Jianhua Ma 研究室
主宰者：Jianhua Ma
法政大学
AI 要約（直近 5 年の研究成果）
Jianhua Ma研究室は、医療画像診断と健康モニタリングに関する幅広い研究に取り組んでいます。医療画像領域では、CT検査やMRI検査における画像品質の向上に注力しており、特に線量低減技術や金属アーティファクト除去、肺塞栓症の自動検出といった臨床的に重要な課題に対して、深層学習を活用した解析手法を開発しています。また、複数の医療施設間でのデータ共有を可能にしつつプライバシーを保護するフェデレーテッド学習の適用にも取り組んでおり、データ分散性への対応や実装上の課題解決を進めています。
並行して、非接触センサー技術を用いた健康モニタリング研究も展開しています。FMCW（周波数変調連続波）レーダーを活用して、心拍や呼吸といった生体情報を遠隔で測定し、睡眠姿勢認識や呼吸イベント検出など実用的な応用を検証しています。さらに、栄養介入が骨発達に及ぼす影響を、臨床試験と実験モデルを組み合わせて調査するなど、多角的なアプローチで人間の健康状態の定量的把握と予測を目指しています。これらの研究を通じて、臨床診断の高度化と個人の継続的な健康管理の実現に貢献することを目指しています。
※ 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)
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: 深層学習, AI・機械学習, 機械学習, 栄養 +10
- 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, 肺 +8
- 医学Daisuke Nakajima 研究室Kyoto University Hospital論文 100 件·共通: 栄養, 食品科学, 食品・水産, 肺 +8
- 経済学Zhuo Chen 研究室東京大学論文 174 件·共通: 栄養, 食品科学, 食品・水産, 農学 +9
- 医学Yohei Sotomi 研究室大阪大学論文 100 件·共通: 栄養, 食品科学, 食品・水産, 肺 +5
- 医学Naoki Urakawa 研究室神戸大学論文 100 件·共通: 栄養, 食品科学, 食品・水産, 農学 +8
- 医学Chihiro Konoeda 研究室University of Tokyo Hospital論文 105 件·共通: 栄養, 食品科学, 食品・水産, 肺 +5
- 医学Noriyuki Enomoto 研究室浜松医科大学論文 100 件·共通: 栄養, 食品科学, 食品・水産, 肺 +5
研究成果（100 件）
- DOI: https://doi.org/10.1039/d4fo04240a
- DOI: https://doi.org/10.1016/j.media.2025.103806
- DOI: https://doi.org/10.21097/ksw.2025.8.20.3.19
- DOI: https://doi.org/10.1016/j.jnca.2025.104300
- DOI: https://doi.org/10.1016/j.patcog.2025.112272
- DOI: https://doi.org/10.1186/s13102-025-01447-1
- [2025] CT Diagnostic Mode-Oriented and Cross Difficulty-Aware Network for Pulmonary Embolism SegmentationDOI: https://doi.org/10.1109/tmi.2025.3631047
- DOI: https://doi.org/10.1145/3746259.3760431
- DOI: https://doi.org/10.3390/agronomy15102253
- DOI: https://doi.org/10.58530/2025/4623
続きを表示（残り 90 件）閉じる
- DOI: https://doi.org/10.1038/s44172-025-00485-4
- DOI: https://doi.org/10.1109/jbhi.2025.3587639
- DOI: https://doi.org/10.1016/j.media.2025.103710
- [2025] Prediction of Failure Pressure of Sulfur-Corrosion-Defective Pipelines Based on GABP Neural NetworksDOI: https://doi.org/10.3390/ma18133177
- DOI: https://doi.org/10.1016/j.compmedimag.2025.102601
- DOI: https://doi.org/10.1109/trpms.2025.3574209
- [2025] Research and application of deep learning object detection methods for forest fire smoke recognitionDOI: https://doi.org/10.1038/s41598-025-98086-w
- DOI: https://doi.org/10.1016/j.jare.2025.04.013
- DOI: https://doi.org/10.21037/jtd-24-1702
- [2025] Inclusion of spatio-energetic charge sharing effect model for accurate photon counting CT simulationDOI: https://doi.org/10.1177/08953996251323725
- DOI: https://doi.org/10.1109/tmi.2025.3534316
- DOI: https://doi.org/10.1109/tci.2025.3619821
- DOI: https://doi.org/10.18653/v1/2025.emnlp-main.857
- DOI: https://doi.org/10.18653/v1/2025.emnlp-industry.172
- DOI: https://doi.org/10.1109/tmi.2024.3522242
- DOI: https://doi.org/10.14696/jcs.2024.12.24.4.200
- DOI: https://doi.org/10.1109/trpms.2024.3515036
- DOI: https://doi.org/10.1007/s00521-024-10508-4
- DOI: https://doi.org/10.1109/swc62898.2024.00033
- DOI: https://doi.org/10.1109/swc62898.2024.00053
- DOI: https://doi.org/10.1109/swc62898.2024.00052
- DOI: https://doi.org/10.1016/j.media.2024.103397
- DOI: https://doi.org/10.1109/picom64201.2024.00007
- DOI: https://doi.org/10.1109/cyberscitech64112.2024.00087
- DOI: https://doi.org/10.3390/su16166784
- [2024] Detecting Characteristic Points in Breathing Cycles Using FMCW Radar with Spirometer as ReferenceDOI: https://doi.org/10.1109/cyberscitech64112.2024.00052
- DOI: https://doi.org/10.1016/j.ijrobp.2024.07.200
- DOI: https://doi.org/10.3233/xst-240104
