NEMČEK, J. Detekce intrakraniálních hemoragií v CT snímcích hlavy [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Zadání diplomové práce bylo z počátku obecnějšího charakteru, což nabízelo studentovi široké možnosti zaměření práce a také velké spektrum možných řešení, čehož student náležitě využil a zhostil se daného tématu po celou dobu řešení velmi zodpovědně a aktivně. V počátcích podrobně nastudoval problematiku anatomie, patologie a způsoby vyšetření hlavy se zaměřením na hemoragie, na základě čehož vypracoval kvalitní rešerši. V technické části s velkým nadhledem popisuje metody strojového učení a jeho využití pro detekci a klasifikaci objektů v obrazech. Text je čtivý, srozumitelný s logickou návazností a vysokou odborností, přičemž i po formální stránce je práce na vysoké úrovni. V praktické části se student zaměřil na anotaci dostupné databáze, a poté navrhl a implementoval detekční algoritmus různých typů hemoragií. Otestoval velké množství možných řešení a různých nastavení parametrů algoritmů. Student ve své práci příhodně prezentuje dosažené výsledky navržených algoritmů a předkládá kvalitní diskuzi na odborné úrovni. Předběžné výsledky své práce student s úspěchem prezentoval na soutěži EEICT. Závěrem lze konstatovat, že předložená práce je na velmi vysoké odborné i formální úrovni. Hodnotím stupněm A – 100b.
Diplomová práce Bc. Jakuba Nemčeka DETEKCE INTRAKRANIÁLNÍCH HEMORAGIÍ V CT SNÍMCÍCH HLAVY se zabývá aktuálním problémem z oblasti analýzy medicínských obrazových dat, specielně detekcí a klasifikací hemoragií ve 3D datech pořízených CT systémem, jako možný prostředek počítačově podporované diagnostiky. Řeší algoritmický postup od úpravy (předzpracování) dat přes detekci hemoragií a jejich následnou klasifikaci, včetně výběru vhodných variant dílčích algoritmů a experimentální stanovení jejich parametrů, po statistické hodnocení výsledků, získaných na dostupné databázi dat. Práce je logicky členěna na kompilační část a část popisující vlastní technické řešení diplomanta. Kompilační část obsahuje poměrně důkladné shrnutí medicínských poznatků, potřebných pro přípravu algoritmů, dále základní poznatky z oblasti strojového učení a specielně konvolučních sítí a podává stručný přehled souvisejících prací, včetně popisu používané databáze obrazových dat. Vlastní práce diplomanta popsaná ve druhé části zahrnovala návrh detekce a klasifikace hemoragií s využitím prostředků hloubkového učení a následně realizaci, implementaci a ověření příslušných programů. V závěru práce diplomant statisticky hodnotí dosažené výsledky a možnosti využití programu. Jádro diplomové práce tvoří kapitola 6, popisující zvolenou koncepci zpracování a analýzy předmětných dat, tj. jejich předzpracování (zde zejména srovnání objemových dat hlavy do standardní polohy), dále detekci a lokalizaci hemoragií a následně klasifikaci detekovaných hemoragií do pěti tříd reprezentujících jednotlivé medicínsky definované typy. Problém složitosti (žádoucí) kompletní 3D analýzy dat řeší náhradním postupem, kdy analyzuje izolovaně jednotlivé 2D řezy ve 3D blocích dat, s tím, že orientace těchto umělých řezů je trojí, takže řezy jsou v axiálních, sagitálních a koronárních rovinách (tedy tři bloky řezů, což si čtenář spíše musí domyslet). Zahrnutí třetí dimenze spočívá v následné váhované fúzi výsledků ze sousedních paralelních řezů. Jak rozpoznání tak klasifikace hemoragií se děje pomocí konvolučních neuronových sítí