Xian‐Hua Han 研究室
主宰者:Xian‐Hua Han
立教大学
AI 要約(直近 5 年の研究成果)
本研究室は、深層学習とコンピュータビジョン技術を用いた医療画像解析および画像処理を主要な研究テーマとしています。特に、限られた情報量から高品質な画像を再構成・合成する問題に取り組んでいます。例えば、撮影時の物理的・経済的負担を軽減するために、造影剤を使わないCT画像から造影済みCT画像を生成したり、圧縮された測定データから多波長画像(ハイパースペクトル画像)を復元したりする技術を開発しています。
医療診断への応用も重視しており、肝臓腫瘍や肺結節、皮膚がんなど複数の疾患を対象として、画像から診断に必要な特徴を抽出・分類する手法を研究しています。これらの研究では、敵対的生成ネットワーク(GAN)や拡散モデル、注意機構を備えた神経ネットワークなど、最新の深層学習技術を活用しています。また、教師あり学習のみに依存せず、ラベルなしデータも活用する弱教師あり学習や自己教師あり学習といったアプローチにも取り組み、実臨床で得られる限定的なデータでも高精度な診断モデルを構築することを目指しています。
加えて、悪天候下での物体検出やセンサデータの可視化解析など、医療以外の応用分野にも深層学習技術を展開しており、汎用的な画像・データ処理手法の開発と実装を進めています。
※ 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, ネットワーク・セキュリティ, ネットワーク, AI・機械学習 +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, 肺 +7
- 神経科学Kazuyuki Aihara 研究室東京大学論文 158 件·共通: ネットワーク・セキュリティ, ネットワーク, 学習, 情報工学 +7
- 医学Ryo Kurokawa 研究室University of Tokyo Hospital論文 100 件·共通: AI・機械学習, がん基礎, 腫瘍, 情報工学 +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, 学習 +4
- 医学Yoshihisa Miyamoto 研究室東京大学論文 137 件·共通: ネットワーク・セキュリティ, ネットワーク, 肺, 情報工学 +5
- 医学Yuji Nakamoto 研究室京都大学論文 100 件·共通: 学習, がん基礎, 腫瘍, 情報工学 +9
- 医学Osamu Abe 研究室University of Tokyo Hospital論文 100 件·共通: 学習, がん基礎, 腫瘍, 神経 +9
研究成果(84 件)
- DOI: https://doi.org/10.1117/12.3096320
- DOI: https://doi.org/10.3390/rs18101667
- DOI: https://doi.org/10.1145/3746264.3760488
- DOI: https://doi.org/10.1016/j.bspc.2025.108397
- DOI: https://doi.org/10.1016/j.asoc.2025.113632
- DOI: https://doi.org/10.3390/electronics14142869
- DOI: https://doi.org/10.1117/12.3071724
- DOI: https://doi.org/10.1109/tetci.2025.3573247
- DOI: https://doi.org/10.1007/s10489-025-06595-y
- DOI: https://doi.org/10.7507/1001-5515.202304021
続きを表示(残り 74 件)閉じる
- DOI: https://doi.org/10.3390/s25071984
- DOI: https://doi.org/10.1109/tci.2025.3564776
- DOI: https://doi.org/10.1109/icassp49660.2025.10890865
- DOI: https://doi.org/10.1007/s12672-025-04226-z
- DOI: https://doi.org/10.1016/j.neucom.2024.127500
- [2024] Mask-Guided Spatial–Spectral MLP Network for High-Resolution Hyperspectral Image ReconstructionDOI: https://doi.org/10.3390/s24227362
- DOI: https://doi.org/10.1109/scisisis61014.2024.10760163
- DOI: https://doi.org/10.1016/j.compbiolchem.2024.108166
- DOI: https://doi.org/10.1109/embc53108.2024.10781923
- DOI: https://doi.org/10.1109/ijcnn60899.2024.10651301
- DOI: https://doi.org/10.1109/jbhi.2024.3403199
- DOI: https://doi.org/10.1145/3669828.3669830
- DOI: https://doi.org/10.7507/1001-5515.202302024
- DOI: https://doi.org/10.1109/icassp48485.2024.10448077
- DOI: https://doi.org/10.1109/icassp48485.2024.10446402
- [2024] Deep Versatile Hyperspectral Reconstruction Model from A Snapshot Measurement with Arbitrary MasksDOI: https://doi.org/10.1109/icassp48485.2024.10445895
- DOI: https://doi.org/10.1049/cit2.12285
- DOI: https://doi.org/10.3390/bioengineering10080899
- DOI: https://doi.org/10.1109/icip49359.2023.10222823
- DOI: https://doi.org/10.1016/j.bspc.2023.105748
- DOI: https://doi.org/10.1109/icip49359.2023.10222678
- DOI: https://doi.org/10.1016/j.eswa.2023.121390
- [2023] A Lightweight Network for Contextual and Morphological Awareness for Hepatic Vein SegmentationDOI: https://doi.org/10.1109/jbhi.2023.3305644
