Forschungsschwerpunkte
Computer Vision
Computer Vision; Image Processing; Computer Graphics
Machine Learning
Deep Learning; Pattern Recognition
Engineering
3D Printing; Robotics; Embedded Systems; Imaging Techniques; Sensor Fusion
Biomedicine
Behavioural Biology; Neurobiology; Artificial Life
Weitere Zugehörigkeiten an der Universität Münster
Vita
Akademische Ausbildung
- Professor, University of Münster, Münster, Germany
- Junior Professor (W1), University of Münster, Münster, Germany
- Ph. D. studies, University of Münster, Münster Germany
- Diplom Informatiker (Dipl. Inf.; MSc equivalent), University of Münster, Münster, Germany
Beruflicher Werdegang
- Professor, University of Münster, Münster, Germany
- Junior Professor (W1), University of Münster, Münster, Germany, Faculty of Mathematics and Computer Science
- Research Associate, University of Edinburgh, Edinburgh, United Kingdom, Institute for Action, Perception and Behaviour (Insect Robotics Group)
- Ph. D. studies, University of Münster, Münster, Germany, Supervisors: Prof. X. Jiang (Pattern Recognition and Image Analysis) & Prof. C. Klämbt (Institute for Neuro- and Behavioural Biology)
- Diploma degree in computer science with a minor in biology, University of Münster, Münster, Germany
Preise
- EUNIS Elite Award in der Kategorie Honourable mention – European University Information Systems Organisation
- AVRiL Sonderpreis der Ulrich Bernath Stiftung für Fernstudienforschung – Arbeitskreis „VR/AR-Learning“ der GI-Fachgruppen „Bildungstechnologien“ und „VR/AR“
- Paper of the Month – Medizinische Fakultät der Universität Münster
- Lehrpreis – Universität Münster
- Lehrpreis – Fachschaft für Mathematik & Informatik der Universität Münster
- BMVC Outstanding Reviewer Award – The British Machine Vision Association (BMVC)
- Preis für Praktische Informatik (1. Platz) – IHK Nord Westfalen
Mitgliedschaften und Aktivitäten in Gremien
- German Informatics Society Membership, Gesellschaft für Informatik e.V. (GI)
- IEEE Membership, Young Professionals and Computer Society Membership.
Rufe
WWU Münster, Geoinformatics (W2) – angenommen- Ruf auf Junior Profesur für praktische Informatik (W1), Universität Münster
WWU Münster, Praktische Informatik (W1) – angenommen
Lehre
Vorlesung
- V/Ü: Project Management [146921]
(zusammen mit Christian Remfert)- [Mo. – Fr. | n. V.]
Kolloquium
- Kolloquium: Geoinformatics Forum [146944]
- [ – | Di., – | | GEO1 242]
Seminar
- Seminar: Machine Learning for Visual Spatio-Temporal Data [145158]
- [ – | Do., – | ]
- [ – | Fr., – | ]
Praktikum
- Praktikum: Geosoftware I [145145]
- [ – | Mo., – | | StudLab GEO1 125]
Sonstige Lehrveranstaltung
- Projektveranstaltung: Studienprojekt: Squirrels in Town: Detecting and Tracking the Synurbization of Squirrels in Berlin [145302]
- [ – | Mo., – | ]
Vorlesung
- V/Ü: Project Management [142960]
(zusammen mit Christian Remfert)
Seminar
- Seminar: Introduction to Software Programming [142967]
Sonstige Lehrveranstaltung
- Projektveranstaltung: Studyproject: Squirrels in Town - Detecting and Tracking the Synurbization of Squirrels in Berlin [142974]
Seminar
- Seminar: Machine Learning for Visual Spatio-Temporal Data [140972]
Praktikum
- Praktikum: Geosoftware I [140957]
(zusammen mit Dominik Drees)
Sonstige Lehrveranstaltung
- Alle: Kolloquium CVLMS [141020]
Vorlesung
- V/Ü: Project Management [148962]
(zusammen mit Christian Remfert)
Seminar
- Seminar: Introduction to Software Programming [148968]
Sonstige Lehrveranstaltung
- Projektveranstaltung: Study Project: Animal Welfare - Tracking Zebrafish in Laboratory Conditions [149070]
Projekte
- SFB 1748: Reproduction.MS - Molekulare Pathomechanismen männlicher Infertilität ()
DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1748/1 - SFB 1748 - Z02: Forschung-Klinik-Schnittstelle – Reproduction.MS ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1748/1, Z02 - SFB 1459: Intelligente Materie: Von responsiven zu adaptiven Nanosystemen ()
DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1459/2 - SFB 1459 - C05: Kohärente nanophotonische neuronale Netzwerke mit adaptiven molekularen Systemen ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1459/2, C05 - SFB 1450 - B04: Multiskalige Darstellung und Analyse der Leukozytenwanderung in hypoxischen Entzündungsbereichen in vivo ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/2, B04 - SPP 2363 - Teilprojekt: Hervorhebung der molekularen Ähnlichkeit durch erklärbare künstliche Intelligenz ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Schwerpunktprogramm | Förderkennzeichen: KO 4689/7-2; RI 2938/3-2 - Resiliente Gesundheitssysteme in Zeiten Multipler Krisen: Eine Deutsch-Japanische Kooperation – RE-CARE ()
Gefördertes Einzelprojekt: DFG - Aufbau internationaler Kooperationen | Förderkennzeichen: KR 5454/1-1 - Else Kröner Medical Scientist Kolleg Münster - Dynamik von Entzündungsreaktionen – InFlame ()
Beteiligung in sonstigem Verbundvorhaben: Else Kröner Medical Scientist Kolleg | Förderkennzeichen: 2021_EKMK.13 - Autonomous Drones for Nature Conservation Missions – WildDrone ()
EU-Projekt koordiniert außerhalb der Universität Münster: EU Horizon Europe - Marie Skłodowska-Curie Actions - Doctoral Network | Förderkennzeichen: 101071224 - Centre for Research and Development of Reproductive Scientists – ReproTrack.MS ()
Beteiligung an einem bundesgeförderten Verbund: Bundesministerium für Forschung, Technologie und Raumfahrt | Förderkennzeichen: 01GR2303 - VR-gestütztes Kompetenztraining in der Medizin. Curriculare Integration und Evaluation eines virtuellen Szenarios zur Feststellung des irreversiblen Hirnfunktionsausfalls (Hirntoddiagnostik) ()
