Fabio Hellmann M.Sc.

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Menschzentrierte Künstliche Intelligenz
Telefon: +49 821 598 - 2368
E-Mail:
Raum: 2042 (N)
Sprechzeiten: nach Vereinbarung
Adresse: Universitätsstraße 6a, 86159 Augsburg

Forschungsinteressen

  • Biomedical Image/Signal Processing
  • Deep Learning
  • Human Computer Interaction
  • eXplainable AI

Betreute Abschlussarbeiten

  • Few Shot Learning for Skin Phenotyping. (Medizinische Informatik, Bachelor, 2023)
  • Computer Vision Syndrome Detection Explained by Facial Features. (Medizinische Informatik, Bachelor, 2022)

Offene Themen für Abschlussarbeiten und Projektmodule

Die folgenden Themen können in Umfang und Ausrichtung flexibel variiert werden, sodass die Durchführung als Bachelorarbeit, Masterarbeit oder Projektmodul möglich ist. Außerdem kann der inhaltliche Schwerpunkt selbstverständlich auf die Interessen des durchführenden Studenten ausgerichtet werden.

Darüber hinaus freue ich mich jederzeit über eigene Themenvorschläge, sofern sie eine gewisse Überschneidung mit meinem Forschungsschwerpunkt aufweisen.

 

 

Bayesian Latent Space Manipulator

Manipulationen des Latent Space kann in vielen Bereichen eingesetzt werden. Durch das Verändern des Latent Space kann unter anderem ein Bild in Teilbereichen verändern, ohne das gesamte Bild zu verändern. Ziel dieser Arbeit ist, einen Autoencoder zu entwickeln, der Gesichter in einem möglichst kompakten Latent Space komprimieren kann und mit einem Bayesian Netzwerk anschließend ein Mapping zwischen Latent Space und "abstrakten Labeln" (z.B. Gesichtsform, Augenfarbe, Haarfarbe) zu finden, um diese verändern zu können.

 

Face Mesh Syndrome Classification

Mittels Face Meshes (468 Gesichtspunkte in 3D) lassen sich Gesichter abstrakt darstellen und gleichzeitig anonymisieren. Um die Identität von Personen mit Syndromen, die sich über die Gesichtsstruktur äußern, zu wahren und gleichzeitig eine Klassifikation nach Syndrom zu gewährleisten, können diese 468 Gesichtspunkte direkt mit einem Neuronalen Netzwerk klassifiziert werden. Dadurch muss nicht das vollständige Gesicht, als Bild, in das Model gegeben werden. Die Aufgabe besteht darin, herauszufinden, ob es möglich ist, dass ein Neuronales Netz nur anhand der 468 Gesichtspunkte verschiedene Syndrome klassifizieren kann und welche Syndrome möglich sind zu klassifizieren.

 

Cancerous Cell Differentiation

Ziel dieses Projekts ist es, die Krebsentstehung bei Neurofibromatose-Patienten unter Berücksichtigung der spezifischen Art der Neurofibromatose, an der sie leiden, zu analysieren. Darüber hinaus soll mithilfe von Deep-Learning-Algorithmen Hybridformen von Krebs mit Merkmalen mehrerer Krebsarten identifiziert werden, um sie automatisch in pathologischen Abschnitten zu erkennen.

 

Lehre

(Angewandte Filter: Semester: aktuelles | Institutionen: Multimodale Mensch-Technik-Interaktion | Dozenten: Fabio Hellmann | Vorlesungsarten: Vorlesung, Vorlesung + Übung, Praktikum)
Name Semester Typ
Praktikum Interactive Machine Learning Wintersemester 2023/24 Praktikum

Publikationen

2023 | 2022 | 2021

2023

Ömer Sümer, Fabio Hellmann, Alexander Hustinx, Tzung-Chien Hsieh, Elisabeth André and Peter Krawitz. 2023. Few-shot meta-learning for recognizing facial phenotypes of genetic disorders. DOI: 10.3233/shti230312
PDF | BibTeX | RIS | DOI

Alexander Hustinx, Fabio Hellmann, Ömer Sümer, Behnam Javanmardi, Elisabeth André, Peter Krawitz and Tzung-Chien Hsieh. 2023. Improving deep facial phenotyping for ultra-rare disorder verification using model ensembles. DOI: 10.1109/WACV56688.2023.00499
BibTeX | RIS | DOI

Luuk H. Boulogne, Julian Lorenz, Daniel Kienzle, Robin Schön, Katja Ludwig, Rainer Lienhart, Simon Jegou, Guang Li, Cong Chen, Qi Wang, Derik Shi, Mayug Maniparambil, Dominik Müller, Silvan Mertes, Niklas Schröter, Fabio Hellmann, Miriam Elia, Ine Dirks, Matias Nicolas Bossa, Abel Diaz Berenguer, Tanmoy Mukherjee, Jef Vandemeulebroucke, Hichem Sahli, Nikos Deligiannis, Panagiotis Gonidakis, Ngoc Dung Huynh, Imran Razzak, Reda Bouadjenek, Mario Verdicchio, Pasquale Borrelli, Marco Aiello, James A. Meakin, Alexander Lemm, Christoph Russ, Razvan Ionasec, Nikos Paragios, Bram van Ginneken and Marie-Pierre Revel Dubios. in press. The STOIC2021 COVID-19 AI challenge: applying reusable training methodologies to private data.
BibTeX | RIS | URL

Dominik Mueller, Silvan Mertes, Niklas Schroeter, Fabio Hellmann, Miriam Elia, Bernhard Bauer, Wolfgang Reif, Elisabeth André and Frank Kramer. 2023. Towards automated COVID-19 presence and severity classification. DOI: 10.3233/shti230309
PDF | BibTeX | RIS | DOI

2022

Daniela Angelova-Toshkina, Johannes Holzapfel, Stefanie Bette, Josua Decker, Fabio Hellmann, Thomas Traunwieser, Simon Huber, Mareike Schimmel, Kurt Vollert, Brigitte Bison, Thomas Kroencke, Elisabeth André, Dagmar Wieczorek, Astrid Katharina Gnekow, Michael C. Frühwald and Michaela Kuhlen. 2022. Neurological manifestations in children and adolescents with neurofibromatosis type-1-implications for management and surveillance [Abstract]. DOI: 10.1093/neuonc/noac079.467
PDF | BibTeX | RIS | DOI

2021

Fabio Hellmann, Zhao Ren, Elisabeth André and Björn W. Schuller. 2021. Deformable dilated faster R-CNN for universal lesion detection in CT images. DOI: 10.1109/embc46164.2021.9631021
PDF | BibTeX | RIS | DOI

Suche