Fabio Hellmann M.Sc.
| Telefon: | +49 821 598 - 2368 |
| E-Mail: | fabio.hellmann@informatik.uni-augsburginformatik.uni-augsburg.de () |
| Raum: | 2042 (N) |
| Sprechzeiten: | nach Vereinbarung |
| Adresse: | Universitätsstraße 6a, 86159 Augsburg |
Forschungsinteressen
- Biomedical Computer Vision
- Deep Learning
- Human Computer Interaction
- eXplainable AI
Links
Akademische Aktivitäten
- Reviewtätigkeiten für Image and Computer Vision
Betreute Abschlussarbeiten
- Autoencoder based Latent Space Manipulation with Bayesian Networks. (Informatik, Master)
- Cancerous Cell Differentiation. (Medizinische Informatik, Bachelor)
- Hybrid Tumor Classification and Visualization in Histopathological Images. (Informatik, Bachelor)
- Syndrome classification using only 2d face meshes. (Informatik, Master)
- Syndrome Classification via Face Mesh. (Medizinische Informatik, Bachelor)
- Face Meshes based Facial Phenotype Analysis and Synthesis. (Data Science in der Medizin, Bachelor)
- Synthetische Generierung und Erkennung von Gitternetzen dysmorpher Gesichtsstrukturen mittels Autoencoder. (Informatik, Bachelor, 2024)
- 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.
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.
In der Pathologie steht es an der Tagesordnung Gewebestrukturen zu segmentieren und analysieren. Damit dieser Prozess für PathologInnen vereinfacht werden kann, soll eine interaktive Anwendung entwickelt werden, in der pathologische Bilddateien reingeladen werden können und segmentiert werden. Zusätzlich soll durch Clustering-Verfahren ähnliche/unterschiedliche Gewebestrukturen durch eine interaktive Zusammenarbeit mit den PathologInnen annotiert werden können.
Lehre
| Name | Semester | Typ |
|---|---|---|
| Interactive Machine Learning for Healthcare Lab | Wintersemester 2024/25 | Vorlesung |
| Interactive Machine Learning Lab | Wintersemester 2024/25 | Vorlesung |
Publikationen
|
2024 |
|
Fabio Hellmann, Elisabeth André, Mohamed Benouis, Benedikt Buchner and Silvan Mertes. 2024. Anonymization of faces: technical and legal perspectives. DOI: 10.1007/s11623-024-1938-6 |
|
Dat Duong, Anna Rose Johny, Suzanna Ledgister Hanchard, Christopher Fortney, Kendall Flaharty, Fabio Hellmann, Ping Hu, Behnam Javanmardi, Shahida Moosa, Tanviben Patel, Susan Persky, Ömer Sümer, Cedrik Tekendo-Ngongang, Hellen Lesmann, Tzung-Chien Hsieh, Rebekah L. Waikel, Elisabeth André, Peter Krawitz and Benjamin D. Solomon. 2024. Comparison of clinical geneticist and computer visual attention in assessing genetic conditions. DOI: 10.1371/journal.pgen.1011168 |
|
Ömer Sümer, Fabio Hellmann, Alexander Hustinx, Tzung-Chien Hsieh, Elisabeth André and Peter Krawitz. 2024. Few-shot meta-learning for recognizing facial phenotypes of genetic disorders. DOI: 10.3233/shti230312 |
|
Fabio Hellmann, Silvan Mertes, Mohamed Benouis, Alexander Hustinx, Tzung-Chien Hsieh, Cristina Conati, Peter Krawitz and Elisabeth André. in press. GANonymization: a GAN-based face anonymization framework for preserving emotional expressions. DOI: 10.1145/3641107 |
|
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. 2024. The STOIC2021 COVID-19 AI challenge: applying reusable training methodologies to private data. DOI: 10.1016/j.media.2024.103230 |
|
2023 |
|
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 |
|
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 |
|
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 |
|
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 |