Gefördertes Einzelprojekt: Ulrich Bernath Stiftung für Fernstudienforschung - SPP 2363 - Teilprojekt: Neuronale Fingerabdrücke als struktur- und aktivitätssensitive molekulare Darstellungen ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Schwerpunktprogramm | Förderkennzeichen: KO 4689/7-1; RI 2938/3-1 - LLM-basierte Simulation einer chronologisch realistischen Versorgungssituation – MediGotchi ()
Durch die Universität Münster intern gefördertes Projekt: Medizinische Fakultät der Universität Münster - Interdisziplinäres Lehrprogramm zu maschinellem Lernen und künstlicher Intelligenz – InterKI ()
Beteiligung an einem bundesgeförderten Verbund: Bundesministerium für Forschung, Technologie und Raumfahrt | Förderkennzeichen: 16DHBKI049 - Friends with benefits? A holistic approach to diffuse mutualism in plant pollinator interactions ()
Beteiligung in sonstigem Verbundvorhaben: HFSP - Research Grant - Program | Förderkennzeichen: RGP0057/2021 - Maschinell trainierter Qualitätssensor, intelligente Prozessteuerung und ein ML-Framework zur ressourceneffizienten, maßgeschneiderten Kohlenstofffaserherstellung – maQinto ()
Beteiligung an einem bundesgeförderten Verbund: Bundesministerium für Forschung, Technologie und Raumfahrt | Förderkennzeichen: 01I522020D - SFB 1450 - B04: Multiskalige Darstellung und Analyse der Leukozytenwanderung in hypoxischen Entzündungsbereichen in vivo ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, B04 - SFB 1459 - C05: Kohärente nanophotonische neuronale Netzwerke mit adaptiven molekularen Systemen ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1459/1, C05 - Reproduction – from Genes to Molecules and Function ()
Durch die Universität Münster intern gefördertes Projekt: Universität Münster-interne Förderung - Topical Programmes - Verbundprojekt: Intelligente Virtuelle Agenten für die Medizinische Ausbildung (medical tr.AI.ning) - Teilvorhaben: Entwicklung und Erforschung von intelligenten virtuellen Agenten für die klinisch-medizinische Ausbildung mit Schwerpunkt in KI – meditrain ()
Beteiligung an einem bundesgeförderten Verbund: Bundesministerium für Forschung, Technologie und Raumfahrt | Förderkennzeichen: 16DHBKI077 - Learning from Neuroscience to Investigate the IQ of Deep Neural Networks ()
Gefördertes Einzelprojekt: MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - KI-Starter | Förderkennzeichen: 005-2010-0055 - Das Individuum im Fokus der Lebenswissenschaften ()
Durch die Universität Münster intern gefördertes Projekt: Universität Münster-interne Förderung - Topical Programmes - GIGA Gebärdensprachen - Entwicklung einer 5G enabled Gebärdensprachen-Applikation ()
Beteiligung in sonstigem Verbundvorhaben: MWIKE NRW - Förderwettbewerb 5G.NRW | Förderkennzeichen: 005-2018-0104; 005-2108-0102 - Augmented and Virtual Reality in der medizinischen Ausbildung ()
Gefördertes Einzelprojekt: Institut für Ausbildung und Studienangelegenheiten der Medizinischen Fakultät - Reproduction – from Genes to Molecules and Function ()
Durch die Universität Münster intern gefördertes Projekt: Universität Münster-interne Förderung - Topical Programmes - KMU-innovativ Verbundprojekt: Entwicklung eines Intelligenten 3D Druckers (SMARTPRINT); Teilprojekt: Erforschung und Entwicklung der Kl-Algorithmen – SMARTPRINT ()
Beteiligung an einem bundesgeförderten Verbund: Bundesministerium für Forschung, Technologie und Raumfahrt | Förderkennzeichen: 02P19K121 - QuBe (Tools for Quantitative Behaviour) - Investitionen in Wachstum und Beschäftigung – QuBe ()
Gefördertes Einzelprojekt: EFRE/JTF-Programm - EFRE Start-up Transfer.NRW - START-UP-Hochschul-Ausgründungen NRW | Förderkennzeichen: EFRE-0400299 - EMID - Electron Microscopy Imaging in the Dark - Entwicklung der Nachbelichtungsfunktionalität des EMID Verfahrens – EIMD ()
Beteiligung an einem bundesgeförderten Verbund: BMWE - Zentrales Innovationsprogramm Mittelstand | Förderkennzeichen: ZF4649501TS8 - Artificial Intelligence for Additive Manufacturing ()
Gefördertes Einzelprojekt: tapdo technologies GmbH - Entwicklung eines Verfahrens zur automatischen Erstellung von Reitsportaufnahmen ()
Gefördertes Einzelprojekt: LV digital GmbH - Entwicklung eines Verfahrens zur Bildverbesserung von biomedizinischen Bilddaten wie Elektronen Miktoskopie ()
Gefördertes Einzelprojekt: EMSIS GmbH - EXC 1003 PP-2017-10 The hatching box: Automated monitoring of the circadian clock during metamorphosis of the fly ()
Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Exzellenzcluster | Förderkennzeichen: PP-2017-10
Publikationen
- Molina Catricheo, Constanza Andrea, Boeder, Simon, Guo, Ting, May, G., Berthelot, C., Tuia, Devis, Reinhard, Friedrich Fedor, Remondino, Fabio, und Risse, Benjamin. . NEST3D: A High-Resolution Multimodal Dataset of Sociable Weaver Tree Nests arXiv. doi: 10.48550/ARXIV.2606.14562.
- Radas, Jonathan, Risse, Benjamin, und Vogl, Raimund. . „UniGPT Revisited: From a Simple Chatbot to an API-First AI Platform — Two Years of On-Premises LLM Operations.“ In Proceedings of EUNIS 2026 Annual Congress, Bd. 109 aus EPiC Series in Computing, herausgegeben von Laurence Desnos, Carmen Diaz, Janina Mincer-Daszkiewicz, Lazaros Merakos, Raimund Vogl und Stuart Lucke Ulrike McLellan. online: EasyChair. doi: 10.29007/4rq8.
- Fisch, L, Winter, NR, Goltermann, J, Barkhau, C, Emden, D, Ernsting, J, Konowski, M, Leenings, R, Borgers, T, Flinkenflügel, K, Grotegerd, D, Kraus, A, Leehr, EJ, Meinert, S, Stein, F, Teutenberg, L, Thomas-Odenthal, F, Usemann, P, Hermesdorf, M, Jamalabadi, H, Jansen, A, Nenadić, I, Straube, B, Kircher, T, Berger, K, Risse, B, Dannlowski, U, und Hahn, T. . „deepmriprep: voxel-based morphometry preprocessing via deep neural networks.“ Preprint. Nature Computational Science: 1–10.
