NEMČEK, J. Detekce a segmentace lumbálních obratlů v 3D CT datech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Student se ve své práci věnuje dvěma základním problémům - detekce a segmentace lumbálních obratlů v 3D CT datech. K řešení své práce přistupoval již od počátku velmi aktivně, nastudoval dostupnou odbornou literaturu zabývající se danou problematikou, a navrhl a realizoval vlastní algoritmy detekce a segmentace lumbálních obratlů inspirovaný publikovanými algoritmy. V první části – detekce lumbální páteře student zvolil klasifikační metodu SVM s využitím specifických obrazových příznaků. Této části se student věnoval velmi aktivně. V rámci detailního testování metody detekce optimalizoval parametry pro dosažení uspokojivých výsledků. V druhé části zvolil a implementoval algoritmus pro segmentaci obratlů založený na deformaci 3D mřížkových modelů. Složitost této problematiky a navržených algoritmů svou odborností přesahuje bakalářskou úroveň a student zde vynaložil nemalé úsilí a projevil schopnosti samostatně nastudovat komplexní problematiku. Student se pravidelně účastnil konzultací, kam přicházel připraven, s aktuálními výsledky a konkrétními dotazy. Díky aktivnímu přístupu studenta by předložená bakalářská práce svým rozsahem a odborností mohla tvořit základ pro dvě samostatné práce. Z formálního i odborného hlediska je na velmi dobré úrovni, doporučuji k obhajobě a hodnotím stupněm A - 98 bodů.
Předložená bakalářská práce se zabývá detekcí a segmentací lumbálních obratlů v CT datech. Na úvod konstatuji, že se jedná o práci velmi kvalitní jak po stránce odborné, tak i formální. Struktura práce je logická a text dobře čitelný, srozumitelný a rozsahem nadprůměrný. Práce obsahuje minimum chyb či nepřesností („zdravý pacient“, „nejoptimálnější“, záměna diferenční/derivační). Použité postupy pro detekci a segmentaci jsou dobře popsány, výsledky účelně komentovány. Překvapivé je, že v případě detekce lumbálních obratlů došlo k falešně pozitivním detekcím pouze u zdravých subjektů, ale nikoliv u pacientů (str. 50). Dle mého názoru to poukazuje na problém s klasifikátorem, resp. jeho natrénováním. Určitou výtku mám ke způsobu přípravy dat pro detekci. Zde není příliš zřejmé, proč autor zvolil přípravu dat pro trénování a následně přípravu dat pro testování (kapitola 6.2.2 a 6.2.3) a nepoužil klasický postup založený jedné množině dat a na vzájemné validaci (cross-validation). Tyto výtky nějak významně nesnižují kvalitu odvedené práce, a proto ji hodnotím stupněm A.
eVSKP id 110517