鈴木 賢治

プロフィール
2001 シカゴ大学 カートロスマン放射線像研究所 研究員 
2003 シカゴ大学 放射線医学科 研究講師
2004 シカゴ大学 放射線医学科 研究助教授
2006 シカゴ大学 放射線医学科 助教授、同大大学院 医用物理学研究科 助教授 兼任、同大がん研究センター 助教授 兼任
2014- イリノイ工科大学 電気・計算機工学研究科 准教授、同大 医用画像研究所 准教授 兼任、同大 プリッツカー生物医工学研究所 准教授 兼任
2017- 東京工業大学 科学技術創成研究院 特任教授

専門分野
機械・深層学習 / コンピュータ支援診断 / 人工知能 / 医用画像工学

未来産業技術研究所(IIR, Tokyo Tech)
イリノイ工科大学(米国)

 http://www.ece.iit.edu/~ksuzuki/
ksuzuki@iit.edu
suzuki.k.di@m.titech.ac.jp

グループ名:情報・人工知能研究国際ハブグループ

研究ハイライト

  • 画像を直接学習する深層学習モデルを提案・開発・応用・実用化(1994)
  • 胸部X線像の骨成分と軟組織成分を機械学習により分離する手法を世界で初めて開発・実用化(2004)

ニュース

  • 2017年12月
    鈴木教授がその医用画像工学分野の長年の顕著な功績に対して権威ある国際賞「Albert Nelson Marquis Lifetime Achievement Award」を受賞しました.
  • 2017年7月
     鈴木教授の深層学習研究の先駆者としての意見が一流の国際論文誌「Lancet Respiratory Medicine (Impact factor: 19.287)」の記事「Deep learning poised to revolutionise diagnostic imaging」に取り上げられました.
  • 2016年2月
    鈴木教授の意見・解説がMIT Technology Reviewの記事「IBM’s Automated Radiologist Can Read Images and Medical Records」で取り上げられました.
  • 2014年4月
    鈴木教授の研究がHealthImaging.comの記事「Adding Structure: How to Boost Reporting Efficiency」に掲載されました.
  • 2013年3月
    鈴木教授の意見・解説がRadiology Today, vol. 14, no. 3, p. 26, March 2013の記事「CT Colonography’s Slow Progress」で取り上げられました.
  • 2012年1月
    鈴木教授の研究がCommunications of the ACM, vol. 55, no.1, pp. 17-19, 2012のニュース記事「Better Medicine Through Machine Learning」に掲載されました.

主な受賞歴

  • 2003,2006,2009年
    Certificate of Merit Award, RSNA
  • 2010年
    IEEE Outstanding Member Award, IEEE Chicago Section
  • 2011年
    Kurt Rossmann Award for Excellence in Teaching, University of Chicago
  • 2014年
    電子情報通信学会論文賞
  • 2016年
    The Most Cited Paper Award, EANM and Springer-Nature
  • 2017年
     Albert Nelson Marquis Lifetime Achievement Award, Marquis Who’s Who

主な論文

  • Suzuki K, et al.: Massive training artificial neural network (MTANN) for reduction of false positives in computerized detection of lung nodules in low-dose CT. Medical Physics 30: 1602-1617, 2003.
  • Suzuki K, et al.: Neural edge enhancer for supervised edge enhancement from noisy images. IEEE Trans Pattern Analysis and Machine Intelligence 25: 1582-1596, 2003.
  • Suzuki K, et al.: Image-processing technique for suppressing ribs in chest radiographs by means of massive training artificial neural network (MTANN). IEEE Trans Medical Imaging 25: 406-416, 2006.
  • Suzuki K: Machine Learning in Computer-aided Diagnosis of the Thorax and Colon in CT: A Survey. IEICE Trans Information & Systems E96-D: 772-783, 2013 (IEICE Best Paper Award in 2014).
  • Nima Tajbakhsh and Suzuki K.: Comparing Two Classes of End-to-End Learning Machines for Lung Nodule Detection and Classification: MTANNs vs. CNNs. Pattern Recognition 63: 476–486, 2017.