- Lundquist, UPS, Afridi, S, Berthelot, C, Ngoc, Dat N, Hlebowicz, K, Iannino, E, Laporte-Devylder, L, Maalouf, G, May, G, Meier, K, Molina, Catricheo CA, Rolland, EGA, Rondeau, Saint-Jean C, Shukla, V, Burghardt, T, Christensen, AL, Costelloe, BR, Damen, M, Flack, A, Jensen, K, Midtiby, HS, Mirmehdi, M, Remondino, F, Richardson, T, Risse, B, Tuia, D, Wahlberg, M, Cawthorne, D, Bullock, S, Njoroge, W, Mutisya, S, Watson, M, und Pastucha, E. . „WildDrone: autonomous drone technology for monitoring wildlife populations.“ Frontiers in Robotics and AI Volume 12 - 2025. doi: 10.3389/frobt.2025.1695319.
- Boeder, S, Gigengack, F, Roesler, S, Caesar, H, und Risse, B. im Druck. „ShelfOcc: Native 3D Supervision beyond LiDAR for Vision-Based Occupancy Estimation.“ In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), herausgegeben von T. Kanade, Shimon Ullman, Chandra Kambhamettu und Dimitris N. Metaxas. Denver, USA: IEEE/CVF.
- Becker, M, Konrad, J, Rodriguez, LG, und Risse, B. . „Random Label Prediction Heads for Studying Memorization in Deep Neural Networks.“ In The Fourteenth International Conference on Learning Representations (ICLR), herausgegeben von Carl Vondrick, Bharath Hariharan, Aleksandra Faust, Lerrel Pinto, Diyi Yang, Colin Raffel und Zhenyu Xue. Rio de Janeiro, Brazil: OpenReview.
- Pielage, Leon, Hätscher, Ole, Back, Mitja, Marschall, Bernhard, und Risse, Benjamin. . „Dynamic Personality Adaptation in Large Language Models via State Machines.“ Preprint. Lecture notes in computer science 16817: 509–523. doi: 10.1007/978-3-032-31673-8_34.
- Schnorrenberg, Jan, Ernsting, Jan, Küllenberg, Enrico, Hahn, Tim, Risse, Benjamin, und Thomas, Christian. . „Seeing Beyond the Lesion: Disease Recognition from Reactive CNS Tissue.“ Preprint. arXiv doi: https://doi.org/10.48550/arXiv.2609.02390.
- Ernsting, Jan, Kordes, Gunnar Paul, Johannaber, Nils, Ogoniak, Lynn, Roll, Wolfgang, Hahn, Tim, Busch, Alexander Siegfried, und Risse, Benjamin. . „Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health.“ Preprint. arXiv doi: 10.48550/arXiv.2607.02127.
- Becker, M, Drees, D, Brückerhoff-Plückelmann, F, Schuck, C, Pernice, W, und Risse, B. . „Activation Functions in Non-Negative Neural Networks.“ IEEE Access doi: 10.1109/ACCESS.2025.3622408.
- Pielage, Leon, Schmidle, Paul, Marschall, Bernhard, und Risse, Benjamin. . „Interactive High-Quality Skin Lesion Generation using Diffusion Models for VR-based Dermatological Education.“ In IUI '25: Proceedings of the 30th International Conference on Intelligent User Interfaces, herausgegeben von Association for Computing Machinery. New York, NY, United States: ACM Press. doi: 10.1145/3708359.3712101.
- Junga, Anna, Kockwelp, Pascal, Valkov, Dimitar, Schulze, Henriette, Bozdere, Philipp, Hätscher, Ole, Ahrens, Helmut, Marschall, Bernhard, Risse, Benjamin, und Holling, Markus. . „Teach the unteachable with a virtual reality (VR) brain death scenario - 800 students and 3 years of experience.“ Perspectives on Medical Education 14 (1): 45–54. doi: 10.5334/pme.1427.
- Baumberger, M, Haas, B, Tewes, W, Risse, B, Meyer, N, und Meyer, H. . „Gated recurrent units for modelling time series of soil temperature and moisture: An assessment of performance and process reflectivity.“ Environmental Modelling and Software 183: 106245–106245. doi: 10.1016/j.envsoft.2024.106245.
- Thiele, Sebastian, Kockwelp, Jacqueline, Wistuba, Joachim, Kliesch, Sabine, Gromoll, Jörg, und Risse, Benjamin. . „Investigating Imaging, Annotation and Self-Supervision for the Classification of Continuously Developing Cells in Histological Whole Slide Images.“ Beitrag präsentiert auf der IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), Tucson, Arizona
- Kockwelp, Jacqueline, Beckmann, Daniel, und Risse, Benjamin. . „Human Gaze Improves Vision Transformers by Token Masking.“ Beitrag präsentiert auf der Gaze Meets Computer Vision @ Winter Conference on Applications of Computer Vision (WACV) Workshops , Tucson, Arizona
- Radas, J, Risse, B, und Vogl, R. . „Building UniGPT: A Customizable On-Premise LLM-Solution for Universities.“ In Proceedings of EUNIS 2024 annual congress in Athens, EPiC Series in Computing, herausgegeben von R Vogl, L Desnos, J Desnos, S Bolis, L Merakos, G Ferrell, E Tsili und M Roumeliotis. EPiC Series in Computing: EasyChair. doi: 10.29007/jv1l.
- Porschen, Christian, Ernsting, Jan, Brauckmann, Paul, Weiss, Raphael, Würdemann, Till, Booke, Hendrik, Amini, Wida, Maidowski, Ludwig, Risse, Benjamin, Hahn, Tim, und von Groote, Thilo. . „pyAKI—An open source solution to automated acute kidney injury classification.“ PloS one 20 (1) e0315325.
- Garcia Rodriguez, Luis, Konrad, Jonas, Drees, Dominik, und Risse, Benjamin. . „S-ROPE: Spectral Frame Representation of Periodic Events.“ In Computer Vision – ECCV 2024 Workshops, Bd. 15646 aus Lecture Notes in Computer Science, herausgegeben von Alessio Del Bue, Cristian Canton, Jordi Pont-Tuset und Tatiana Tommasi. Cham: Springer Nature. doi: 10.1007/978-3-031-92460-6.
- Boeder, S, und Risse, B. . „OccFlowNet: Occupancy Estimation via Differentiable Rendering and Occupancy Flow.“ In 2025 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), herausgegeben von IEEE. published: Wiley-IEEE Computer Society Press.
- Boeder, S, Gigengack, F, und Risse, B. . „LangOcc: Open Vocabulary Occupancy Estimation via Volume Rendering.“ In International Conference on 3D Vision 2025, herausgegeben von CVF.
- Boeder, S, Gigengack, F, und Risse, B. . „GaussianFlowOcc: Sparse and Weakly Supervised Occupancy Estimation using Gaussian Splatting and Temporal Flow.“ Preprint. arXiv
- Junga, A., Bozdere, P., Hätscher, O., Scherzer, S., Schmidle, P., Schulze, H., Pielage, L., Kockwelp, P., Meyerheim, M., Mergen, M., Risse, B., Marschall, B., Glückselig, T., und Ungru, K. . „Rethinking interaction design: Special implications for interaction concepts in medical education using virtual reality.“ Virtual Reality 29 (98). doi: 10.1007/s10055-025-01180-7.
