Prof. Dr. Dr. h.c. Peter Maaß

Lebenslauf

Sonstiges:

• bundesweiter Innovationspreis 1997
• längere Forschungsaufenthalte, unter anderem:
  • University of California, Berkeley, 02-03/1996
  • CEREMADE, Paris VII, 04-08/2000
  • Univeristät Lund, Schweden, 11/2000-01/2001
  • University of Minnesota, USA, 09-10/2005
  • University of California, Berkeley, USA, 10-12/2010
  • University of Cambridge, Großbritannien, 04-07/2011 und 04-07/2018
• Sprecher des DFG-Schwerpunktprogramms 1114 "Mathematische Methoden der Signal- und Bildverarbeitung", 2001-2008
• Vizepräsident DMV, 2002-2003
• Leiter der Doktorandengruppe "Scientific Computing in Engineering", 2004-2010
• Mitglied des Editorial Committee der "Mathematical Reviews", 2005-2012
• Stellvertretender Sprecher des SFB 747 "Mikrokaltumformen", 2007-2018
• Mitglied im Auswahlausschuss zur Vergabe von Humboldt-Forschungsstipendien, 2009-2017
• Koordinator des EU FP7 Projektes "UNLocX", 2010-2013
• Mitglied im Advisory Board des IWR Heidelberg, seit 2014
• Sprecher des DFG Graduiertenkollegs 2224 "Parameter Identification", seit 2016
• Stellvertretender Vorsitzender KoMSO, 2017-2020
• Mitglied im Executive Board des EU-Maths-In

Forschungsgebiete

• Inverse Probleme
• Maschinelles Lernen
• Bild- und Signalverarbeitung in den Life Sciences
• Computational Engineering
• Systemtheorie und Parameteridentifikation

Leitung von Projekten

1. Design-KIT: Künstliche Intelligenz in der mechanischen Bauteilentwicklung; TP: Deep Learning zur Geometrieerzeugung von mechanischen Bauteilen (01.10.2020 - 31.03.2022)
2. AGENS - Analytisch-generative Netzwerke zur Systemidentifikation (01.04.2020 - 31.03.2023)
3. HYDAMO - Hybride datengetriebene und modellbasierte Simulation komplexer Strömungsprobleme in der Fahrzeugindustrie (01.04.2020 - 31.03.2023)
4. SPAplus: Small Data Probleme in der digitalen Pathologie und programmbegleitende Maßnahmen (01.04.2020 - 31.03.2023)
5. DIAMANT - Digitale Bildanalyse und bildgebende Massenspektrometrie zur Differenzierung von nichtkleinzelligem Lungenkrebs (01.01.2020 - 31.12.2022)
6. Studie zur Qualitätsbewertung, Standardisierung und Reproduzierbarkeit von Daten der bildgebenden MALDI-Massenspektrometrie – MALDISTAR (01.07.2019 - 30.06.2022)
7. EU-ROMSOC: Teilprojekt ''Data Driven Model Adaptations of Coil Sensitivities in MR Systems'' (01.11.2017 - 30.04.2021)
8. BMBF-MPI²: Modellbasierte Parameteridentifikation in Magnetic Particle Imaging (01.12.2016 - 30.11.2019)
9. DFG-Graduiertenkolleg: π³ Parameter Identification – Analysis, Algorithms, Applications (01.10.2016 - 31.03.2021)
10. Neuronale Netze im MALDI Imaging (seit 01.10.2016)

Veranstaltungen (Auswahl)vollständige Liste

1. Mathematische Grundlagen der Datenanalyse und Bildverarbeitung (Wintersemester 2021/2022)
2. Oberseminar Deep Learning (Sommersemester 2021)
3. Mathematische Grundlagen des maschinellen Lernens (Sommersemester 2021)
4. Nichtlineare inverse Probleme: Analysis, Anwendungen und Algorithmen (Wintersemester 2020/2021)
5. Oberseminar: Deep Learning, Inverse Probleme und Datenanalyse (Wintersemester 2020/2021)

betreute/begutachtete Dissertationen (Auswahl)vollständige Liste

1. Regularization of ill-posed inverse problems with tolerances and sparsity in the parameter space (Georgia Sfakianaki)
2. On deep learning applied to inverse problems - A chicken-and-egg problem (Sören Dittmer)
3. Neural Networks for solving Inverse Problems. Applications in Materials Science and Medical Imaging (Daniel Otero Baguer)
4. Recurrence Quantification Compared to Fourier Analysis for Ultrasonic Non-Destructive Testing of Fibre Reinforced Polymers” (Carsten Brandt)
5. Double Backpropagation with Applications to Robustness and Saliency Map Interpretability (Christian Etmann)

