Shohei Fujita 研究室
主宰者:Shohei Fujita
順天堂大学
AI 要約(直近 5 年の研究成果)
Shohei Fujita研究室は、磁気共鳴画像法(MRI)の技術開発と臨床応用を中心に研究を進めています。特に、スキャン時間の短縮と画像品質の向上を両立させるための新しい撮像方法の開発に力を注いでいます。患者の体動による画像の乱れを自動的に補正する手法や、深層学習を用いた高速画像再構成技術を組み合わせることで、認知機能低下患者など動きやすい患者でも高品質な脳画像を取得できるシステムの構築を進めています。
同時に、組織の性質を数値化するMRI定量技術の開発にも取り組んでいます。複数の物理パラメータ(T1値、T2値、脂肪含有率など)を効率的に測定できる撮像法を開発し、肝臓の脂肪変性や線維化などの病態評価に応用しています。これらの技術は異なるメーカーのMRI装置でも同じ結果が得られるよう標準化することを目指しており、多施設での臨床研究や診断の統一を実現しようとしています。
さらに、画像解析にAI・機械学習を導入することで、膨大なMRIデータから疾患の進行パターンを自動抽出したり、脳の構造的変化を定量的に評価したりする研究にも従事しています。これらの成果は、神経変性疾患や肝疾患などの早期診断および病態追跡に貢献する可能性を持っています。
※ 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: AI・機械学習, 神経・精神疾患, 機械, 学習 +10
- 医学Koji Kamagata 研究室順天堂大学論文 100 件·共通: 神経変性, 神経変性疾患, 神経・精神疾患, 認知 +8
- 神経科学Shogo Okamoto 研究室東京都立大学論文 100 件·共通: AI・機械学習, 認知, 機械, 学習 +9
- 医学Satoshi Kuwabara 研究室Chiba University Hospital論文 100 件·共通: 神経変性, 神経変性疾患, 神経・精神疾患, 認知 +7
- 医学Satoshi Suzuki 研究室Keio University Hospital論文 100 件·共通: AI・機械学習, 機械, 学習, 計算機科学 +9
- 医学Hiroyasu Iwata 研究室早稲田大学論文 100 件·共通: AI・機械学習, 機械, 学習, 計算機科学 +8
- 免疫学・微生物学Koji Kawakami 研究室京都大学論文 100 件·共通: 機械, 学習, 計算機科学, システム +10
- 医学Hidekazu Tanaka 研究室神戸大学論文 100 件·共通: AI・機械学習, 機械, 学習, 脳 +9
研究成果(100 件)
- DOI: https://doi.org/10.1093/radadv/umaf016
- DOI: https://doi.org/10.1097/rli.0000000000001192
- DOI: https://doi.org/10.1227/neuprac.0000000000000133
- DOI: https://doi.org/10.2463/jjmrm.2025-1839
- DOI: https://doi.org/10.7759/cureus.78744
- DOI: https://doi.org/10.58530/2025/1104
- [2025] Deterioration Survey of Buildings on Gunkanjima-Island Using a Tracked Vehicle with a ManipulatorDOI: https://doi.org/10.1299/jsmermd.2025.2p1-a04
- DOI: https://doi.org/10.1002/mrm.70223
- DOI: https://doi.org/10.58530/2025/3927
- [2025] Utility of Harmonisation for Fixel‐Based Metrics in Travelling Subjects and Alzheimer's Disease DataDOI: https://doi.org/10.1002/hbm.70408
続きを表示(残り 90 件)閉じる
- DOI: https://doi.org/10.1002/mrm.70143
- DOI: https://doi.org/10.3174/ajnr.a8977
- DOI: https://doi.org/10.1109/tbme.2025.3617575
- DOI: https://doi.org/10.58530/2025/4594
- DOI: https://doi.org/10.58530/2025/0577
- DOI: https://doi.org/10.58530/2025/1660
- DOI: https://doi.org/10.58530/2025/1274
- DOI: https://doi.org/10.58530/2025/0775
- DOI: https://doi.org/10.58530/2025/1109
- DOI: https://doi.org/10.58530/2025/0514
- DOI: https://doi.org/10.58530/2025/0815
- DOI: https://doi.org/10.21037/qims-24-1870
- DOI: https://doi.org/10.58530/2025/5138
- DOI: https://doi.org/10.58530/2025/4433
- DOI: https://doi.org/10.1093/radadv/umaf022
- [2025] Vendor‐agnostic <scp>3D</scp> multiparametric relaxometry improves cross‐platform reproducibilityDOI: https://doi.org/10.1002/mrm.30566
- DOI: https://doi.org/10.1002/mrm.30018
- DOI: https://doi.org/10.58530/2024/4424
- DOI: https://doi.org/10.1001/jamanetworkopen.2024.41466
- DOI: https://doi.org/10.58530/2023/0798
- DOI: https://doi.org/10.58530/2023/3462
- [2024] Harmonization of the multisite ALPS-index based on DTI-ALPS using the combined association testDOI: https://doi.org/10.58530/2023/3245
- DOI: https://doi.org/10.58530/2023/2828
- DOI: https://doi.org/10.1093/noajnl/vdae173.095
- DOI: https://doi.org/10.58530/2024/0955