moderního obecně úspěšného předučeného typu veřejně dostupného, které jsou v rámci práce doučeny na konkrétní úkoly s využitím zmíněné dostupné obrazové databáze. V ní bylo nutno doplnit medicínské anotace ke všem umělým řezům, neboť původní označení se vztahovalo jen na standardní snímané řezy. Diplomant zvolil řešení, v němž každá ze sítí poskytovala jen binární výstup, tj. zda byla hemoragie detekována či zda náleží do třídy, na níž je konkrétní síť naučena. Výsledné klasifikační závěry se opět získávají fúzí těchto výsledků. V 7. kapitole je podrobně rozebrána realizační fáze práce, zahrnující mj. přípravu dat pro fázi učení i testování, volbu a modifikaci architektury užívaných konvolučních sítí, postup jejich učení, i zvolené metody fúze částečných výsledků. Osmá kapitola je pak věnována statistickému hodnocení výsledků programu s hlediska dosahované sensitivity a specificity jak u souhrnné detekce hemoragií, tak i u jednotlivých jejich klasifikačních typů. Je ukázáno, že výsledky se jeví - v rámci omezení daných malým rozsahem dostupné obrazové databáze - jako dobré. V závěru jsou shrnuty postupy i výsledky. Lze konstatovat, že předložená diplomová práce nepochybně splnila náročné zadání a podle názoru oponenta tvoří dobrý základ pro obhájení magisterského gradu Ing. Záběr práce je velmi široký a přístup k řešení lze hodnotit velmi pozitivně. Místy lze vytknout určitou povrchnost (vyplývající ovšem z onoho širokého záběru) nebo horší srozumitelnost výkladu; to ovšem lze přičíst přirozené nezkušenosti diplomanta. Některé dílčí připomínky: - (str. 22) hranové operátory neaproximují přímo parciální derivace, - v diplomní práci by se neměla vyskytovat hantýrka (např. str. 22:„fitovaná“ krivka , str. 27: „dizajnovaná“ síť, apod.), - (str. 23) současné počítačové neuronové sítě rozhodně nejsou matematickou reprezentací biologických systémů, i když počáteční motivace taková kdysi byla, - (rov. 2.7) – zde chybí vysvětlení indexovaných symbolů a a významu K, - (rov. 2.8) – tato rovnice neodpovídá obvyklé definici chyby ve výstupní vrstvě, - (str. 30) – formulace „ Počas učenia siete sa so zmenami parametrov mení rozloženie vstupov každej vrstvy…“ není dobře srozumitelná, - (str. 31) – „… porozumenie reči, či prirodzenému jazyku“ jaký je rozdíl mezi oběma?, také „Jednou z najvačších výhod…CNN.. je strata nutnosti…“ to by se asi také mělo formulovat jinak, - (str.39 a 42) – vysvětlení „v troch kolmých anatomických rovinách“ resp. „klasifikáciou … na úrovni 2D rezov v troch vzájomne kolmých smeroch.“ a v celém souvisejícím textu je neúplné a matoucí, působí dojmem, že se zpracovává najednou informace v kolmých rovinách a teprve z opakovaného čtení dalších stran vyplyne klíčová informace, jak je to ve skutečnosti, (doporučuji toto lépe vysvětlit v rámci obhajoby práce) - (str. 40) – již zde by mělo být uvedeno, že „rotačne zarovnané“ znamená využití hotového dostupného programu, - (str. 43 a obr. 6.6) – v této teoretické části chybí aspoň ideové vysvětlení, jak se z pěti dílčích výsledků odvodí výsledná klasifikace, - (str. 50) – odkud se vzaly váhy beta pro ony čtyři možnosti uplatnění vlivu sousedních řezů? - (str 53) – odkud se vzala „optimální“ volba počtu uvažovaných sousedních řezů? - (str.63) – chybí vysvětlení, co se rozumí „online“ augmentací. Přes tyto drobné výtky považuji práci za nadprůměrnou a velmi kvalitní, doporučuji ji k obhajobě a navrhuji klasifikaci 93 bodů (ze 100).
eVSKP id 126842