Abschlussarbeiten (Auswahl)vollständige Liste

1. Long-term Forecasting of Energy Consumption Data using Attention-based Neural Networks (Cécile Pot d'or)
2. Optimal Filter Functions in X-Ray Computed Tomography (Judith Nickel)
3. Statistical Inversion of the Radon Transform with Normalizing Flows (Jakob Lehmann)
4. Residuale Transformationen und Divergenzen in Bayes’schen Neuronalen Netzen (Niklas Koenen)
5. Identifizierung des basalen Reibungsparameters eines Eisschildmodells in Polarregionen (Lea-Sophie Höyns)

Patente

2. P. Maaß, J. H. Kobarg, F. Alexandrov, P. Vandergheynst, M. Goldabaee.
   Verfahren zum rechnergestützten Verarbeiten von räumlich aufgelösten Hyperspektraldaten, insbesondere von Massenspektrometriedaten.
   Deutsches Patent- und Markenamt DE102013207402A1,
   Anmeldenummer: 1020132074, Anmeldedatum: 24.04.2013.
   Veröffentlicht in Patenblatt Nr.: am 30.10.2014.
4. P. Maaß, J. Oetjen, L. Hauberg-Lotte, F. Alexandrov, D. Trede.
   Verfahren zur rechnergestützten Analyse eines oder mehrerer Gewebeschnitte des menschlichen oder tierischen Körpers.
   Deutsches Patent- und Markenamt DE102014224916A1,
   Anmeldenummer: 1020142249, Anmeldedatum: 04.12.2014.
   Veröffentlicht in Patenblatt Nr.: am 06.09.2016.
   US Patent & Trademark Office, US 20160163523 A1,
   Anmeldenummer: 14/959967 , Anmeldedatum: 04.12.2014.
   Veröffentlicht am 09.06.2016
   Intellectual Property Office, GB 2535586,
   Anmeldenummer: GB1521058.6, Anmeldedatum: 30.11.2015.
   Veröffentlicht am 24.08.2016
   Institut national de la propriété industrielle, FR 3029671 A1,
   Anmeldenummer: FR1561774, Anmeldedatum: 03.12.2015.
   Veröffentlicht am 10.06.2016
6. D. Trede, P. Maaß, H. Preckel.
   Method for analysing the effect of a test substance on biological and/or biochemical samples.
   US Patent and Trademark Office US2011/0098198 A1,
   Anmeldenummer: 2011009819, Anmeldedatum: 29.04.2009.
   Veröffentlicht in Patenblatt Nr.: PCT/EP09/55187 am 28.04.2011.
8. D. Trede, P. Maaß, F. Alexandrov.
   Verfahren und Vorrichtung zur rechnergestützten Verarbeitung eines digitalisierten Bildes sowie maschinenlesbarer Datenträger.
   Deutsches Patent- und Markenamt 10 2011 003 242.8,
   Anmeldenummer: 102011003, Anmeldedatum: 27.01.2011.
   Veröffentlicht in Patenblatt Nr.: am 02.08.2012.
10. D. Trede, P. Maaß, H. Preckel.
    Verfahren zur Analyse der Wirkung einer Testsubstanz auf biologische und/oder biochemische Proben.
    Europäisches Patentamt EP2128815,
    Anmeldenummer: 8155784, Anmeldedatum: 07.05.2008.
    Veröffentlicht in Patenblatt Nr.: 2009/49 am 02.12.2009.
12. P. Maaß, A. K. Louis.
    Verfahren und Vorrichtung zur dreidimensionalen Computertomographie.
    Deutsches Patent- und Markenamt DE19623271A1,
    Anmeldenummer: 19623271, Anmeldedatum: 31.05.1996.
    Veröffentlicht in Patenblatt Nr.: 1997/49 am 04.12.1997.
14. P. Maaß.
    Verfahren zur Segmentierung von Zeichen.
    Deutsches Patent- und Markenamt DE19533585C1,
    Anmeldenummer: 19533585, Anmeldedatum: 01.09.1995.
    Veröffentlicht in Patenblatt Nr.: 1997/02 am 09.01.1997.

Publikationen (Auswahl)vollständige Liste

1. 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

2. 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

3. S. Dittmer, T. Kluth, M. Henriksen, P. Maaß.
   Deep image prior for 3D magnetic particle imaging: A quantitative comparison of regularization techniques on Open MPI dataset.
   International Journal on Magnetic Particle Imaging, 7(1), 2021.

   online unter: https://journal.iwmpi.org/index.php/iwmpi/article/view/148

4. 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

5. S. Dittmer, T. Kluth, P. Maaß, D. Otero Baguer.
   Regularization by architecture: A deep prior approach for inverse problems.
   Journal of Mathematical Imaging and Vision, 62(3):456-470, Springer Verlag, 2020.

   DOI: 10.1007/s10851-019-00923-x
   online unter: http://link.springer.com/article/10.1007/s10851-019-00923-x