Dominik Drees
Wissenschaftlicher Mitarbeiter
dominik.drees(AT)uni-muenster.de
Forschungsschwerpunkte
- Volumen- und Bildverarbeitung
- Ressourcenbeschränkte (insb. out-of-core) Datenverarbeitung
- Nanophotonische künstliche neuronale Netze
Vita
Akademische Ausbildung
- Promotionsstudium, Gruppe Pattern Recognition and Image Analysis (Prof. Xiaoyi Jiang)
- Master of Science (Informatik), Universität Münster
Preise
- Förderpreis der Angewandten Informatik (1. Preis) – IHK Nord Westfalen
- SciVis Contest Award – IEEE VIS: Visualization & Visual Analytics
Mitgliedschaft oder Aktivität in einem Gremium
- Universität Münster (Voreen-Projekt, Core Team Member)
Publikationen
- Becker, Marlon, Drees, Dominik, Brückerhoff-Plückelmann, Frank, Schuck, Carsten, Pernice, Wolfram, und Risse, Benjamin. . „Activation Functions in Non-Negative Neural Networks.“ präsentiert auf der Machine Learning and the Physical Sciences Workshop, NeurIPS, New Orleans
- Drees, D, Eilers, F, und Jiang, X. . „Hierarchical random walker segmentation for large volumetric biomedical images.“ IEEE Transactions on Image Processing, Nr. 31: 4431–4446. doi: 10.1109/TIP.2022.3185551.
- Drees, D, Eilers, F, Bian, A, und Jiang, X. . „A Bhattacharyya coefficient-based framework for noise model-aware random walker image segmentation.“ In Proc. of GCPR, herausgegeben von B Andres, F Bernard, D Cremers, S Frintrop, B Goldlücke und I Ihrke. Berlin: Springer Nature.
- Drees, Dominik. . „Efficient Out-of-Core Methods for Biomedical Volume Processing and Analysis.“ Dissertationsschrift, University of Münster.
- Drees, D, Scherzinger, A, Hägerling, R, Kiefer, F, und Jiang, X. . „Scalable robust graph and feature extraction for arbitrary vessel networks in large volumetric datasets.“ BMC Bioinformatics, Nr. 22 (1) 346. doi: 10.1186/s12859-021-04262-w.
- Kirschnick, Nils, Drees, Dominik, Redder, Esther, Erapaneedi, Raghu, Pereira da Graca, Abel, Schäfers, Michael, Jiang, Xiaoyi, und Kiefer, Friedemann. . „Rapid methods for the evaluation of fluorescent reporters in tissue clearing and the segmentation of large vascular structures.“ iScience, Nr. 24 (6) 102650. doi: 10.1016/j.isci.2021.102650.
- Drees, D, Scherzinger, A, und Jiang, X. . „GERoMe – a method for evaluating stability of graph extraction algorithms without ground truth.“ IEEE Access, Nr. 7: 21744–21755. doi: 10.1109/ACCESS.2019.2898754.
- Klemm, S, Scherzinger, A, Drees, D, und Jiang, X. . Barista - a graphical tool for designing and training deep neural networks, arXiv e-print:1802.04626: CoRR.
- Hägerling, R, Drees, D, Scherzinger, A, Dierkes, C, Martin-Almedina, S, Butz, S, Gordon, K, Schäfers, M, Hinrichs, K, Ostergaard, P, Vestweber, D, Goerge, T, Mansour, S, Jiang, X, Mortimer, P, und Kiefer, F. . „VIPAR, a quantitative approach to 3D-histopathology applied to lymphatic malformations.“ JCI Insight, Nr. 2 (16): e93424.
- Scherzinger Aaron, Brix Tobias, Drees Dominik, Völker Andreas, Radkov Kiril, Santalidis Niko, und Fieguth Alexander, Hinrichs Klaus H. . „Interactive Exploration of Cosmological Dark-Matter Simulation Data.“ IEEE Computer Graphics and Applications, Nr. 37 (2): 80–89.
- Drees, D, Scherzinger, A, und Jiang, X. . „GERoMe - A novel graph extraction robustness measure.“ Beitrag präsentiert auf der Proc. of Int. Workshop on Graph-Based Representations in Pattern Recognition (GbR), Anacapri, Italy
- Scherzinger Aaron, Brix Tobias, Drees Dominik, Völker Andreas, Radkov Kiril, Santalidis Niko, und Fieguth Alexander, Hinrichs Klaus H. . „Visualize the Universe: Interactive Exploration of Cosmological Dark Matter Simulation Data.“ Beitrag präsentiert auf der IEEE Visualization Conference 2015 October 25-30, Chicago, Il, USA New York City: Wiley-IEEE Press.