教育
産業界での10年間は、教科書では教えられないことを教えてくれた：出荷する方法を。今日、AIが生の情報を即座にアクセス可能にしている時代において、教室は答えの伝達からシステム思考の構築へと移行しなければならない, 問題を枠組み立て、要件を定義し、第一原理から解決策を導き出す能力を。教師の役割はより本質的になり、決して減少しない：その推論を導き、AIが再現できない文脈を提供し、表面的な答えを深い理解へと変えること。私の教育は現場経験をこの環境に持ち込み、学生がユーザーのように検索するのではなく、エンジニアのように考えることを学ぶ場を提供する。
提案コース
生体信号処理
生理的信号（PPG、ECG、EEG）の処理と解釈、フィルタリング、特徴抽出、実センサーデータに重点。
前提条件： 信号とシステム、基本的なプログラミング（Python）
バイオメディカル画像・動画処理
カメラベースの生理的測定を含むバイオメディカルアプリケーションのための画像強調、セグメンテーション、動画解析。
前提条件： デジタル信号処理、画像処理の基本概念
生理的センシングのための計算イメージング
標準カメラを計算センサーとして使用し、不可視の生理的情報を抽出, rPPG、脈波形解析、遠隔バイタルサイン推定。
前提条件： 生体信号処理または同等の知識
ウェアラブルデバイスのための組み込みシステムとIoT
ウェアラブルヘルスモニターの設計とプロトタイピング：センサー統合、組み込みファームウェア、ワイヤレスデータパイプライン、電力管理。
前提条件： 基本的な組み込みシステムまたはマイクロコントローラの経験
信号とシステム
連続および離散時間信号解析の基礎：フーリエ、ラプラス、畳み込み、フィルタリング、システム応答。
前提条件： 微積分、線形代数
デジタル信号処理入門
サンプリング、量子化、DFT、デジタルフィルタ設計、信号処理アルゴリズムの実践的実装。
前提条件： 信号とシステム
バイオセンサー入門
生理的センシングの原理：生体計測のための光学的・電気的・機械的トランスデューサ、理論から信号取得まで。
前提条件： 基礎物理学、入門電子工学
インターンシップと卒業研究
信号処理、ヘルスケアAI、バイオセンシングプラットフォームのフルスタック開発の分野で、研究インターンシップや卒業研究（学士・修士）を指導しています。ご興味があれば、お問い合わせください。独自のテーマを提案することも可能です, 信号処理、バイオセンシング、またはヘルスケア応用AIに関連するアイデアを歓迎します。
プロジェクトの方向性
信号処理とウェアラブルバイオセンシング
- 動作下でのリアルタイムPPG/rPPG信号品質評価とアーティファクト検出
- ウェアラブルECG/PPGノイズ除去のための適応フィルタリングパイプライン（LMS、RLS、カルマン変種）
- Raspberry Pi / Jetson上のエッジ展開可能な心拍変動（HRV）特徴抽出
- 反射モード信号からのSpO₂推定のための多波長光学センシング
フルスタックとバイオセンシングプラットフォーム
- ダッシュボード可視化（React/Vue）付きリアルタイム生体信号ストリーミングAPI（FastAPI + WebSocket）の構築
- 生体信号実験管理（被験者、セッション、デバイス、アノテーション）のためのラボ情報システムの設計
- 生体信号処理マイクロサービス向けコンテナ化デプロイパイプライン（Docker + CI/CD）
バイオモニタリングのためのエージェント型AI
- 生理的データセットからの生物医学文献統合と仮説生成のためのLLM駆動RAGシステム
- 生の生体信号記録からの自動生理的レポート作成のためのマルチエージェントフレームワーク
- 患者健康データ探索とインサイト生成のための会話型エージェント
探索的研究
- 深層生成モデル（VAE、GAN、拡散）を用いたPPG波形形態復元の研究
- 光学・電気・機械センサー間の生理的信号表現のためのクロスドメイン転移学習
- 機関間でのプライバシー保護生理的モデルトレーニングのための連合学習アプローチ
- ウェアラブル光電脈波データからの心血管リスク予測のための説明可能AI（XAI）