Dr. Daniel Otero Baguer

Projekte

1. DIAMANT - Digitale Bildanalyse und bildgebende Massenspektrometrie zur Differenzierung von nichtkleinzelligem Lungenkrebs (01.01.2020 - 31.12.2022)
2. SFB 1232: Farbige Zustände - TP P02: Heuristische, statistische und analytische Versuchsplanung (01.07.2016 - 30.06.2020)

Veranstaltungen (Auswahl)vollständige Liste

1. Oberseminar Mathematical Parameter Identification (RTG-Seminar) (Sommersemester 2022)
2. Oberseminar Mathematical Parameter Identification (RTG-Seminar) (Sommersemester 2021)

Abschlussarbeiten (Auswahl)vollständige Liste

1. Interpretability and Explainability of Neural Networks applied in Digital Pathology (Rudolf Herdt)
2. Theorie und Anwendung des Analytic-Deep-Prior-Ansatzes (Clemens Arndt)
3. Invertible U-Nets for Memory-Efficient Backpropagation (Nick Heilenkötter)

Publikationen (Auswahl)vollständige Liste

1. R. Herdt, M. Schmidt, D. Otero Baguer, J. Le Clerc Arrastia, P. Maaß.
   Model Stitching and Visualization How GAN Generators can Invert Networks in Real-Time.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2302.02181

2. J. Le Clerc Arrastia, N. Heilenkötter, D. Otero Baguer, L. Hauberg-Lotte, T. Boskamp, S. Hetzer, N. Duschner , J. Schaller , P. Maaß.
   Deeply Supervised UNet for Semantic Segmentation to Assist Dermatopathological Assessment of Basal Cell Carcinoma.
   MDPI Journal of Imaging, 71 7(4), Meisenbach Verlag, Bamberg, 2021.

   DOI: 10.3390/jimaging7040071

3. J. Leuschner, M. Schmidt, D. Otero Baguer, P. Maaß.
   LoDoPaB-CT, a benchmark dataset for low-dose computed tomography reconstruction.
   Scientific Data, 8(109), 2021.

   DOI: 10.1038/s41597-021-00893-z

4. D. Otero Baguer.
   Neural Networks for solving Inverse Problems. Applications in Materials Science and Medical Imaging. (submitted).
   Dissertationsschrift, Universität Bremen, 2020.
5. S. Dittmer, T. Kluth, D. Otero Baguer, B. Maass.
   A Deep Prior Approach to Magnetic Particle Imaging.
   Machine Learning for Medical Image Reconstruction 2020.
   Springer International Publishing, F. Deeba, P. Johnson, T. Würfl, J. C. Ye (Hrsg.), S. 113-122, 2020.

   DOI: 10.1007/978-3-030-61598-7_11