Lehrstuhl für Informatik 5 (Mustererkennung)


Beschreibung:


Wissenschaftler und Studenten am Lehrstuhl für Mustererkennung (LME) beschäftigen sich mit der Erforschung und Realisierung von Algorithmen zur Klassifikation und Analyse von Mustern wie beispielsweise Bild- oder Sprachdaten. Die laufenden Forschungsprojekte sind überwiegend interdisziplinär und konzentrieren sich auf folgende Gebiete: Medizinische Bildverarbeitung und Anwendungen im Gesundheitswesen. Der Lehrstuhl pflegt enge nationale und internationale Kontakte zu anderen Universitäten, Forschungseinrichtungen und Industrieunternehmen.



Eine Zusammenfassung der Lehrstuhlprojekte finden Sie in unserer ausführlichen Informationsbrochure (PDF)


Adresse:
Martensstraße 3
91058 Erlangen



Untergeordnete Organisationseinheiten

Juniorprofessur für Medizinische Bildverarbeitung
Professur für Informatik (Mustererkennung)
Stiftungs-Juniorprofessur für Sportinformatik (Digital Sports) - Umwidmung / Auflösung


Forschungsbereiche

Big Data Applications
Medical Image Processing
Pattern Recognition & Machine Learning
Sprachverarbeitung und Sprachverstehen


Forschungsprojekt(e)


DISPARITY: Digital, Semantic and Physical Analysis of Media Integrity
Prof. Dr.-Ing. Andreas Maier; Dr.-Ing. Christian Riess
(24.05.2016 - 23.05.2017)


(GRK 1773: Heterogene Bildsysteme):
GRK 1773: Heterogene Bildsysteme, Projekt C1
Prof. Dr. Rebecca Fahrig; Prof. Dr.-Ing. Andreas Maier
(01.10.2012 - 31.03.2017)


Open Access Publizieren
Prof. Dr.-Ing. Joachim Hornegger
(01.01.2010 - 31.12.2019)



Publikationen (Download BibTeX)