- DOI: https://doi.org/10.1109/embc40787.2023.10340608
- DOI: https://doi.org/10.1109/embc40787.2023.10340586
- DOI: https://doi.org/10.23919/mva57639.2023.10215580
- DOI: https://doi.org/10.23919/mva57639.2023.10215720
- DOI: https://doi.org/10.23919/mva57639.2023.10216087
- DOI: https://doi.org/10.18178/joig.11.2.185-194
- DOI: https://doi.org/10.1109/icassp49357.2023.10096533
- DOI: https://doi.org/10.1587/transinf.2022edp7193
- [2023] GND-PCA Method for Identification of Gene Functions Involved in Asymmetric Division of C. elegansDOI: https://doi.org/10.3390/math11092039
- DOI: https://doi.org/10.1109/percomworkshops56833.2023.10150371
- DOI: https://doi.org/10.12122/j.issn.1673-4254.2023.02.02
- DOI: https://doi.org/10.3390/info14010033
- DOI: https://doi.org/10.1145/3551626.3564958
- DOI: https://doi.org/10.1145/3551626.3564946
- DOI: https://doi.org/10.1109/gcce56475.2022.10014204
- DOI: https://doi.org/10.1109/icip46576.2022.9897926
- DOI: https://doi.org/10.1109/icip46576.2022.9897424
- DOI: https://doi.org/10.1109/icip46576.2022.9897182
- DOI: https://doi.org/10.1145/3510373
- DOI: https://doi.org/10.1109/mipr54900.2022.00040
- DOI: https://doi.org/10.1016/j.bspc.2022.103997
- DOI: https://doi.org/10.1109/embc48229.2022.9871539
- DOI: https://doi.org/10.1109/embc48229.2022.9871188
- DOI: https://doi.org/10.1109/embc48229.2022.9871672
- DOI: https://doi.org/10.1109/embc48229.2022.9871896
- DOI: https://doi.org/10.24963/ijcai.2022/135
- DOI: https://doi.org/10.1109/jbhi.2022.3153406
- DOI: https://doi.org/10.1109/cvprw56347.2022.00072
- DOI: https://doi.org/10.1109/icassp43922.2022.9746172
- DOI: https://doi.org/10.1007/s00371-022-02452-y
- [2022] DPE-BoTNeT: Dual Position Encoding Bottleneck Transformer Network for Skin Lesion ClassificationDOI: https://doi.org/10.1109/isbi52829.2022.9761578
- DOI: https://doi.org/10.3389/fradi.2022.856460
- DOI: https://doi.org/10.3389/fgene.2021.814073
- DOI: https://doi.org/10.1145/3477396
- DOI: https://doi.org/10.1109/embc46164.2021.9630703
- DOI: https://doi.org/10.3390/electronics10212591
- [2021] HyperMixNet: Hyperspectral Image Reconstruction with Deep Mixed Network from a Snapshot MeasurementDOI: https://doi.org/10.1109/iccvw54120.2021.00138
- DOI: https://doi.org/10.1088/1361-6560/ac299a
- DOI: https://doi.org/10.1109/tcsvt.2021.3112551
- DOI: https://doi.org/10.1109/mipr51284.2021.00036
- DOI: https://doi.org/10.1145/3460426.3463673
- DOI: https://doi.org/10.1109/icip42928.2021.9506783
- DOI: https://doi.org/10.1109/icce50685.2021.9427760
- DOI: https://doi.org/10.23919/mva51890.2021.9511356
- DOI: https://doi.org/10.1109/icassp39728.2021.9413957
- [2021] PA‐ResSeg: A phase attention residual network for liver tumor segmentation from multiphase CT imagesDOI: https://doi.org/10.1002/mp.14922
- DOI: https://doi.org/10.3390/s21072348
- DOI: https://doi.org/10.1109/icpr48806.2021.9412321
- DOI: https://doi.org/10.1109/access.2021.3088234
- DOI: https://doi.org/10.1109/access.2021.3122450
- [2021] Multi-scale Residual Aggregation Deraining Network with Spatial Context-aware Pooling and ActivationDOI: https://doi.org/10.5244/c.35.253
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)。