Johannes Leuschner

Wissenschaftlicher Mitarbeiter der AG Technomathematik, Research Training Group π³


Information: Email endet auf @uni-bremen.de

Forschungsgebiete

• Computertomographie
• Deep Learning
• Inverse Probleme

Veranstaltungen (Auswahl)vollständige Liste

1. Computerpraktikum (Wintersemester 2020/2021)
2. Computerpraktikum (Wintersemester 2019/2020)

Abschlussarbeiten (Auswahl)vollständige Liste

1. Modellierung von Geometrieabweichungen bei der Nano-Computertomographie (Tom Lütjen)
2. Using Neural Networks to Denoise CT Images (Rudolf Herdt)

Publikationen (Auswahl)vollständige Liste

1. T. Lütjen, F. Schönfeld, J. Leuschner, M. Schmidt, A. Wald, T. Kluth.
   Learning-based approaches for reconstructions with inexact operators in nanoCTapplications.
   Zur Veröffentlichung eingereicht.

   online unter: https://aps.arxiv.org/abs/2307.10474

2. C. Arndt, A. Denker, J. Nickel, J. Leuschner, M. Schmidt, G. Rigaud.
   In Focus - hybrid deep learning approaches to the HDC2021 challenge.
   Inverse Problems and Imaging, , 2022.

   DOI: 10.3934/ipi.2022061

3. R. Barbano, J. Leuschner, M. Schmidt, A. Denker, A. Hauptmann, P. Maaß, B. Jin.
   An Educated Warm Start For Deep Image Prior-based Micro CT Reconstruction.
   IEEE Transactions on Computational Imaging, 8:1210-1222, 2022.

   DOI: 10.1109/TCI.2022.3233188

4. J. Antorán, R. Barbano, J. Leuschner, J. M. Hernández-Lobato, B. Jin.
   Uncertainty Estimation for Computed Tomography with a Linearised Deep Image Prior.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2203.00479

5. R. Barbano, J. Leuschner, J. Antorán, B. Jin, J. M. Hernández-Lobato.
   Bayesian Experimental Design for Computed Tomography with the Linearised Deep Image Prior.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2207.05714

© Zentrum für Industriemathematik 2008-2023