Go to first page Go to previous page 1 von 63 Go to next page Go to last page

Minakaki, G., Canneva, F., Chevessier, F., Bode, F., Menges, S., Timotius, I.,... Klucken, J. (2019). Treadmill exercise intervention improves gait and postural control in alpha-synuclein mouse models without inducing cerebral autophagy. Behavioural Brain Research, 363, 199-215. https://dx.doi.org/10.1016/j.bbr.2018.11.035
Adams Seewald, L., Facco Rodrigues, V., Ollenschläger, M., Stoffel Antunes, R., Andre da Costa, C., da Rosa Righi, R.,... Fahrig, R. (2019). Toward analyzing mutual interference on infrared-enabled depth cameras. Computer Vision and Image Understanding. https://dx.doi.org/10.1016/j.cviu.2018.09.010
Hu, S., Felsner, L., Maier, A., Ludwig, V., Anton, G., & Riess, C. (2018). A 3-D Projection Model for X-ray Dark-field Imaging.
Bopp, J., Ludwig, V., Seifert, M., Pelzer, G., Maier, A., Anton, G., & Riess, C. (2018). Simulation study on X-ray phase contrast imaging with dual-phase gratings. International Journal of Computer Assisted Radiology and Surgery. https://dx.doi.org/10.1007/s11548-018-1872-x
Maier, A., Syben, C., Lasser, T., & Riess, C. (2018). A Gentle Introduction to Deep Learning in Medical Image Processing.
Köhler, G.T., Bätz, M., Naderi Bodaji, F., Kaup, A., Maier, A., & Riess, C. (2018). Bridging the Simulated-to-Real Gap: Benchmarking Super-Resolution on Real Data.
Felsner, L., Berger, M., Käppler, S., Bopp, J., Ludwig, V., Weber, T.,... Riess, C. (2018). Phase-Sensitive Region-of-Interest Computed Tomography. In 21st International Conference on Medical Image Computing and Computer Assisted Intervention (pp. 137-144). Granada, ES: Springer Verlag.
Bopp, J., Felsner, L., Hu, S., Käppler, S., & Riess, C. (2018). X-ray Phase Contrast: Research on a Future Imaging Modality. In Medical Imaging Systems - An Introductory Guide. (pp. 191--205).
Davari, A., Özkan, H.C., Maier, A., & Riess, C. (2018). Fast Sample Generation with Variational Bayesian for Limited Data Hyperspectral Image Classification. In IEEE International Geoscience and Remote Sensing Symposium. Valencia, ES: IEEE.
Deitsch, S., Christlein, V., Berger, S., Buerhop-Lutz, C., Maier, A., Gallwitz, F.,... Rieß, C. (2018). Automatic Classification of Defective Photovoltaic Module Cells in Electroluminescence Images.
Deitsch, S., Buerhop-Lutz, C., Maier, A., Gallwitz, F., & Rieß, C. (2018). Segmentation of Photovoltaic Module Cells in Electroluminescence Images. arXiv.
Davari, A., Aptoula, E., Yanikoglu, B., Maier, A., & Riess, C. (2018). GMM-based Synthetic Samples for Classification of Hyperspectral Images with Limited Training Data. IEEE Geoscience and Remote Sensing Letters, 15(6), 942-946. https://dx.doi.org/10.1109/LGRS.2018.2817361
Käppler, S., Maier, A., & Rieß, C. (2018). Differential Tomography: Influence of Sensitivity Direction and Noise-suppressing Windows. In Proceedings of the 5th International Conference on Image Formation in X-ray Computed Tomography (CT-Meeting) (pp. 119-122).
Schirrmacher, F., Köhler, G.T., & Rieß, C. (2018). Adaptive Quantile Sparse Image (AQuaSI) Prior for Inverse Imaging Problems.
Timotius, I., Canneva, F., Minakaki, G., Pasluosta, C.F., Moceri, S., Casadei, N.,... Eskofier, B. (2018). Dynamic footprints of α-synucleinopathic mice recorded by CatWalk gait analysis. Data in Brief, 17, 189-193. https://dx.doi.org/10.1016/j.dib.2017.12.067
Bopp, J., Gallersdörfer, M., Ludwig, V., Seifert, M., Maier, A., Anton, G., & Riess, C. (2018). Phasenkontrast Röntgen mit 2 Phasengittern und medizinisch relevanten Detektoren. In Proceedings des Workshops Bildverarbeitung für die Medizin 2018 - Algorithmen - Systeme - Anwendungen (pp. 170--175). Erlangen.
Ploner, S., Riess, C., Schottenhamml, J., Moult, E.M., Waheed, N.K., Fujimoto, J.G., & Maier, A. (2018). A Joint Probabilistic Model for Speckle Variance, Amplitude Decorrelation and Interframe Variance (IFV) Optical Coherence Tomography Angiography. In Proceedings des Workshops Bildverarbeitung für die Medizin 2018 - Algorithmen - Systeme - Anwendungen (pp. 98--102). Erlangen.
Rybakov, O., Stromer, D., Mischewski, I., & Maier, A. (2018). Segmentation of Fat and Fascias in Canine Ultrasound Images. (pp. 6). Hörsäle Medizin Kleiner Hörsaal Ulmenweg 18 91054 Erlangen, DE: Berlin, Heidelberg: Springer Vieweg.
Bopp, J., Ludwig, V., Gallersdörfer, M., Seifert, M., Pelzer, G., Maier, A.,... Riess, C. (2018). Towards a dual phase grating interferometer on clinical hardware. (pp. 1057321). SPIE.
Timotius, I., Canneva, F., Minakaki, G., Pasluosta, C.F., Moceri, S., Casadei, N.,... Eskofier, B. (2018). Dynamic footprint based locomotion sway assessment in α-synucleinopathic mice using Fast Fourier Transform and Low Pass Filter. Journal of Neuroscience Methods, 296, 1-11. https://dx.doi.org/10.1016/j.jneumeth.2017.12.004

Zuletzt aktualisiert 2018-12-01 um 15:08