Linda-Sophie Schneider
Linda-Sophie Schneider, M. Sc.
Academic CV
- Since 08/2021:
Ph.D. Student at Pattern Recognition Lab, FAU Erlangen-Nürnberg - 10/2018 – 02/2021:
M. Sc. Mathematics, FAU Erlangen-Nürnberg - 04/2018 – 07/2018:
Practical semester abroad in Portugal - 10/2014 – 12/2017:
B. Sc. Mathematical Economics, FAU Erlangen-Nürnberg
Projects
2021
-
SmartCT - Erforschung und Entwicklung von Methoden der Künstlichen Intelligenz für ein autonomes Roboter-CT System zur 3D-Digitalisierung beliebiger Objekte
(Third Party Funds Group – Overall project)
Term: June 1, 2021 - May 31, 2024
Funding source: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie (StMWi) (seit 2018)
URL: https://www.pinterguss.de/forschung-entwicklung/smart-ct.htmlIn Vorhaben SmartCT sollen KI-Methoden entwickelt und angewendet werden, die Roboter-CT Systemen ermöglicht, selbstständig, also autonom, die äußeren und inneren Strukturen beliebiger Objekte zu digitalisieren. Diese so erzeugten Daten stellen die Basis von neuartigen, innovativen und datengetriebenen Geschäftsmodellen in vielen Bereichen wie Produktentwicklung, Produktion, Handel, Instandhaltung, Sicherheit und Recycling dar.
Roboter-CT Systeme können beliebige Objekte (Fahrzeugkomponenten, Flugzeugflügel, Batterie-zellen, Versandpaket, etc.) zerstörungsfrei digitalisieren. Diese Systeme sind jedoch hoch komplex und deshalb bisher nur mit großem zeitlichen Aufwand von Experten bedien- und einsetzbar. Roboter-CT Systeme werden deshalb aktuell nur bei großen Unternehmen eingesetzt. Mit Hilfe der in SmartCT entwickelten KI-Methoden soll es möglich werden, dass beliebige Objekte effizient und wirtschaftlich attraktiv digitalisiert werden können, so dass auch kleinere und mittlere Unternehmen die Vorteile dieser Technologie vollständig zugänglich gemacht werden kann. Zugleich wird mit diesem Vorhaben die Akzeptanz roboterbasierter CT-Systeme in der Industrie nachhaltig erhöht.
Publications
2023
Journal Articles
Gradient-based geometry learning for fan-beam CT reconstruction
In: Physics in Medicine and Biology 68 (2023), Article No.: 205004
ISSN: 0031-9155
DOI: 10.1088/1361-6560/acf90e
URL: https://iopscience.iop.org/article/10.1088/1361-6560/acf90e
BibTeX: Download
, , , , , , , , , , , , :
Conference Contributions
Learning-based Trajectory Optimization for a Twin Robotic CT System
12th Conference on Industrial Computed Tomography (iCT) 2023 (Fürth, February 27, 2023 - March 2, 2023)
In: NDT.net Issue: 2023-03 2023
DOI: 10.58286/27748
BibTeX: Download
, , , , , :
Task-based Generation of Optimized Projection Sets using Differentiable Ranking
Fully3D 2023 (Stony Brook State University of New York, July 16, 2023 - July 21, 2023)
In: Fully3D 2023 Proceedings 2023
DOI: 10.48550/arXiv.2303.11724
URL: https://arxiv.org/abs/2303.11724
BibTeX: Download
, , , , , :
Optimizing CT Scan Geometries With and Without Gradients
17th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine (Fully3D) (Stony Brook University, New York, July 16, 2023 - July 21, 2023)
Open Access: https://arxiv.org/abs/2302.06251
BibTeX: Download
, , , , , , :
Thesis and Projects
Type | Title | Status |
---|---|---|
MA thesis | Learning Reconstruction Filters for Arbitrary CBCT Orbits | running |
MA thesis | Using Reinforcement Learning for Planning Robotic Movement | running |
MA thesis | Sinogram Analysis Using Attention U-Net: A Methodological Approach to Defect Detection and Localization in Parallel Beam Computed Tomography | running |
Project | Learning Reconstruction Filters for CBCT Geometry | finished |
MA thesis | Application of projection-based metrics to the optimisation of arbitrary CT scanning trajectory | running |
Project | Tackling Travelling Salesman Problem with Graph Neural Network and Reinforcement Learning | finished |
Project | Synthetic Projection Generation with Angle Conditioning | finished |
BA thesis | On how to learn and use the Detectability Index efficiently for CT trajectory optimisation | running |