https://doi.org/10.1109/tim.2021.3124059
- DOI: https://doi.org/10.1016/j.measurement.2021.110135
- DOI: https://doi.org/10.1088/1361-6579/ac2265
- DOI: https://doi.org/10.1115/icone28-63487
- DOI: https://doi.org/10.1088/2057-1976/abfaea
- DOI: https://doi.org/10.4164/sptj.58.119
- DOI: https://doi.org/10.1088/1361-6579/abe9ff
- DOI: https://doi.org/10.3390/s21041496
- DOI: https://doi.org/10.1109/tmtt.2021.3105437
- DOI: https://doi.org/10.1109/access.2021.3064315
- DOI: https://doi.org/10.1109/jsen.2021.3058156
- DOI: https://doi.org/10.1038/s41598-021-82259-4
- DOI: https://doi.org/10.1088/1361-6501/abd96e
- DOI: https://doi.org/10.1299/transjsme.21-00294
- [2021] Super High-speed Cross-sectional Imaging of Fat, Muscle, and Bone by Machine Learning and EITDOI: https://doi.org/10.1109/ica52848.2021.9625686
- DOI: https://doi.org/10.1016/j.apt.2021.11.022
- DOI: https://doi.org/10.1109/jsen.2021.3121407
- DOI: https://doi.org/10.1615/multscientechn.2021039801
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)。