BAČOVSKÁ, K. Porovnání farmakokinetických modelů pro DCE-MRI [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Diplomová práce byla zaměřena na vytvoření programu pro generování syntetických dat pro metodu DCE-MRI perfuzního zobrazování s následným ověřením a porovnáním farmakokinetických modelů. Celkově se studentka věnovala své diplomové práci aktivně a pravidelně konzultovala. V teoretické práci se dobře seznámila s poměrně komplikovanou teorií MR zobrazování a farmakokinetických modelů používaných v DCE-MRI. Vytvořila softwarový nástroj pro generování DCE-MRI dat s možností volby ze čtyř farmakokinetických modelů. Studentka dále doplnila stávající program PerfLab pro analýzu DCE-MRI dat o Fermiho farmakokinetický model. Následně provedla rozsáhlé porovnání čtyř farmakokinetických modelů na vygenerovaných simulovaných datech. Provedené srovnání přináší cenné informace o dosažitelné přesnosti DCE-MRI analýzy za ideálních podmínek pro jednotlivé modely. Práci hodnotím jako velmi zdařilou.
Předložená práce studentky Kristýny Bačovské pojednává o porovnání farmakokinetických modelů pro metodu DCE-MRI. Práce je členěna do 3 kapitol na 41 stranách. V teoretické části práce je popsána samotná metoda DCE-MRI a důraz je kladen především na farmakokinetické modely používané pro modelování AIF a impulzní reziduální funkce tkáně. K této části mám drobnou poznámku – u rovnice (1.2) je v popisu popsán i čas TE, který se ale v dané rovnici nevyskytuje. Vzhledem k velmi nízkému TE u použité sekvence je rovnice správně. Dále může zmatečně působit použití dvou označení sklápěcího úhlu (FA a řecká theta). V popisu gamma modelu (str. 26) je čas uveden v minutách, obecně může být v libovolné časové jednotce (třeba v sekundách jako na obr. 2.3). V praktické části byl do stávajícího programu PerfLab implementován nový perfúzní model a zcela nový blok pro tvorbu syntetických dat. Tvorba samotného bloku je dle mého názoru zdařilá a poslouží pro lepší simulace syntetických dat. Syntetická data s různými úrovněmi šumu byla poté analyzována v rámci perfúzní analýzy. Studentka zde uvádí, že byla použita neslepá dekonvoluce se známou AIF, ale bylo by vhodnější uvést bližší popis algoritmu. Kladně hodnotím rozsah testování i metodiku vyhodnocení výsledků. U přehledové reprezentace v příloze (A.1-A.7) bych uvítal nastavení pevných mezí pro osu y (s výjimkou SNR 1) pro lepší vizuální srovnání hodnot. Závěry stanovené studentkou a diskuze jsou správné. Po formální stránce je práce výborné úrovni. Seznam zkratek by bylo vhodné řadit abecedně pro lepší přehlednost. Práce je svým rozsahem na dolní hranici doporučeného rozsahu, ale není to na škodu. Práce cituje 33 literárních položek. Práci doporučuji k obhajobě a hodnotím ji známkou výborně (A – 93 bodů).
eVSKP id 118370