KUBALOVÁ, E. Využití evolučních algoritmů pro lícování obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Studentka Eva Kubalová vypracovala svoji diplomovou práci na téma Využití evolučních algoritmů pro lícování obrazu. V teoretické části práce je probrána poměrně široká problematika zahrnující transformace obrazových souřadnic, podobnostní kritéria, optimalizační postupy a problematiku ultrazvukové perfúzní analýzy. V rámci rešerše se studentka zaměřila na metaheuristické algoritmy, především evoluční optimalizační techniky. V praktické části se studentka zabývala využitím těchto algoritmů na problematiku registrace ultrazvukových dynamických sekvencí z perfúzních vyšetření. Po dohodě s vedoucím práce byla zvolena rigidní registrace zahrnující pouze posun a rotaci. Studentka implementovala tři algoritmy a tři kriteriální funkce, které řádně otestovala na simulovaných datech. Toto testování je poměrně rozsáhlé a tvoří základ pro nastavení jednotlivých algoritmů pro další práci. Funkčnost postupů byla ověřena na klinické a preklinické studii a diskutována z pohledu subjektivního i objektivního. Práce je dále doplněna srovnáním s funkcí imregister v Matlabu, která na daná data nefunguje optimálně z důvodu nemožnosti nastavit některé parametry. Po formální stránce nemám k práci větších výhrad. Práce odkazuje na 31 relevantních a kvalitních literárních zdrojů. Výsledky práce - kvalitu registrované sekvence - považuji za vysoce kvalitní a uvedené postupy budou implementovány do klinického softwarového nástroje, který je vyvíjen ve spolupráci s ÚPT AV ČR, v.v.i.. Studentka pracovala po celou dobu řešení problematiky samostatně a aktivně, pravidelně konzultovala svůj postup. Práci hodnotím stupněm výborně (A - 94 bodů).
Diplomová práce Evy Kubalové je zaměřena na využití evolučních algoritmů pro registraci ultrazvukových obrazů. V úvodní části je popis principu lícování obrazových dat, základních geometrických transformací a kritérií pro stanovení podobnosti dvou obrazů. Další část je zaměřena na popis principů optimalizačních metod, konkrétně na 5 deterministických a 4 metaheuristické algoritmy, z nichž autorka ve své práci použila genetický algoritmus (GA), rojení částic (PSO) a světluškový algoritmus (FA). Posledním tématem úvodní části je popis registrace ultrazvukových dat. Úvodních 22 stran textu lze považovat za přiměřený a solidní úvod do řešené problematiky, i když jen se sedmi odkazy na literaturu v oblasti využití evolučních algoritmů pro registraci ultrazvukového obrazu. Jádro práce tvoří práce se simulovanými daty (str.37 až 66), kdy byl reálný ultrazvukový (referenční) obraz posunut v obou směrech o 10 pixelů a pootočen o 10°. Vzniklý obraz byl následně transformován do původní podoby s využitím zmíněných evolučních algoritmů (GA, PSO a FA). K vyjádření kvality registrace autorka zmínila Euklidovu vzdálenost (EV), součet čtverců rozdílů (SSD), korelační koeficient (CC) a kosínový koeficient (COS). V práci je mnoho přehledných grafických výstupů. U všech tří evolučních algoritmů byla vyčíslována kvalita registrace a EV pro různě velké populace a různé počty iterací a to pro SSD, CC i COS s výsledným doporučením vhodné velikosti populace a počtu iterací. U GA byly navíc hledány vhodné pravděpodobnosti a váhy mutací a u FA byly testovány i různé hodnoty dvou parametrů algoritmu. U každého testovaného algoritmu autorka navrhla nejvhodnější nastavení. K této části práce mám následující připomínky. V textu není jednoznačně uvedeno, jak se počítá kvalita registrace. Ve výsledných grafech nejsou uvedeny jednotky. V úvodní části (str.17) autorka uvádí vzorec pro EV (1.13), který počítá s rozdílnými úrovněmi jasu jednotlivých pixelů (2D). Matoucí je, že s takto vyjádřenou EV nepracuje, ale dále (na str.44) uvádí EV v 3D prostoru (posuny v obou směrech a rotace). Zavádějící je interpretace na str.49, že „průměrná EV o hodnotě 8 znamená odlišnost o 8 pixelů, resp 8°“. Proč je kvalita registrace při použití SSD v práci vyjádřena jako záporné číslo? Potom nulovému rozdílu mezi obrazy odpovídá nulová kvalita. Vhodnějším názvem by byla chyba registrace s kladnými čísly a nulovou hodnotou chyby. Závěrečná kapitola je zaměřena na testování optimalizačních algoritmů na sekvencích dvou typů ultrazvukových dat (str.67 až 77). Autorka porovnala výsledky registrace při použití trojice svých algoritmů se dvěma algoritmy obsaženými v Matlabu. Její algoritmy vedly k lepším výsledkům, ale za cenu zpomalení výpočtů o jeden řád. Postrádám zdůvodnění takto rozdílných časových nároků, ani jsem nenalezl zmínku o původu použitých evolučních algoritmů. Oceňuji, že nad rámec zadání práce ještě autorka realizovala uživatelské prostředí pro snadnější obsluhu realizovaných programů. Kromě výhrad uvedeným výše mám ještě jednu připomínku: v práci se několikrát vyskytl výraz „nejoptimálnější“, který nedává smysl, protože přídavné jméno „optimální“ nemá druhý ani třetí stupeň. Závěrem konstatuji, že autorka odvedla velký kus práce se zajímavými výsledky. Zadání Diplomové práce splnila v požadovaném rozsahu, práci hodnotím jako výbornou.
eVSKP id 102367