- DOI: https://doi.org/10.58530/2024/0395
- DOI: https://doi.org/10.58530/2024/2513
- DOI: https://doi.org/10.58530/2024/2440
- DOI: https://doi.org/10.58530/2024/4435
- DOI: https://doi.org/10.58530/2024/3911
- DOI: https://doi.org/10.58530/2024/0503
- DOI: https://doi.org/10.58530/2024/0003
- DOI: https://doi.org/10.58530/2024/1904
- DOI: https://doi.org/10.58530/2024/0625
- DOI: https://doi.org/10.58530/2024/3002
- DOI: https://doi.org/10.58530/2024/0568
- DOI: https://doi.org/10.3171/case24265
- DOI: https://doi.org/10.58530/2023/1548
- DOI: https://doi.org/10.58530/2023/3582
- DOI: https://doi.org/10.58530/2023/3006
- DOI: https://doi.org/10.58530/2023/0398
- DOI: https://doi.org/10.2463/mrms.rev.2024-0056
- DOI: https://doi.org/10.3171/case24219
- DOI: https://doi.org/10.3171/case24217
- DOI: https://doi.org/10.1016/j.mri.2024.07.004
- DOI: https://doi.org/10.1093/ofid/ofae215
- DOI: https://doi.org/10.1007/s11604-024-01552-0
- DOI: https://doi.org/10.1016/j.ijid.2024.01.021
- DOI: https://doi.org/10.1002/mrm.29939
- DOI: https://doi.org/10.58530/2022/3589
- DOI: https://doi.org/10.58530/2022/4695
- DOI: https://doi.org/10.58530/2022/3160
- DOI: https://doi.org/10.14336/ad.2023.1020
- DOI: https://doi.org/10.1093/noajnl/vdad141.048
- [2023] MR Fingerprinting for Contrast Agent–free and Quantitative Characterization of Focal Liver LesionsDOI: https://doi.org/10.1148/rycan.230036
- DOI: https://doi.org/10.1097/rli.0000000000001015
- DOI: https://doi.org/10.1038/s41531-023-00565-2
- [2023] MR fingerprinting and complex-valued neural network for quantification of brain amyloid burdenDOI: https://doi.org/10.58530/2022/0559
- DOI: https://doi.org/10.58530/2022/4198
- DOI: https://doi.org/10.58530/2022/4723
- DOI: https://doi.org/10.58530/2022/3011
- DOI: https://doi.org/10.58530/2022/0367
- DOI: https://doi.org/10.58530/2022/2966
- DOI: https://doi.org/10.1001/jamanetworkopen.2023.18153
- DOI: https://doi.org/10.1007/s12194-023-00728-z
- DOI: https://doi.org/10.2463/jjmrm.2023-1791
- DOI: https://doi.org/10.2463/jjmrm.2022-1770
- DOI: https://doi.org/10.1002/jmri.28683
- DOI: https://doi.org/10.3389/fneur.2023.1100736
- DOI: https://doi.org/10.1128/spectrum.04987-22
- DOI: https://doi.org/10.2463/jjmrm.2021-1747
- DOI: https://doi.org/10.1007/s00330-022-08555-3
- DOI: https://doi.org/10.3389/fneur.2022.814768
- DOI: https://doi.org/10.1016/j.jns.2022.120205
- DOI: https://doi.org/10.1093/cercor/bhac096
- DOI: https://doi.org/10.1016/j.mri.2022.11.010
- DOI: https://doi.org/10.1126/sciadv.abo6043
- DOI: https://doi.org/10.1212/wnl.0000000000201300
- DOI: https://doi.org/10.1148/radiol.220736
- DOI: https://doi.org/10.1093/braincomms/fcac211
- DOI: https://doi.org/10.2463/jjmrm.2021-1745
- DOI: https://doi.org/10.1016/j.neuroimage.2022.119176
- DOI: https://doi.org/10.1177/02841851221089835
- DOI: https://doi.org/10.1002/jnr.25035
- DOI: https://doi.org/10.1038/s41598-022-08558-6
- DOI: https://doi.org/10.2463/mrms.ici.2021-0083
- DOI: https://doi.org/10.5281/zenodo.5385899
- DOI: https://doi.org/10.3390/polym14010043
- DOI: https://doi.org/10.2463/mrms.mp.2021-0068
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)。