SUCHÁČEK, J. Segmentace mozkových cév v objemových datech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Student k řešení své bakalářské práce přistupoval již od počátku velmi aktivně a svědomitě. Detailně nastudoval teorii použiv kvalitní zahraniční literaturu a vypracoval kvalitní rešerši, která prokazuje hluboké porozumění řešené problematiky. Student se zabýval zpracování obrazů objemových dat, využil k extrakci příznaků pokročilých filtrů a aplikoval mimo jiné i metody strojového učení. Pro možnost objektivního zhodnocení úspěšnosti student ručně anotoval jeden objem pacientských dat. Z těchto ohledů je náročností, a i po odborné stránce, práce na vysoké úrovni, kde studentem navržené řešení převyšuje běžnou úroveň bakalářských prací. Kladně hodnotím také práci z formálního hlediska a infografiku prezentovaných výsledků. Dílčí výsledky student s úspěchem prezentoval na studentské soutěži EEICT. Z pohledu vedoucího lze vytknout snad jen drobné nepřesnosti ve vyjadřování v popisu navržené metodiky a komplikovanost diskuse výsledků, nebo prvotní mírné problémy s řešením praktických úkolů, což lze ale přisuzovat přirozeným nezkušenostem na bakalářském stupni a neovlivňují hodnocení. S prací studenta jsem tedy ze všech hledisek nadmíru spokojen, zadání považuji za splněné a hodnotím stupněm A – 100 bodů.
Student se ve své práci zabýval segmentací mozkových cév z objemových dat. Předložená práce má rozsah 57 stran a je členěná do sedmi kapitol včetně úvodu a závěru. V teoretické části práce student popisuje jak cévní zásobení mozku z anatomického hlediska, tak rovněž metody pro zpracování a segmentaci objemových dat. Celý tento teoretický úvod je velice pečlivě a přehledně zpracován a svědčí o tom, že student prostudoval celou řadu kvalitních a relevantních zdrojů. Drobnou výtkou může být nevhodné členění na jediné podkapitloy třetí úrovně v kapitole 1. V praktické části práce student představil algoritmus pro segmentaci cév. Tato segmentace se skládá z několika kroků, které jsou velice podrobně vysvětleny a popsány. Velice si cením kroku extrakce segmentovaných cév z parametrických obrazů, kde student vyzkoušel hned šest metod od prahování obrazu přes k-means a náhodné lesy až po neuronové sítě. To svědčí o velice hlubokých znalostech této problematiky. Výsledky jsou velice dobře a přehledně diskutovány. Po formální stránce je práce na výborné úrovni, drobným nedostatkem mohou být anglické popisky obrázků 1.1 a 1.2., ale to nijak nesnižuje kvalitu práce. Musím konstatovat, že se jedná o výjimečnou práci zejména díky své vysoké odborné úrovni, a nejen že vyrovnává, ale i překonává mnohé diplomové práce na magisterském studiu. Zadání práce je splněno v celém rozsahu a jen drobné formální nedostatky mě nutí ubrat dva body z perfektního bodového hodnocení. Navrhuji známku A/98.
eVSKP id 142084