Muthu Subash Kavitha 研究室
主宰者：Muthu Subash Kavitha
長崎大学
AI 要約（直近 5 年の研究成果）
この研究室は、医療画像診断から農業まで、幅広い領域で深層学習と画像処理技術を活用した自動判別システムの開発に取り組んでいます。特に医療画像分野では、胸部X線写真、脳MRI、腎臓CT画像などから疾患や異常を検出・分類するニューラルネットワークベースのモデルを構築しており、放射線科医の診断支援を目指しています。同時に、限られたサンプルデータで学習を進める少数学習手法や、複雑なモデルの判定根拠を可視化する技術にも注力しており、臨床現場での実装を想定した実用性の高いシステム開発を特徴としています。
医療以外の応用分野では、植物の病気診断、道路の損傷検出、顔認識といった実社会の課題解決に向けた研究を進めています。これらの研究では、物体検出や画像分割などの基盤となる計算機視覚技術に加え、ノイズを含む環境での最適化やオンライン学習への適応など、実装上の課題に対応する手法開発も行われています。また、生物学的システムの数理モデリングや、推奨システム、文書管理アプリケーションなど、多様な技術課題に対して、機械学習と統計的手法を組み合わせた包括的なアプローチで臨んでいるのが当研究室の強みです。
※ 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)
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: 深層学習, ネットワーク, AI・機械学習, 機械学習 +9
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +10
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 計算機科学 +9
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 187 件·共通: 深層学習, AI・機械学習, 計算機科学, 学習 +8
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 医学Yohei Okada 研究室京都大学論文 100 件·共通: 機械学習, 機械, 計算機科学, 学習 +8
- 医学Daisaku Nakatani 研究室Osaka University Hospital論文 100 件·共通: 機械学習, 機械, 計算機科学, 学習 +8
- 医学Taku Obara 研究室Tohoku University Hospital論文 100 件·共通: 機械学習, 機械, 計算機科学, 学習 +8
研究成果（59 件）
- DOI: https://doi.org/10.1002/widm.70054
- DOI: https://doi.org/10.1007/s11760-026-05190-z
- DOI: https://doi.org/10.4329/wjr.v18.i4.118196
- DOI: https://doi.org/10.1007/s10462-025-11483-5
- DOI: https://doi.org/10.53894/ijirss.v8i3.7112
- [2025] Tumor Growth Stage Prediction on Ultrasound Breast Cancer Images with Backpropagation NetworkDOI: https://doi.org/10.62046/gijams.2025.v03i03.003
- DOI: https://doi.org/10.1007/s11468-025-03292-x
- DOI: https://doi.org/10.1007/s11760-025-04838-6
続きを表示（残り 49 件）閉じる
- DOI: https://doi.org/10.1109/decon67170.2025.11447562
- DOI: https://doi.org/10.1016/j.compbiomed.2025.111276
- DOI: https://doi.org/10.56093/ijvasr.v54i5.172409
- DOI: https://doi.org/10.1063/5.0262114
- [2024] Tea leaf disease detection using segment anything model and deep convolutional neural networksDOI: https://doi.org/10.1016/j.rineng.2024.103784
- DOI: https://doi.org/10.23919/indiacom61295.2024.10498982
- [2024] Coastal spatial planning using object-based image analysis and image classification techniquesDOI: https://doi.org/10.1016/j.jsames.2024.105322
- DOI: https://doi.org/10.1007/s00500-024-10205-3
- DOI: https://doi.org/10.1007/s43465-024-01218-z
- DOI: https://doi.org/10.1109/cins63881.2024.10864414
- DOI: https://doi.org/10.1007/s00500-024-10203-5
- DOI: https://doi.org/10.1038/s41598-024-68436-1
- DOI: https://doi.org/10.1038/s41598-024-67070-1
- DOI: https://doi.org/10.52783/cana.v31.833
- DOI: https://doi.org/10.1007/s11042-024-18672-4
- [2024] A Fractional-Order Mathematical Model of Banana Xanthomonas Wilt Disease Using Caputo DerivativesDOI: https://doi.org/10.37256/cm.5120242479
- DOI: https://doi.org/10.1109/access.2024.3403520
- DOI: https://doi.org/10.3390/app13053125
- DOI: https://doi.org/10.1007/s00530-023-01168-w
- DOI: https://doi.org/10.1002/sim.9995
- DOI: https://doi.org/10.17485/ijst/v16i32.1302
- DOI: https://doi.org/10.1109/icses60034.2023.10465304
- DOI: https://doi.org/10.1007/s00034-023-02457-5
- [2023] Image Clustering and Feature Extraction by Utilizing an Improvised Unsupervised Learning ApproachDOI: https://doi.org/10.2478/cait-2023-0010
- DOI: https://doi.org/10.3390/diagnostics13071282
- [2023] Smart Diagnosis of Adenocarcinoma Using Convolution Neural Networks and Support Vector MachinesDOI: https://doi.org/10.3390/su15021399
- DOI: https://doi.org/10.1016/j.iswa.2023.200187
- [2023] Automated Detection and Classification of Oral Squamous Cell Carcinoma Using Deep Neural NetworksDOI: https://doi.org/10.3390/diagnostics13050918
- DOI: https://doi.org/10.32604/cmc.2023.044374
- DOI: https://doi.org/10.3390/diagnostics13010112
- [2022] Retracted: A Dense Learning Framework for Tuberculosis Perception Using Lung Radiograph ImagesDOI: https://doi.org/10.1109/c2i456876.2022.10051539
- [2022] Detection and Classification of Irregularities in Cardiac Rhythm using Machine Learning TechniquesDOI: https://doi.org/10.1109/nkcon56289.2022.10126990
- [2022] Weakly-Supervised Action Localization, and Action Recognition Using Global–Local Attention of 3D CNNDOI: https://doi.org/10.1007/s11263-022-01649-x
- [2022] High-Throughput and Power-Efficient Convolutional Neural Network Using One-Pass Processing ElementsDOI: https://doi.org/10.1142/s0218126622502267
- DOI: https://doi.org/10.1002/ima.22743
- DOI: https://doi.org/10.21917/ijme.2022.0227
- DOI: https://doi.org/10.21917/ijsc.2022.0374
- DOI: https://doi.org/10.1038/s41598-021-02805-y
- DOI: https://doi.org/10.1166/jmihi.2021.3909
- [2021] Leveraging network using controlled weight learning approach for thyroid cancer lymph node detectionDOI: https://doi.org/10.1016/j.bbe.2021.10.003
- DOI: https://doi.org/10.1145/3479645.3479676
- DOI: https://doi.org/10.1007/s00521-021-06241-x
- DOI: https://doi.org/10.1016/j.patrec.2021.05.023
- DOI: https://doi.org/10.1007/s00521-021-06017-3
- DOI: https://doi.org/10.17762/turcomat.v12i9.3613
- [2021] Autoencoder framework based on orthogonal projection constraints improves anomalies detectionDOI: https://doi.org/10.1016/j.neucom.2021.04.033
- DOI: https://doi.org/10.32604/cmc.2021.012252
- DOI: https://doi.org/10.26637/mjm0901/0040
- DOI: https://doi.org/10.26637/mjm0901/0118
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）。