Zum Hauptinhalt springen

Johannes Leuschner

Johannes Leuschner

Johannes Leuschner

Wissenschaftlicher Mitarbeiter

Doktorand Graduiertenkolleg π3
Team Deep Learning und Inverse Probleme

Bibliothekstraße 5
28359 Bremen

Raum: MZH 2050
Telefon: +49 421 218-63811
E-Mail: jleuschnprotect me ?!uni-bremenprotect me ?!.de

Forschungsgebiete

  • Computertomographie
  • Deep Learning
  • Inverse Probleme

Projekte

  • DELETO - Maschinelles Lernen bei korrelativer MR und Hochdurchsatz-NanoCT

  • Graduiertenkolleg π³ - Parameter Identification – Analysis, Algorithms, Applications

Abschlussarbeiten

  • Using Neural Networks to Denoise CT Images, Bachelorarbeit, Rudolf Herdt, 2020

 

Zeitschriftenartikel

D. Otero Baguer, J. Leuschner, M. Schmidt.
Computed Tomography Reconstruction Using Deep Image Prior and Learned Reconstruction Methods.
Inverse Problems, 36(9), IOPscience, 2020.
DOI: https://doi.org/10.1088/1361-6420/aba415

J. Leuschner, M. Schmidt, P. Fernsel, D. Lachmund, T. Boskamp, P. Maaß.
Supervised Non-negative Matrix Factorization Methods for MALDI Imaging Applications.
Bioinformatics, bty909 , 2018.
DOI: 10.1093/bioinformatics/bty909

 

Preprints

J. Leuschner, M. Schmidt, D. Otero Baguer, P. Maaß.
The LoDoPaB-CT Dataset: A Benchmark Dataset for Low-Dose CT Reconstruction Methods.
Zur Veröffentlichung eingereicht.
online unter: arXiv:1910.01113

 

Tagungsbeiträge

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

 

Sonstiges

C. Brandt, M. Hamann, J. Leuschner.
Regression Models for Ultrasonic Testing of Carbon Fiber Reinforced Polymers.
Berichte aus der Technomathematik 19–01, Universität Bremen, 2019.

 

 

 

  • Kurs, Computerpraktikum, 03-M-COM-1,WiSe 2020/2021
  • Computerpraktikum, 03-M-COM-1, WiSe 2019/2020