- Ernsting, J, Beeken, PN, Ogoniak, L, Kockwelp, J, Roll, W, Hahn, T, Busch, AS, und Risse, B. . „Towards population scale testis volume segmentation in DIXON MRI.“ Computers in Biology and Medicine 198: 111139–111139. doi: 10.1016/j.compbiomed.2025.111139.
- Hüffer, P, Degbelo, A, und Risse, B. . „Geovicla: Automated Classification of Interactive Web-Based Geovisualizations.“ In Leibniz International Proceedings in Informatics (LIPIcs), Bd. 12 aus Proceedings of the 13th International Conference on Geographic Information Science (GIScience 2025), herausgegeben von Katarzyna and Moore Sila-Nowicka, David and Adams Antoni and O'Sullivan und Mark Benjamin and Gahegan. dagstuhl.de: Dagstuhl Publishing. doi: 10.4230/LIPIcs.GIScience.2025.10.
- Bigge, J, Ogueta, M, Garcia, L, und Risse, B. . „Hatching-Box: Automated in situ monitoring of Drosophila melanogaster development in standard rearing vials.“ PloS one 20 (9): e0331556–e0331556.
- Wu, J, Beckmann, D, Miller, S, Altmayer, S, Chang, K, Dashevsky, B, Risse, B, Gruhl, D, und Davidzon, G. . „Gaze-assisted agent for safer integration of [18F] FDG-PET/CT AI lesion prediction into clinical workflow.“ Journal of Nuclear Medicine 66 (supplement 1): 251398–251398.
- Homberg, Samuel K.R., Modlich, Malte L., Becker, Marlon, Menke, Janosch, Morris, Garrett M., Risse, Benjamin, und Koch, Oliver. . „Interpreting Graph Neural Networks with Myerson Values for Cheminformatics Approaches.“ In Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions, Bd. 5 aus Artificial Neural Networks and Machine Learning - ICANN 2025 International Workshops and Special Sessions, herausgegeben von Senn Walter, Sanguineti Marcello, Saudargiene Ausra, V.Tetko Igor, E.P. Villa Alessandro, Jirsa Viktor und Bengio Yoshua. LNCS 16072: Springer Nature. doi: 10.1007/978-3-032-04552-2.
- Kockwelp, Jacqueline, Kliesch, Sabine, Gromoll, Jörg, Wistuba, Joachim, und Risse, Benjamin. . „MARTHA - Combining gaze into deep learning for fully quantitative human testicular histology analysis.“ Computers in Biology and Medicine 199: 111270. doi: 10.1016/j.compbiomed.2025.111270.
- Becker, Marlon, Altrock, Frederick, und Risse, Benjamin. . „Momentum-SAM: Sharpness Aware Minimization without Computational Overhead.“ In Advances in Neural Information Processing Systems 39 (NeurIPS 2025), herausgegeben von Danielle Belgrave, Cheng Zhang, Laura Montoya, Hsuan-Tien Lin, Razvan Pascanu, Piotr Koniusz, Marzyeh Ghassemi und Nancy Chen. San Diego: Neural Information Processing Systems Foundation, Inc. (NeurIPS). doi: 10.52202/085713-1850.
- Schilling, M, und Risse, B. . „Cognition in motion: Functional internal models as an evolutionary scaffold in cognitive control.“ Behavioral and Brain Sciences 48: e95–e95.
- Boeder, Simon, Gigengack, Fabian, und Risse, Benjamin. . „Gaussianflowocc: Sparse and weakly supervised occupancy estimation using gaussian splatting and temporal flow.“ In Proceedings of the IEEE/CVF International Conference on Computer Vision, herausgegeben von Hilde Kuehne, Gerard Medioni, Dimitris Samaras, Jingyi Yu und Ramin Zabih. Honolulu, Hawaii: Wiley-IEEE Computer Society Press.
- Becker, Marlon, Butz, Marco, Lemli, David, Schuck, Carsten, und Risse, Benjamin. . „Learning Proposal Distributions in Simulated Annealing via Template Networks: A Case Study in Nanophotonic Inverse Design.“ In Pattern Recognition, Bd. 27 aus 27th International Conference ICPR 2024, herausgegeben von Antonacopoulos Apostolos, Chaudhuri Subhasis, Chellappa Rama, Liu Cheng-Lin, Bhattacharya Saumik und Pal Umapada. Kolkata, India: Springer. doi: 10.1007/978-3-031-78186-5_13.
- Kockwelp, Pascal, Meyerheim, Marcel, Valkov, Dimitar, Mergen, Marvin, Junga, Anna, Krüger, Antonio, Marschall, Bernhard, Holling, Markus, und Risse, Benjamin. . „VR-based Competence Training at Scale: Teaching Clinical Skills in the Context of Virtual Brain Death Examination.“ Proceedings of the ACM on Human-Computer Interaction 8 261. doi: 10.1145/3664635.
- Schulte, L, Butz, M, Becker, M, Risse, B, und Schuck, C. . „Accelerating Finite-Difference Frequency-Domain Simulations for Inverse Design Problems in Nanophotonics using Deep Learning.“ Journal of the Optical Society of America B 41 (4): 1039–1046. doi: 10.1364/JOSAB.506159.
- Junga, Anna, Schulze, Henriette, Scherzer, Sönke, Hätscher, Ole, Bozdere, Philipp, Schmidle, Paul, Risse, Benjamin, und Marschall, Bernhard. . „Immersive learning in medical education: analyzing behavioral insights to shape the future of VR-based courses.“ BMC Medical Education 2024 (24) 1413. doi: 10.1186/s12909-024-06337-7.
- Kockwelp, Jacqueline, Thiele, Sebastian, Bartsch, Jannis, Haalck, Lars, Gromoll, Jörg, Schlatt, Stefan, Exeler, Rita, Bleckmann, Annalen, Lenz, Georg, Wolf, Sebastian, Steffen, Björn, Berdel, Wolfgang Eduard, Schliemann, Christoph, Risse, Benjamin, und Angenendt, Linus. . „Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears.“ Blood Advances 8 (1): 70–79. doi: 10.1182/bloodadvances.2023011076.
- Junga, Anna, Kockwelp, Pascal, Valkov, Dimitar, Marschall, Bernhard, Hartwig, Sophia, Stummer, Walter, Risse, Benjamin, und Holling, Markus. . „Virtual Reality based teaching – a paradigm shift in education?“ präsentiert auf der 73. Jahrestagung Deutsche Gesellschaft für Neurochirurgie, Köln. doi: 10.3205/22DGNC538.
- Beckmann, Daniel, Kockwelp, Jacqueline, Gromoll, Joerg, Kiefer, Friedemann, und Risse, Benjamin. . „SAM meets Gaze: Passive Eye Tracking for Prompt-based Instance Segmentation.“ Proceedings of Machine Learning Research 2023.
