Dr. Martin Menten
Emmy Noether-Nachwuchsgruppe (DFG)
Nutzung Multimodaler Lernsignale in der Ophthalmologischen Bildgebung
Lehrstuhl für Artificial Intelligence in Healthcare and Medicine
Kontakt
Wissenschaftliche Laufbahn und Forschungsgebiete
Dr. Menten arbeitet im Bereich des maschinellen Lernens für die medizinische Bildverarbeitung. Seine Forschung konzentriert sich auf selbstüberwachtes Lernen, um der Datenknappheit im Gesundheitswesen zu begegnen, und auf die Integrierung multimodaler klinischer Daten mit medizinischen Bildern. Besonders interessiert er sich für die Entwicklung und Anwendung von Algorithmen des maschinellen Lernens in der Augenheilkunde.
Dr. Menten studierte von 2008 bis 2014 Physik an der Universität Heidelberg. Anschließend promovierte er am Institute of Cancer Research in London, wo er automatisierte adaptive Strahlentherapien für Krebserkrankungen entwickelte. Nach Abschluss seiner Promotion im Jahr 2019 wechselte er von der Physik zur Informatik und arbeitete in der Biomedical Image Analysis Gruppe am Imperial College London. 2021 wechselte er an die Technische Universität München, wo er 2024 seine eigene Forschungsgruppe gründete.
Schlüsselpublikationen (alle Publikationen)
Kreitner L, Paetzold JC, Rauch N, Chen C, Hagag AM, Fayed AE, Sivaprasad S, Rausch S, Weichsel J, Menze BH, Harders M, Knier B, Rueckert D, Menten MJ: "Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations." IEEE Transactions on Medical Imaging. 2024
AbstractMenten MJ, Paetzold JC, Zimmer VA, Shit S, Ezhov I, Holland R, Probst M, Schnabel JA, Rueckert D: "A Skeletonization Algorithm for Gradient-Based Optimization." Proceedings of the IEEE/CVF International Conference on Computer Vision. 2023
AbstractHolland R, Leingang O, Holmes C, Anders P, Kaye R, Riedl S, Paetzold JC, Ezhov I, Bogunović H, Schmidt-Erfurth U, Scholl HPN, Sivaprasad S, Lotery AJ, Rueckert D, Menten MJ: "Clustering Disease Trajectories in Contrastive Feature Space for Biomarker Proposal in Age-Related Macular Degeneration." International Conference on Medical Image Computing and Computer-Assisted Intervention. 2023
AbstractHager P, Menten MJ, Rueckert D: "Best of both worlds: multimodal contrastive learning with tabular and imaging data." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2023
AbstractMenten MJ, Paetzold JC, Dima A, Menze BH, Knier B, Rueckert D: "Physiology-based simulation of the retinal vasculature enables annotation-free segmentation of OCT angiographs." International Conference on Medical Image Computing and Computer-Assisted Intervention. 2022
AbstractBei Änderungs- oder Aktualisierungswünschen wenden Sie sich bitte an TUM Talent Factory.