HUBÁLEK, M. Detekce buněk ve snímcích zachycených pomocí mikroskopie [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2022.

Posudky

Posudek vedoucího

Škrabánek, Pavel

Předložená diplomová práce popisuje vývoj a evaluaci aplikace pro detekci izolovaných kardiomyocytů ve snímcích zachycených pomocí konfokální mikroskopie. K detekci je využita hluboká neuronová síť RetinaNet. Ta tvoří jádro aplikace, která umožňuje trénink sítě na anotovaných datech i predikci pozic kardiomyocytů ve snímcích. Aplikace byla vytvořena ve spolupráci s pracovníky Slovenské Akademie Věd a odpovídá jejich požadavkům. Student tedy naplnil zadání práce ve všech bodech. Student navíc anotoval datovou sadu, na které prováděl trénink a evaluaci. Rovněž ověřil použitelnost vytvořené aplikace pro detekci jiného typu buněk. Student při řešení práce postupoval samostatně. Navržené řešení a jeho evaluace je adekvátní. Text je logicky strukturovaný a obsahuje všechnu nezbytnou teorii, včetně adekvátního matematického aparátu. Požadavky na formální úpravu jsou v textu většinou respektovány. Mírné nedostatky lze nalézt u matematických rovnic, kde není vždy dodržen předepsaný řez písma a jsou používaný více písmenné proměnné. Grafická úprava práce je na vysoké úrovni. Text obsahuje i odpovídající diskusi. Aplikace presentovaná v práci má aplikační potenciál. Práci doporučuji k obhajobě a hodnotím ji známkou A.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita B
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry B
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Samostatnost studenta při zpracování tématu A
Navrhovaná známka
A

Posudek oponenta

Štursa, Dominik

Cílem diplomové práce byl návrh, implementace a verifikace algoritmus pro detekci izolovaných kardiomyocytů ve snímcích zachycených pomocí konfokální mikroskopie. Dalším cílem práce je tvorba aplikace pro možnost použití a úpravy detekčního algoritmu a práce se samotnými daty. Práce je logicky členěna a spolu s úvodem a závěrem obsahuje 8 kapitol. Jednotlivé kapitoly na sebe systematicky navazují, postupně jsou odhalovány potřebné teoretické a obecně známé informace, které postupně navazují na představení state-of-the-art metod pro klasifikaci a detekci objektů v obrazových datech. Z těchto metod je dále vybrána RetinaNet a je popsáno její použití pro detekci kardiomyocitů. Následně je popsána samotná uživatelská aplikace a výsledky detekčního algoritmu jsou autorem zhodnoceny a diskutovány. V závěru jsou pak shrnuty výsledky věnující se samotné funkční aplikaci. Obsahově práce dostatečně popisuje potřebnou teorii i samotné aplikované metody a vzniklou aplikaci. Nedostatkem je potom testování pouze jednoho detekčního algoritmu, který sice obecně dosahuje nejlepších výsledků (dle zmíněného hodnocení), ale pro řešený problém nemusí být sám o sobě nejvhodnější. Po formální stránce je práce na velmi dobré úrovní. Je psána srozumitelně a přehledně, zaznamenal jsem jen pár typografických chyb. Zřídka se v práci vyskytují i chyby syntaktické. Závěrem mohu konstatovat, že předložená práce splňuje požadavky na práci tohoto typu a student splnil zadání. Vzhledem k faktům uvedeným výše práci doporučuji k obhajobě a při úspěšné obhajobě a zodpovězení všech dotazů navrhuji známku - velmi dobře (B).

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod C
Vlastní přínos a originalita C
Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry B
Využitelnost výsledků v praxi nebo teorii B
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací B
Navrhovaná známka
B

Otázky

eVSKP id 136985