- Haalck, Lars, und Risse, Benjamin. . „Solving the Plane-Sphere Ambiguity in Top-Down Structure-from-Motion.“ Beitrag präsentiert auf der IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), Waikoloa, Hawaii doi: 10.1109/WACV57701.2024.00345.
- Gebauer, Eike, Thiele, Sebastian, Ouvrard, Pierre, Sicard, Adrien, und Risse, Benjamin. . „Towards a Dynamic Vision Sensor-based Insect Camera Trap.“ Beitrag präsentiert auf der Winter Conference on Applications of Computer Vision 2024, Waikoloa, Hawaii
- Porschen, C, Ernsting, J, Brauckmann, P, Weiss, R, Würdemann, T, Booke, H, Amini, W, Maidowski, L, Risse, B, Hahn, T, und Groote, T. . „pyAKI - An Open Source Solution to Automated KDIGO classification.“ Preprint. arXiv doi: 10.48550/arXiv.2401.12930.
- Young, S, Schiffer, C, Wagner, A, Patz, J, Potapenko, A, Herrmann, L, Nordhoff, V, Pock, T, Krallmann, C, Stallmeyer, B, Röpke, A, Kierzek, M, Biagioni, C, Wang, T, Haalck, L, Deuster, D, Hansen, JN, Wachten, D, Risse, B, Behre, HM, Schlatt, S, Kliesch, S, Tüttelmann, F, Brenker, C, und Strünker, T. . „Human fertilization in vivo and in vitro requires the CatSper channel to initiate sperm hyperactivation.“ Journal of Clinical Investigation 134 (1). doi: 10.1172/JCI173564.
- Winter, NR, Blanke, J, Leenings, R, Ernsting, J, Fisch, L, Sarink, K, Barkhau, C, Emden, D, Thiel, K, Flinkenflügel, K, Winter, A, Goltermann, J, Meinert, S, Dohm, K, Repple, J, Gruber, M, Leehr, EJ, Opel, N, Grotegerd, D, Redlich, R, Nitsch, R, Bauer, J, Heindel, W, Gross, J, Risse, B, Andlauer, TFM, Forstner, AJ, Nöthen, MM, Rietschel, M, Hofmann, SG, Pfarr, JK, Teutenberg, L, Usemann, P, Thomas-Odenthal, F, Wroblewski, A, Brosch, K, Stein, F, Jansen, A, Jamalabadi, H, Alexander, N, Straube, B, Nenadic, I, Kircher, T, Dannlowski, U, und Hahn, T. . „A Systematic Evaluation of Machine Learning--Based Biomarkers for Major Depressive Disorder.“ JAMA Psychiatry 81 (4): 386–395. doi: 10.1001/jamapsychiatry.2023.5083.
- Bauer, N, Beckmann, D, Reinhardt, D, Frost, N, Bobe, S, Erapaneedi, R, Risse, B, und Kiefer, F. . „Therapy-induced modulation of tumor vasculature and oxygenation in a murine glioblastoma model quantified by deep learning-based feature extraction.“ Scientific Reports 14 (1): 2034–2034. doi: 10.1038/s41598-024-52268-0.
- Fisch, L., Zumdick, S., Barkhau, C., Emden, D., Ernsting, J., Leenings, R., Sarink, K., Winter, N.R., Risse, B., Dannlowski, U., und Hahn, T. . „deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks.“ Computers in Biology and Medicine 179. doi: 10.1016/j.compbiomed.2024.108845.
- Shukla, Vandita, Morelli, Luca, Remondino, Fabio, Micheli, Andrea, Tuia, Devis, und Risse, Benjamin. . „Towards Estimation of 3D Poses and Shapes of Animals from Oblique Drone Imagery.“ Beitrag präsentiert auf der ISPRS Technical Commission II Symposium 2024, Las Vegas
- Schwarz, S, Clement, L, Haalck, L, Risse, B, und Wystrach, A. . „Compensation to visual impairments and behavioral plasticity in navigating ants.“ Proceedings of the National Academy of Sciences of the United States of America 121 (48): e2410908121.. doi: 10.1073/pnas.2410908121.
- Brückerhoff-Plückelmann, F, Borras, H, Klein, B, Varri, A, Becker, M, Dijkstra, J, Brückerhoff, M, Wright, CD, Salinga, M, Bhaskaran, H, Risse, B, Fröning, H, und Pernice, W. . „Probabilistic photonic computing with chaotic light.“ Nature Communications 15 (1): 10445–10445. doi: 10.1038/s41467-024-54931-6.
- Becker, Marlon, und Risse, Benjamin. . „Learned Random Label Predictions as a Neural Network Complexity Metric.“ Beitrag präsentiert auf der Workshop on Scientific Methods for Understanding Deep Learning @NeurIPS , Vancouver
- Boeder, S, Gigengack, F, und Risse, B. . „Occflownet: Towards self-supervised occupancy estimation via differentiable rendering and occupancy flow.“ Preprint. arXiv
- Boeder, S, Gigengack, F, und Risse, B. . „Langocc: Self-supervised open vocabulary occupancy estimation via volume rendering.“ Preprint. arXiv
- Hätscher, Ole, Junga, Anna, Schulze, Henriette, Kockwelp, Pascal, Risse, Benjamin, Back, Mitja, und Marschall, Bernhard. . „Integration of VR into Medical Education (Workshop).“ In Würtual Reality, herausgegeben von 2023 University of Würzburg, Department of Psychology I (Marcusstr. 9-11, 97070 Würzburg). Würzburg: University of Würzburg, Department of Psychology. doi: 10.25972/OPUS-31720.
- Barrie, Robert, Haalck, Lars, Risse, Benjamin, Nowotny, Thomas, Graham, Paul, und Buehlman, Cornelia. . „Trail using ants follow idiosyncratic routes in complex landscapes.“ Learning and Behavior s13420-023-00615. doi: 10.3758/s13420-023-00615-y.
- Schulze, Henriette, Junga, Anna, Hätscher, Ole, Kockwelp, Pascal, Risse, Benjamin, Holling, Markus, und Marschall, Bernhard. . „Hirntoddiagnostik in Virtual Reality – was denken Studierende darüber?“ präsentiert auf der Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) 2023, Osnabrück. doi: 10.3205/23GMA227.
- Hätscher, Ole, Junga, Anna, Schulze, Henriette, Kockwelp, Pascal, Risse, Benjamin, Back, D.Mitja, und Marschall, Bernhard. . „Zusammenhang von Persönlichkeitsvariablen und Leistung in der virtuellen medizinischen Ausbildung.“ präsentiert auf der Jahrestagung der Gesellschaft für medizinische Ausbildung (GMA) 2023, Osnabrück. doi: 10.3205/23GMA273.
