KORČUŠKA, R. Segmentace tomografických dat v prostředí 3D Slicer [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2015.
Zadání bakalářské práce bylo splěno v celém rozsahu. Student provedl návrh a softwarovou realizaci segmentačního modulu v prostředí 3D Slicer. Modul umožňuje segmentaci založenou na analýze několika prostorových parametrů zkoumané tkáně, přičemž výsledkem zpracování je trojrozměrná binární maska segmentované tkáně. Pomocí nového modulu byla zpracována obrazová data řady pacientů, byla vyhodnocena kvalita segmentace vzhledem k referenčnímu manuálnímu zpracování. Bylo dosaženo vynikajících výsledků. Nevýhodou je značná doba zpracování, která by stála za optimalizaci. Student ale prokázal schopnost a značnou dávku trpělivosti při konzultaci problémů implementace s vývojovým týmem platformy 3D Slicer a vývoj modulu zdárně dokončil. V současné době uvažujeme o uvolnění modulu v rámci open-source politiky na serveru platformy 3D Slicer. Navrhuji hodnocení A/95 bodů.
Student se ve své práci zabýval implementací klasifikační metody SVM v prostředí Slicer. Funkčnost metody byla následně ověřena na problému segmentace mozkového nádoru a edému, kde bylo podle kapitoly 5.2 dosaženo výborných výsledků. Zde ovšem není jasné, jak přesně testování probíhalo. Byl algoritmus trénován a následně testován na různých nebo stejných datech, tj. odlišných řezech nebo pacientech? V teoretické části postrádám zmínku o algoritmu Random Forest, který bývá pro segmentaci MR obrazů používán častěji než SVM. Data, která se používají k trénování klasifikátoru, se nazývají trénovací, nikoliv cvičná. Nerozumím tomu, proč student označuje Diceův koeficient velkými písmeny. Navíc zde chybí jeho definice. V závěru student píše, že použil 4 vstupní parametry. Já zde však vidím pouze 2, a to, jak uvádí student, T1 a T2. To je ovšem nepřesné označení použitých obrazů. Chybí mi zde také více použitých příznaků než absolutní hodnota pixelu v daném obraze. Až na popsané nedostatky je práce na dobré úrovni.
eVSKP id 85321