- DOI: https://doi.org/10.12122/j.issn.1673-4254.2024.06.21
- DOI: https://doi.org/10.12122/j.issn.1673-4254.2024.06.22
- DOI: https://doi.org/10.1007/s00062-024-01421-3
- DOI: https://doi.org/10.1002/anie.202482111
- DOI: https://doi.org/10.1002/anie.202481711
- DOI: https://doi.org/10.1088/1361-6560/ad3c0a
- DOI: https://doi.org/10.1088/1361-6560/ad3c0c
- DOI: https://doi.org/10.1088/1361-6560/ad3c0b
- DOI: https://doi.org/10.1016/j.joca.2024.02.110
- [2024] A model-based MR parameter mapping network robust to substantial variations in acquisition settingsDOI: https://doi.org/10.1016/j.media.2024.103148
- DOI: https://doi.org/10.1109/jbhi.2024.3376628
- DOI: https://doi.org/10.1088/1361-6560/ad2ee7
- DOI: https://doi.org/10.1016/j.compbiomed.2024.108186
- DOI: https://doi.org/10.12122/j.issn.1673-4254.2024.02.16
- [2024] Breaking boundaries in radiology: redefining AI diagnostics via raw data ahead of reconstructionDOI: https://doi.org/10.1088/1361-6560/ad1e7c
- DOI: https://doi.org/10.14283/jpad.2024.6
- DOI: https://doi.org/10.52202/079017-1250
- DOI: https://doi.org/10.1051/shsconf/202419902031
- DOI: https://doi.org/10.52202/079017-2519
- DOI: https://doi.org/10.1109/tmi.2023.3347258
- DOI: https://doi.org/10.1016/j.asoc.2023.111169
- DOI: https://doi.org/10.1109/icpads60453.2023.00094
- DOI: https://doi.org/10.1109/ithings-greencom-cpscom-smartdata-cybermatics60724.2023.00109
- DOI: https://doi.org/10.1109/ithings-greencom-cpscom-smartdata-cybermatics60724.2023.00056
- DOI: https://doi.org/10.2147/cmar.s436808
- DOI: https://doi.org/10.1109/tmi.2023.3321064
- DOI: https://doi.org/10.1109/tmi.2023.3319668
- DOI: https://doi.org/10.1016/j.eswa.2023.121565
- DOI: https://doi.org/10.1109/jbhi.2023.3312748
- DOI: https://doi.org/10.1109/tmi.2023.3310987
- DOI: https://doi.org/10.1109/swc57546.2023.10448750
- DOI: https://doi.org/10.1109/swc57546.2023.10449193
- DOI: https://doi.org/10.1109/swc57546.2023.10448663
- DOI: https://doi.org/10.12122/j.issn.1673-4254.2023.06.14
- DOI: https://doi.org/10.12122/j.issn.1673-4254.2023.04.16
- DOI: https://doi.org/10.1117/12.2654180
- DOI: https://doi.org/10.1117/12.2654177
- [2023] Unpaired learning with a data-dependent noise-generative model for low-dose CT sinogram restorationDOI: https://doi.org/10.1117/12.2649781
- DOI: https://doi.org/10.1117/12.2654192
- DOI: https://doi.org/10.1117/12.2654184
- [2023] Deep learning-based “All-in-One” combined visualization strategy for disease screening in CT imagingDOI: https://doi.org/10.1117/12.2654188
- DOI: https://doi.org/10.1117/12.2654197
- DOI: https://doi.org/10.1117/12.2654201
- [2023] Self-attention network for weak-supervised learning multi-material decomposition in dual energy CTDOI: https://doi.org/10.1117/12.2654205
- DOI: https://doi.org/10.1117/12.2654204
- DOI: https://doi.org/10.1117/12.2654207
- DOI: https://doi.org/10.1117/12.2654202
- DOI: https://doi.org/10.1145/3587828.3587855
- DOI: https://doi.org/10.1088/1361-6560/acbddf
- DOI: https://doi.org/10.1002/mp.16115
- DOI: https://doi.org/10.1088/1361-6560/aca194
- DOI: https://doi.org/10.1109/nss/mic44845.2022.10399186
- DOI: https://doi.org/10.1016/j.joca.2022.10.014
- DOI: https://doi.org/10.1117/12.2646643
- DOI: https://doi.org/10.1117/12.2646639
- DOI: https://doi.org/10.1117/12.2646640
- DOI: https://doi.org/10.1117/12.2646647
- DOI: https://doi.org/10.1117/12.2646642
- DOI: https://doi.org/10.1117/12.2646645
- DOI: https://doi.org/10.1016/j.tice.2022.101954
- DOI: https://doi.org/10.1155/2022/3478861
- DOI: https://doi.org/10.1109/tmi.2022.3197400
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）。