- Butz, Marco, Abazi, Adrian S., Ross, Rene, Risse, Benjamin, und Schuck, Carsten. . „Inverse Design of Nanophotonic Devices using Dynamic Binarization.“ Optics Express 31 (10): 15747–15756. doi: 10.1364/OE.484484.
- Wendland, D, Becker, M, Brückerhoff-Plückelmann, F, Bente, I, Busch, K, Risse, B, und Pernice, WH. . „Coherent dimension reduction with integrated photonic circuits exploiting tailored disorder.“ Journal of the Optical Society of America B 40 (3): B35–B40.
- Haalck, L, Mangan, M, Wystrach, A, Clement, L, Webb, B, und Risse, B. . „CATER: Combined Animal Tracking & Environment Reconstruction.“ Science advances 9 (16): eadg2094–eadg2094.
- Rösler, W, Altenbuchinger, M, Bae{ß}ler, B, Beissbarth, T, Beutel, G, Bock, R, Bubnoff, N, Eckardt, J, Foersch, S, Loeffler, CM, und others. . „An overview and a roadmap for artificial intelligence in hematology and oncology.“ Journal of Cancer Research and Clinical Oncology 15: 1–10.
- Butz, M, Leifhelm, A, Becker, M, Risse, B, und Schuck, C. . „A Universal Approach to Nanophotonic Inverse Design through Reinforcement Learning.“ In CLEO 2023, paper STh4G.3, herausgegeben von Publishing Group Optica. San Jose: Optica. doi: 10.1364/CLEO_SI.2023.STh4G.3.
- Butz, Marco, Leifhelm, Alexander, Becker, Marlon, Risse, Benjamin, und Schuck, Carsten. . „A Novel Approach to Nanophotonic Black-Box Optimization Through Reinforcement Learning.“ In Q 30 Nano-optics, herausgegeben von DPG. Hannover: Deutsche Physikalische Gesellschaft.
- Kockwelp, Jacqueline, Gromoll, Jörg, Wistuba, Joachim, und Risse, Benjamin. . „EyeGuide - From Gaze Data to Instance Segmentation.“ Beitrag präsentiert auf der The British Machine Vision Conference (BMVC), Aberdeen
- Haalck, Lars, Thiele, Sebastian, und Risse, Benjamin. . „Tracking Tiny Insects in Cluttered Natural Environments using Refinable Recurrent Neural Networks.“ Beitrag präsentiert auf der IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), Waikoloa, Hawaii doi: 10.1109/WACV57701.2024.00697.
- Brückerhoff-Plückelmann, Frank, Bente, Ivonne, Becker, Marlon, Vollmar, Niklas, Farmakidis, Nikolaos, Lomonte, Emma, Lenzini, Francesco, Wright, CDavid, Bhaskaran, Harish, Salinga, Martin, Risse, Benjamin, und Pernice, Wolfram HP. . „Event-driven adaptive optical neural network.“ Science advances 9 (42): eadi9127. doi: 10.1126/sciadv.adi9127.
- 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.
- Pielage, Leon, Schmidle, Paul, Marschall, Bernhard, und Risse, Benjamin. . „Diffusion Models in Dermatological Education: Flexible High Quality Image Generation for VR-based Clinical Simulations.“ präsentiert auf der NeurIPS'23 Workshop: Generative AI for Education (GAIED), New Orleans, Louisiana.
- Döll, Petra, Sester, Monika, Feuerhake, Udo, Frahm, Holger, Fritzsch, Bernadette, Hezel, Dominik C, Kaus, Boris, Kolditz, Olaf, Linxweiler, Jan, Müller Schmied, Hannes, Nyenah, Emmanuel, Risse, Benjamin, Schielein, Ulrich, Schlauch, Tobias, Streck, Thilo, und van den Oord, Gijs. . „Sustainable research software for high-quality computational research in the Earth System Sciences: Recommendations for universities, funders and the scientific community in Germany.“ Preprint. FIG GEO-LEO e-docs doi: 10.23689/fidgeo-5805.
- Becker, Marlon, Riegelmeyer, Jan, Seyfried, Maximilian David, Ravoo, Bart Jan, Schuck, Carsten, und Risse, Benjamin. . „Adaptive Photochemical Nonlinearities for Optical Neural Networks.“ Advanced Intelligent Systems 5 (12). doi: 10.1002/aisy.202300229.
- Becker, Marlon, Butz, Marco, Lemli, David, Schuck, Carsten, und Risse, Benjamin. . „Combinatorial Optimization via Memory Metropolis: Template Networks for Proposal Distributions in Simulated Annealing applied to Nanophotonic Inverse Design.“ präsentiert auf der Neural Information Processing Systems (NeurIPS) Workshop on AI for Accelerated Materials Design (AI4Mat-2023), New Orleans.
- Mergen, Marvin*, Junga, Anna*, Risse, Benjamin, Valkov, Dimitar, Graf, Norbert, und Marschall, Bernhard. . „Immersive training of clinical decision making with AI driven virtual patients-a new VR platform called medical tr.AI.ning.“ GMS Journal for Medical Education 40 (2). doi: 10.3205/zma001600.
- Bobe, S, Beckmann, D, Klump, DM, Dierkes, C, Kirschnick, N, Redder, E, Bauer, N, Schäfers, M, Erapaneedi, R, Risse, B, van, de Pavert SA, und Kiefer, F. . „Volumetric imaging reveals VEGF-C-dependent formation of hepatic lymph vessels in mice.“ Frontiers in cell and developmental biology 10: 949896–949896. doi: 10.3389/fcell.2022.949896.
- Hahn, T, Ernsting, J, Winter, NR, Holstein, V, Leenings, R, Beisemann, M, Fisch, L, Sarink, K, Emden, D, Opel, N, Redlich, R, Repple, J, Grotegerd, D, Meinert, S, Hirsch, JG, Niendorf, T, Endemann, B, Bamberg, F, Kröncke, T, Bülow, R, Völzke, H, von, Stackelberg O, Sowade, RF, Umutlu, L, Schmidt, B, Caspers, S, Kugel, H, Kircher, T, Risse, B, Gaser, C, Cole, JH, Dannlowski, U, und Berger, K. . „An Uncertainty-Aware, Shareable and Transparent Neural Network Architecture for Brain-Age Modeling.“ Science advances 8 (1): eabg9471–eabg9471. doi: 10.1126/sciadv.abg9471.
- Tuia, D, Kellenberger, B, Beery, S, Costelloe, BR, Zuffi, S, Risse, B, Mathis, A, Mathis, MW, van, Langevelde F, Burghardt, T, Kays, R, Klinck, H, Wikelski, M, Couzin, ID, van, Horn G, Crofoot, MC, Stewart, CV, und Berger-Wolf, T. . „Perspectives in machine learning for wildlife conservation.“ Nature Communications 13 (1): 792–807. doi: 10.1038/s41467-022-27980-y.
