Alexander Denker

Alexander Denker

Alexander Denker

Wissenschaftlicher Mitarbeiter

Doktorand Graduiertenkolleg π3
Team Deep Learning und Inverse Probleme

Bibliothekstraße 5
28359 Bremen

Raum: MZH 2410
Telefon: +49 421 218-63897
E-Mail: adenkerprotect me ?!uni-bremenprotect me ?!.de

Forschungsgebiete

  • Deep Learning
  • Inverse Probleme
  • Computertomographie

Projekte

  • Graduiertenkolleg π³ - Parameter Identification – Analysis, Algorithms, Applications
  • MALDISTAR - Studie zur Qualitätsbewertung, Standardisierung und Reproduzierbarkeit von Daten der bildgebenden MALDI-Massenspektrometrie

 

Zeitschriftenartikel

A. Denker, M. Schmidt, J. Leuschner, P. Maaß.
Conditional Invertible Neural Networks for Medical Imaging .
MDPI Journal of Imaging, Inverse Problems and Imaging 7(11), 243 S., 2021.
DOI: 10.3390/jimaging7110243

J. Leuschner, M. Schmidt, P. Ganguly, V. Andriiashen, S. Coban, A. Denker, D. Bauer, A. Hadjifaradji, K. Batenburg, B. Maass, M. von Eijnatten.
Quantitative Comparison of Deep Learning-Based Image Reconstruction Methods for Low-Dose and Sparse-Angle CT Applications.
MDPI Journal of Imaging, 7(3), 44 S., 2021.
DOI: 10.3390/jimaging7030044
online unter: https://www.mdpi.com/2313-433X/7/3/44

 

Preprints

R. Barbano, J. Leuschner, M. Schmidt, A. Denker, P. Maaß, B. Jin.
Is Deep Image Prior in Need of a Good Education?
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2111.11926

 

Tagungsbeiträge

M. Schmidt, A. Denker, J. Leuschner.
The Deep Capsule Prior - advantages through complexity.
GAMM 92st Annual Meeting of the international Association of Applied Mathematics and Mechanics, online, 15.03.2021 - 19.03.2021.
Proceedings in Applied Mathematics & Mechanics, 21(1), WILEY-VCH, 2021.
DOI: 10.1002/pamm.202100166

A. Denker, M. Schmidt, J. Leuschner, P. Maaß, J. Behrmann.
Conditional Normalizing Flows for Low-Dose Computed Tomography Image Reconstruction.
ICML Workshop on Invertible Neural Networks, Normalizing Flows, and Explicit Likelihood Models, 18.07-18.07.2020, Wien, Österreich.
online unter: https://invertibleworkshop.github.io/accepted_papers/index.html

 

 

2020

Masterarbeit am ZeTeM, "Application of Neural Networks For Solving Inverse Problems."

2017

Bacherlorarbeit am ZeTeM, "Deep-Learning-Konzepte zur Optimierung von ISTA-Verfahren."