KOZLOVÁ, D. Segmentace medicínských obrazů s využitím grafové reprezentace [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.
Studentka se ve své práci zabývá možnostmi využití segmentace medicínských obrazů založené na grafové reprezentaci se specifickou architekturou vycházející z tvaru segmentovaného objektu. Již od počátku se studentka velmi aktivně zabývala řešením a nastudovala problematiku zadané práce, přičemž využívala relevantní odbornou literaturu. Pravidelně využívala konzultací, kam přicházela teoreticky připravena a s dílčími výsledky své práce. Díky aktivitě studentky a schopnostem se velmi rychle zorientovat v problematice zpracování obrazů, které svou odborností přesahuje bakalářskou úroveň, bylo možno zadání práce dokonce rozšířit pro segmentaci 3D obrazů s využitím studentkou vytvořeného grafického rozhraní. Po formální stránce je práce na dobré úrovni, studentka vhodně zvolila rozčlenění kapitol a odborně prezentovala a diskutovala dosažené výsledky. Kvalitu odborné úrovně práce dokládá i umístění na studentské konferenci EEICT. Bakalářskou práci i přístup studentky během vypracování hodnotím klasifikačním stupněm A /100 bodů.
Studentka Dominika Kozlová řešila jako bakalářskou práci realizaci metody segmentace v topografickém smyslu jednoduché oblasti (s uzavřenou hranicí) v šedotónovém obrazu, na základě vlastní implementace v programovém prostředí MATLAB s vhodným uživatelským rozhraním, s využitím některých freewareových podprogramů. Metoda byla následně ověřována na simulovaných obrazech a na reálných obrazech dvoj- i trojrozměrných a výsledky diskutovány. Lze konstatovat, že studentka zadání splnila v zásadě velmi dobře. V úvodní části prezentuje poznatky z literatury, týkající se základů teorie grafů, která není přímo předmětem výuky v žádném z předmětů; musela tedy tomuto studiu věnovat značné úsilí. Popis ovšem nese zřejmé známky nezkušenosti v mnohdy zřejmě převzatých formulacích, z nichž některé jsou málo srozumitelné (např. oddíl 1.3), formulačně ne zcela přesné, popřípadě definičně nejasné, jako např. pojmy „celková váha sledu uzlů, délka (tj. váha) cesty“ a jejich limitní vlastnosti v oddílu 1.5, nedefinovaný pojem „částečný graf“ a nepřesný pojem „cena (váhy) grafu“ v oddílu 1.6. V oddíle 1.7 chybí, jaké parametry se hledají resp. nastavují při maximalizaci toku Ford-Fulkersonovým algoritmem. V oddíle 1.8 se používá dosud nedefinovaného pojmu „energiová funkce“ (vysvětlení pak následuje až v dalších kapitolách). V oddílu 2.2 chybí úvodní definice, co je míněno „šablonou“, dále se užívá nejasného pojmu „ rozdělení uzlů grafu v obrazu rovnoměrně“ a dosud nedefinovaného pojmu „vzorkované uzly“; teprve později může čtenář z dalšího popisu vyvodit, o co se jedná. Není také jasně řečeno, zda r znamená fixní (povinnou) hodnotu, či zda jde o možné maximum, připouštějící i menší posuny (jak tomu patrně je). V oddílu 2.3 chybí jasnější vysvětlení, že tzv. pevná omezení vlastně slouží ke zjištění statistiky jasu v objektu a pozadí, definice, co je „sousední sytém“ a co se rozumí „ neseřazenými páry“. Srozumitelnosti vysvětlení metody by velmi prospělo, kdyby v oddílu 2.4 bylo nejen řečeno, že s-t řez bude výsledkem segmentace, ale zejména odůvodněno, proč tomu tak je. Kapitola 3 se zabývá zobecněním metody na segmentaci 3D dat, včetně tvorby šablony na základě předběžné segmentace (tzv. binární předlohy). V kapitole 4 je popsáno účelně formulované uživatelské prostředí. Průběh algoritmu je zhruba popsán blokovým schématem na obr. 4.2. Zde lze namítnout, že alternativní větev horní části (využití binární šablony) by měla být uvedena rozhodnutím, zda se tento postup využívá; jinak by šlo o nejednoznačnost schematu. Možná by zde bylo i účelné poněkud podrobněji rozvést blok „Segmentace“ (či zde byl využit hotový podprogram?); vůbec by zde mělo být explicitně řečeno, které části programu studentka sama vypracovala a které jsou tvořeny připojenými hotovými podprogramy či „toolboxy“ (což nijak nesnižuje práci programátora). V kapitole 5 jsou uvedeny a diskutovány výsledky testů na simulovaných i reálných datech. Poněkud zvláštně působí sdělení, že v konkrétním případě (oddíl 5.1.1) byly „pro lepší výsledky z-křivky ze všech grafů šablon odstraněny“; tj. bylo třeba algoritmus v jednotlivém případě oproti obecné podobě raději upravit, což nesvědčí ve prospěch metody. V závěru (kap. 6) se pak konstatuje že „ …dle získaných výsledků lze usuzovat (na) vyšší efektivitu segmentace při využití definované šablony…“ . Tento závěr je patrně poněkud předčasný a možná příliš optimistický, neboť lepší segmentace se dosáhlo s využitím dodatečné informace obsažené v datech, potřebných k vytvoření šablony. Mimoto vytváření šablony se zdá být poměrně náročným a těžkopádným procesem, ať už jde o ruční vkládání bodů nebo alternativu s využitím předběžné segmentace jinou metodou, jež poskytuje binární masku. To ovšem nesnižuje úroveň práce, jejímž účelem bylo otestování, nikoli průkaz efektivnosti metody. Závěrem lze konstatovat, že jako bakalářský projekt je předložená práce velmi dobrá, přes některé dílčí výhrady, jak byly uvedeny. Práci doporučuji k obhajobě a navrhuji hodnocení 88 body – stupeň B. U obhajoby prosím o zodpovězení následujících dotazů: - Vysvětlete formalismus, definující funkce s,t, hrany a mez hrany v oddílu 1.3. - Vysvětlete rozdíl mezi pojmy „délka (tj. váha) cesty“ a „váha sledu“ a odůvodněte, proč je prvá volena nekonečno a druhá nula při neexistenci cesty. - S odvoláním na obr. 2.4 vysvětlete, zda zvolené r je mezní, nebo jedinou přípustnou hodnotou.
eVSKP id 93488