- Kockwelp, P, Junga, A, Valkov, D, Marschall, B, Holling, M, und Risse, B. . „Towards VR Simulation-Based Training in Brain Death Determination.“ Beitrag präsentiert auf der 2022 IEEE Conference on Virtual Reality and 3D User Interfaces Abstracts and Workshops (VRW), Christchurch doi: 10.1109/VRW55335.2022.00065.
- Thiele, Sebastian, und Risse, Benjamin. . „Narrowing Attention in Capsule Networks.“ In 26th International Conference on Pattern Recognition, herausgegeben von IEEE. 26th International Conference on Pattern Recognition (ICPR): Wiley-IEEE Press.
- Kockwelp, Jacqueline, Thiele, Sebastian, Kockwelp, Pascal, Bartsch, Jannis, Schliemann, Christoph, Angenendt, Linus, und Risse, Benjamin. . „Cell Selection-based Data Reduction Pipeline for Whole Slide Image Analysis of Acute Myeloid Leukemia.“ In The IEEE / CVF Computer Vision and Pattern Recognition Conference (CVPR), In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, herausgegeben von IEEE/CVF. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. doi: 10.1109/CVPRW56347.2022.00199.
- Riegelmeyer, Jan, Eich, Alexander, Becker, Marlon, Risse, Benjamin, und Schuck, Carsten. . „Development of a nanophotonic nonlinear unit for optical artificial neural networks.“ präsentiert auf der DPG Springmeeting 2022, Erlangen.
- Butz, Marco, Leifhelm, Alexander, Becker, Marlon, Risse, Benjamin, und Schuck, Carsten. . „Inverse Design of Nanophotonic Devices based on Reinforcement Learning.“ In Q 38 Photonics II, herausgegeben von DPG. Erlangen: Deutsche Physikalische Gesellschaft.
- Bian, A, Jiang, X, Berh, D, und Risse, B. . „Resolving colliding larvae by fitting ASM to random walker-based pre-segmentations.“ IEEE/ACM Transactions on Computational Biology and Bioinformatics 18 (3): 1184–1194.
- Valkov, Dimitar Thiele Sebastian, und Huesmann, Karim Risse Benjamin. . „Touch Recognition on Complex 3D Printed Surfaces using Filter Response Analysis.“ In IEEE Conference on Virtual Reality and 3D User Interfaces Abstracts and Workshops (VRW), herausgegeben von IEEE. online: Wiley-IEEE Computer Society Press. doi: 10.1109/VRW52623.2021.00043.
- Huesmann, Karim Rodriguez Luis Garcia, und Linsen, Lars Risse Benjamin. . „The Impact of Activation Sparsity on Overfitting in Convolutional Neural Networks.“ In The Impact of Activation Sparsity on Overfitting in Convolutional Neural Networks Springer International Publishing.
- Haalck, Lars Risse Benjamin. . „Embedded Dense Camera Trajectories in Multi-Video Image Mosaics by Geodesic Interpolation-based Reintegration.“ Beitrag präsentiert auf der Winter Conference on Applications of Computer Vision, Waikoloa, Hawaii
- Thiele, Sebastian, Haalck, Lars, Struffert, Marvin, Scherber, Christoph, und Risse, Benjamin. . „Towards Visual Insect Camera Traps.“ Beitrag präsentiert auf der International Conference on Pattern Recognition (ICPR) Workshop on Visual observation and analysis of Vertebrate And Insect Behavior (VAIB), Milan
- Leenings, R, Winter, NR, Plagwitz, L, Holstein, V, Ernsting, J, Sarink, K, Fisch, L, Steenweg, J, Kleine-Vennekate, L, Gebker, J, Emden, D, Grotegerd, D, Opel, N, Risse, B, Jiang, X, Dannlowski, U, und Hahn, T. . „PHOTONAI-A Python API for rapid machine learning model development.“ PloS one 16. doi: 10.1371/journal.pone.0254062.
- Huesmann, K, Klemm, S, Linsen, L, und Risse, B. . Exploiting the Full Capacity of Deep Neural Networks while Avoiding Overfitting by Targeted Sparsity Regularization arXiv e-print:2002.09237: CoRR.
- Leenings, R, Winter, NR, Plagwitz, L, Holstein, V, Ernsting, J, Steenweg, J, Gebker, J, Sarink, K, Emden, D, Grotegerd, D, und others. . „PHOTON--A Python API for Rapid Machine Learning Model Development.“ arXiv preprint arXiv:2002.05426 2020.
- Neuert, H, Deing, P, Krukkert, K, Naffin, E, Steffes, G, Risse, B, Silies, M, und Klämbt, C. . „The Drosophila NCAM homolog Fas2 signals independently of adhesion.“ Development 147 (2). doi: 10.1242/dev.181479.
- Haalck, L, Mangan, M, Webb, B, und Risse, B. . „Towards image-based animal tracking in natural environments using a freely moving camera.“ Journal of Neuroscience Methods 330: 108455.. doi: 10.1016/j.jneumeth.2019.108455.
- Gkanias, E, Risse, B, Mangan, M, und Webb, B. . „From skylight input to behavioural output: a computational model of the insect polarised light compass.“ PLoS Computational Biology 15 (7): e1007123.. doi: 10.1371/journal.pcbi.1007123.
- Berh, D, Scherzinger, A, Otto, N, Jiang, X, Klämbt, C, und Risse, B. . „Automatic non-invasive heartbeat quantification of Drosophila pupae.“ Computers in Biology and Medicine 93: 189–199.
- Otto, N, Marelja, Z, Schoofs, A, Kranenburg, H, Bittern, J, Yildirim, K, Berh, D, Bethke, M, Thomas, S, Rode, S, Risse, B, Jiang, X, Pankratz, M, Leimkuehler, S, und Klämbt, C. . „The Sulfite Oxidase Shopper controls neuronal activity by regulating glutamate homeostasis in Drosophila ensheathing glia.“ Nature Communications 9 (1): 3514.
- Kiel, M, Berh, D, Daniel, J, Otto, N, Steege, A, Jiang, X, Liebau, E, und Risse, B. . „A Multi-Purpose Worm Tracker Based on FIM.“ Preprint. bioRxiv
- Risse, B, Mangan, M, und Webb, B. . „Possibilities, Constraints and Limitations of Image-based Animal Tracking in Natural Environments.“ Beitrag präsentiert auf der Measuring Behavior, Manchester, UK
- Risse, B, Mangan, M, Stürzl, W, und Webb, B. . „Software to convert terrestrial LiDAR scans of natural environments into photorealistic meshes.“ Environmental Modelling and Software 99: 88–100. doi: 10.1016/j.envsoft.2017.09.018.
