Dr. Lukas Lichtensteiger

Projekte

• Mira: Hybrid Logic-AI for Claims / Stellv. Projektleiter:in / laufend
• Blockchain-Enabled Financing of Supply Chains / Projektleiter:in / laufend
• Blockchain-Enabled Sustainable Financing / Projektleiter:in / abgeschlossen
• Blockchain-Based Verified Career Records for Enhanced Professional Credibility / Teammitglied / abgeschlossen
• Agroforestry Carbon Token System / Teammitglied / abgeschlossen
• SpaceVote / Projektleiter:in / abgeschlossen
• Neurological ICU Data / Teammitglied / abgeschlossen
• AI powered CBCT for improved Combination Cancer Therapy / Stellv. Projektleiter:in / abgeschlossen
• Decentralized financing of Fairtrade producers using a blockchain-based solution / Teammitglied / abgeschlossen
• DIR3CT: Deep Image Reconstruction through X-Ray Projection-based 3D Learning of Computed Tomography Volumes / Teammitglied / abgeschlossen
• Data Driven Medical muscle Training / Stellv. Projektleiter:in / abgeschlossen
• Libra: A One-Tool Solution for MLD4 Compliance / Teammitglied / abgeschlossen
• Complexity 4.0 / Teammitglied / abgeschlossen
• Neue Sensor- und Aktuatortechnologien für Roboter / Projektleiter:in / abgeschlossen

Publikationen

Beiträge in wissenschaftlicher Zeitschrift, peer-reviewed

• Barco, D. et al. (2026) 'MInDI-3D : iterative deep learning in 3D for sparse-view cone beam computed tomography', IEEE Access, 14, pp. 6438–6449. doi: 10.1109/access.2026.3652627.
• Amirian, M. et al. (2023) 'Mitigation of motion-induced artifacts in cone beam computed tomography using deep convolutional neural networks', Medical Physics, 50(10), pp. 6228–6242. doi: 10.1002/mp.16405.
• Füchslin, R. M. et al. (2014) 'Morphological control : a design principle for applications in space science', Journal of the British Interplanetary Society, 67, pp. 305–313. Available at: http://adsabs.harvard.edu/abs/2014JBIS...67..305F.

Buchbeiträge, peer-reviewed

Hollenstein, L. et al. (2019) 'Unsupervised learning and simulation for complexity management in business operations', in Braschler, M., Stadelmann, T., and Stockinger, K. (eds) Applied data science : lessons learned for the data-driven business. Cham: Springer, pp. 313–331. doi: 10.1007/978-3-030-11821-1_17.

Schriftliche Konferenzbeiträge, peer-reviewed

Herzig, I. et al. (2022) 'Deep learning-based simultaneous multi-phase deformable image registration of sparse 4D-CBCT', in Medical Physics. American Association of Physicists in Medicine, pp. e325–e326. doi: 10.1002/mp.15769.

Weitere Publikationen

• Barco, D. et al. (2025) MInDI-3D : iterative deep learning in 3D for sparse-view cone beam computed tomography. arXiv. doi: 10.48550/arXiv.2508.09616.
• Lichtensteiger, L. et al. (2023) 'Space vote : make your presence count', in Datalab Symposium, Winterthur, Schweiz, 11. Januar 2023. Winterthur: ZHAW Zürcher Hochschule für Angewandte Wissenschaften. doi: 10.21256/zhaw-27412.
• Flumini, D. and Lichtensteiger, L. (2023) 'Decentralized financing of Fairtrade producers using a blockchain-based solution', in Datalab Symposium, Winterthur, Schweiz, 11. Januar 2023. Winterthur: ZHAW Zürcher Hochschule für Angewandte Wissenschaften. doi: 10.21256/zhaw-27494.

Zurück