ŠŤASTNÝ, P. Segmentace cévního řečiště na snímcích sítnice pomocí klasifikačních technik [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2013.
Cílem bakalářské práce bylo prostudovat vlastnosti barevných snímků sítnice a především charakteristiku obrazových struktur tvořících cévní řečiště. Úkolem bylo využít klasifikačních přístupů k jeho segmentaci. Student si prostřednictvím dostupné odborné literatury nastudoval základní principy klasifikace příznaků, provedl rešerši metod segmentace cévního řečiště na sítnici a zaměřil se především na metody využívající klasifikační modely. Jako příznaky byly v práci využity odezvy z přizpůsobené filtrace. Student pro účely klasifikace těchto příznaků využil pouze jednoduchý perceptron. Původně bylo zamýšleno vyzkoušet i jiné, složitější přístupy ke klasifikaci (např. vícevrstvou neuronovou síť nebo SVM), a tyto mezi sebou porovnat. K tomuto však nedošlo. Rovněž bylo zamýšleno rozšíření příznakového vektoru o příznaky z jiných metod segmentace. Uvažovalo se například o využití metod matematické morfologie ve spolupráci s kolegou S. Stonawskim, který řešil bakalářskou práci paralelně a rovněž na téma segmentace cévního řečiště. K realizaci tohoto záměru však také nedošlo, zřejmě díky nižší aktivitě studenta. Nicméně, i přes uvedené nedostatky, student samostatně navrhl a realizoval fungující program pro segmentaci cévního řečiště, byť s využitím pouze základní metody klasifikace, a získané výsledky statisticky vyhodnotil na dostupné obrazové databázi. Vytvořené programové funkce student přehledně okomentoval a vytvořil návod k jejich obsluze. Zadání práce tedy pokládám za splněné. Dosažené výsledky a celkový přístup studenta hodnotím klasifikačním stupněm C/70 b.
Student Pavel Šťastný se ve své práci zabývá segmentací cévního řečiště ve snímcích sítnice pomocí klasifikačních technik. Z formálního hlediska je práce na průměrné úrovni. Kapitoly na sebe navazují a jejich obsah je většinou přiměřený. Rešerše segmentačních metod požadovaná v zadání je nicméně poměrně stručná a velmi nepřehledná. Popis metody uvedený v podkapitole 3.1 je naprosto nepochopitelný. V dalších podkapitolách je popis některých metod natolik stručný, až brání pochopení principu dané metody. V praktické části své práce student implementoval metodu segmentace s použitím umělé neuronové sítě s jedním neuronem a následným prahováním. Metoda je to jednoduchá, ale dle výsledků zřejmě použitelná. Bohužel musím konstatovat, že programové provedení pokulhává za úrovní, kterou by bylo možné očekávat od absolventa bakalářského studia. Program se skládá ze čtyř krátkých souborů, které ani nejsou funkcemi a nejsou spolu nijak propojeny, přičemž jeden z nich slouží pouze k hodnocení výsledků. Popisované automatické prahování je realizováno funkcí, která je již v Matlabu implementována, nelze ji tedy považovat za studentovu vlastní práci. I přes uvedené nedostatky nicméně konstatuji, že student zadání splnil, a práci hodnotím známkou D/65 bodů.
eVSKP id 65437