- Klemm, S, Jiang, X, und Risse, B. . „Deep distance transform to segment visually indistinguishable merged objects.“ Beitrag präsentiert auf der Proc. of 40th German Conference on Pattern Recognition (GCPR), Stuttgart
- Almeida-Carvalho MJ, Berh D, ......, Jiang X, ......, Risse B, und ......, Zlatic M. . „The Ol1mpiad: Concordance of behavioural faculties of stage 1 and stage 3 Drosophila larvae.“ Journal of Experimental Biology 220: 2452–2475. doi: 10.1242/jeb.156646.
- Risse, B, Berh, D, Otto, N, Klämbt, C, und Jiang, X. . „FIMTrack: An open source tracking and locomotion analysis software for small animals.“ PLoS Computational Biology 13 (5): e1005530.. doi: 10.1371/journal.pcbi.1005530.
- Berh, D, Risse, B, Michels, T, Otto, N, Jiang, X, und Klämbt, C. . „A FIM-based long-term in-vial monitoring system for Drosophila larvae.“ IEEE Transactions on Biomedical Engineering 64 (8): 1862–1874.
- Risse, B, Mangan, M, Del, Pero L, und Webb, B. . „Visual Tracking of Small Animals in Cluttered Natural Environments Using a Freely Moving Camera.“ In Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2017, herausgegeben von Vision Foundation Computer. Venice: Wiley-IEEE Computer Society Press. doi: 10.1109/ICCVW.2017.335.
- Otto, N, Risse, B, Berh, D, Bittern, J, Jiang, X, und Klämbt, C. . „Interactions among Drosophila larvae before and during collision.“ Scientific Reports 11 (6): 31564. doi: 10.1038/srep31564.
- Risse, B, Mangan, M, und Webb, B. . „Tracking, Mapping and Reconstruction. Modelling the Visual Perception of Desert Ants.“ Beitrag präsentiert auf der Animal Movement International Symposium, Lund, Sweden
- Risse, B, Mangan, M, und Webb, B. . „Habitat3D: Recreating the History of Visual Experience of Individual Insects.“ Beitrag präsentiert auf der International Congress of Neuroethology, Montevideo, Uruguay
- Risse, B, Mangan, M, Del, Pero L, und Webb, B. . „HabiTracks: Visual Tracking of Insects in Their Natural Habitat.“ Beitrag präsentiert auf der International Congress of Neuroethology, Montevideo, Uruguay
- Risse, B, Otto, N, Berh, D, Jiang, X, Kiel, M, und Klämbt, C. . „FIM2c : A Multi-Colour, Multi-Purpose Imaging System to Manipulate and Analyse Animal Behaviour.“ IEEE Transactions on Biomedical Engineering 64: 1–1..
- Risse, B., Berh, D., Otto, N., Jiang, X., und Klämbt, C. . „Quantifying subtle locomotion phenotypes of Drosophila larvae using internal structures based on FIM images.“ Computers in Biology and Medicine 63 (null): 269–276. doi: 10.1016/j.compbiomed.2014.08.026.
- Risse, B, Berh, D, Otto, N, Jiang, X, und Klämbt, C. . „Imaging Modalities for Semi-Translucent Animals and Their Impact on Quantitative Analysis.“ In VAIB Workshop, ICPR
- Risse, B., Otto, N., Berh, D., Jiang, X., und Klämbt, C. . „FIM imaging and FIMTrack: Two new tools allowing high-throughput and cost effective locomotion analysis.“ Journal of Visualized Experiments 94.
- Lammel, U., Bechtold, M., B, B.Risse, Berh, D., Fleige, A., Bunse, I., Jiang, X., Klämbt, C., und Bogdan, S. . „The Drosophila FHOD1-like formin Knittrig acts through Rok to promote stress fiber formation and directed macrophage migration during the cellular immune response.“ Development 141 (6): 1366–1380. doi: 10.1242/dev.101352.
- Tao, J, Risse, B, und Jiang, X. . „Stereo and Motion Based 3D High Density Object Tracking.“ Image and Video Technology 2014: 136–148. doi: 10.1007/978-3-642-53842-1_12.
- Risse, B, Berh, D, Otto, N, Jiang, X, und Klämbt, C. . „FIM2C and the Analysis of Collision Behavior.“ Beitrag präsentiert auf der Flies, Worms and Robots: Combining Perspectives on Minibrains and Behavior Conference, Sant Feliu de Guixols, Spain
- Jiang, X, Dawood, M, Gigengack, F, Risse, B, Schmid, S, Tenbrinck, D, und Schäfers, K. . „Biomedical Imaging: a Computer Vision Perspective.“ In Computer Analysis of Images and Patterns, herausgegeben von Wilson et al.: CAIP 2013 R.. Berlin, Heidelberg: Springer VDI Verlag.
- Risse, B, Jiang, X, und Klämbt, C. . „FIM: Frustrated Total Internal Reflection Based Imaging for Biomedical Applications.“ ERCIM News 95 (Image Understanding): 11–12.
- Sander, M., Squarr, A.J., Risse, B., Jiang, X., und Bogdan, S. . „Drosophila pupal macrophages - A versatile tool for combined ex vivo and in vivo imaging of actin dynamics at high resolution.“ European Journal of Cell Biology 2013. doi: 10.1016/j.ejcb.2013.09.003.
- Risse, B., Thomas, S., Otto, N., Löpmeier, T., Valkov, D., Jiang, X., und Klämbt, C. . „FIM, a novel FTIR-based imaging method for high throughput locomotion analysis.“ PloS one 8 (1): e53963.. doi: 10.1371/journal.pone.0053963.
- Risse, B, Berh, D, Tao, J, Jiang, X, Klette, R, und Klämbt, C. . „Comparison of two 3D tracking paradigms for freely flying insects.“ EURASIP J Image Video Process 2013 (1): 57.. doi: 10.1186/1687-5281-2013-57.
- Risse, B, Otto, N, Berh, D, Jiang, X, und Klämbt, C. . „Tracking of Colliding Larvae.“ Beitrag präsentiert auf der Conference on Neurobiology of Drosophila, New York, USA
- Schmidt, I, Thomas, S, Kain, P, Risse, B, Naffin, E, und Klämbt, C. . „Kinesin heavy chain function in Drosophila glial cells controls neuronal activity.“ Journal of Neuroscience 32 (22): 7466–7476. doi: 10.1523/JNEUROSCI.0349-12.2012.
- Tao, J, Risse, B, Jiang, X, und Klette, R. . „3D Trajectory Estimation of Simulated Fruit Flies.“ In Proc 27th IVCNZ, Dunedin 2012.
- Risse, B, Thomas, S, Jiang, X, und Klämbt, C. . „FIM: FTIR Based Image Acquisition and Tracking.“ Beitrag präsentiert auf der Conference on Behavioral Neurogenetics of Drosophila Larva (Maggot Meeting), Ashburn, USA