ŠRÁMEK, V. Zlepšení kvality obrazu v rentgenové výpočetní mikrotomografii s velkým úhlovým krokem s využitím hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2023.
Bakalářská práce se zabývá zlepšením kvality obrazu v rentgenové výpočetní mikrotomografii s velkým úhlovým krokem. Student přistoupil k řešení využívajícím hlubokého učení konvolučních neuronových sítí. Vývoj v této oblasti umožní výrazné urychlení procesu tomografického rozsáhlých knihoven vzorků a je v zájmu Laboratoř rentgenové mikro a nano výpočetní tomografie na VUT. Na patnácti stranách teoretické části práce student diskutuje základní principy rentgenové výpočetní tomografie a zmiňuje artefakty tomografického měření způsobné velkým úhlovým krokem. Následně přistupuje k popisu principů učení konvolučních neuronových sítí. Poté se již student zabývá vlastním řešením, kdy zvolil z dostupné literatury dvě metody založené na hlubokém učení, které zlepšují kvalitu obrazů ve výpočetní tomografii na principu interpolace mezi projekcemi, případně v sinogramech. Pro metodu Si-Net student navrhl i funkční vylepšení metody aplikací druhé neuronové sítě na data po tomografické rekonstrukci. Student zvolené metody implementoval v programovacím jazyce Python a provedl řadu experimentů pro ověření funkčnosti zvolených metod na veřejně dostupných datech a datech pořízených v Laboratoři rentgenové mikro a nano výpočetní tomografie na VUT. Získané poznatky student vhodně diskutuje. Vojtěch Šrámek prokázal schopnost samostatné práce při řešení této aktuální problematiky. Vhodně pracuje s literaturou. Nedostatky lze shledat v některých formulacích v práci, které působí těžkopádně a dají se přičíst na vrub nezkušenosti studenta. Student se však musel během řešení zorientovat v obtížné problematice na pomezí fyziky, počítačového vidění a umělé inteligence, a to se mu vzhledem k množství obdržených výsledků podařilo. Cíle bakalářské práce považuji za splněné a získané poznatky za cenné pro pracoviště, kde student práci vykonával. Práci s drobnými výhradami doporučuji o obhajobě a hodnotím ji klasifikačním stupněm B/velmi dobře.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | A | ||
| Vlastní přínos a originalita | B | ||
| Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry | B | ||
| Využitelnost výsledků v praxi nebo teorii | A | ||
| Logické uspořádání práce a formální náležitosti | C | ||
| Grafická, stylistická úprava a pravopis | B | ||
| Práce s literaturou včetně citací | A | ||
| Samostatnost studenta při zpracování tématu | A |
Student Vojtěch Šrámek vypracoval bakalářskou práci na téma: Zlepšení kvality obrazu v rentgenové výpočetní tomografii s velkým úhlovým krokem s využitím hlubokého učení. První tři kapitoly práce obsahují teoretický úvod do problematiky rentgenové výpočetní tomografie, umělých neuronových sítí a metodám řešení problému výpočetní tomografie s velkým úhlovým krokem. Rozsah úváděných informací a teoretický rozbor je místy povrchní, kdy práce úplně postrádá sekci věnovanou iterativním metodám tomografické rekonstrukce, které se v praxi běžně používají pro řešení tomografické rekonstrukce s malým počtem projekcí (tzn. s velkým úhlovým krokem), což sám student na straně 12 uvádí. Celkově míra odbornosti a rozsah literární rešerše odpodívají obsahu a zaměření bakalářské práce. Praktická část práce je pak popsána v kapitolách 4 až 6, kde student rozebírá použitá data, učení zvolených metod využívajících neuronové sítě a dosažené výsledky. V rámci popisu použitých dat, pak chybí bližší informace o akvizičních parametrech použitých pro CT měření těchto dat. V následující kapitole se student věnuje implementaci zvolených metod strojového učení a jejich parametrům, kdy by bylo vhodné doplnit, jakým způsobem byly jednotlivé parametry zvoleny a optimalizovány. Z hlediska dosažených výsledků a jejich interpretace pak působí poněkud nepřehledně použité označení jednotlivých přístupů, jež jsou mezi sebou srovnávány, což snižuje celkové porozumění výsledkům. Jelikož pak student pro hodnocení používá tomografická data (tzn. po tomografické rekonstrukci), bylo by vhodné doplnit informace o použitém algoritmu a jeho parametrech, které mají právě výrazný vliv na výslednou kvalitu dat. Dále pak postrádám bližší vysvětlení, proč nebylo možné zrekonstruovat tomografická data myších embryí z projekčních dat s velkým úhlovým krokem, a proč tedy nebyly vypočteny kvantitativní metriky hodnocení. Přičemž toto trvzení je o to více matoucí, když pak student dále zrekonstruovaná data myšších embryí prezentuje. Jako jeden z parametrů pro hodnocení použitých metod student uvádí časovou úsporu z hlediska akvizičního času, přičemž pak chybí informace právě o časové náročnosti těchto metod. I přes výše zmiňované výhrady a komentáře, oceňuji náročnost přesahující běžné bakalářské práce a relevanci řešeného tématu. Celkově bych odvedenou práci a úroveň výstupu v podobě bakalářské práce ohodnotil stupněm B.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | B | ||
| Postup a rozsah řešení, adekvátnost použitých metod | B | ||
| Vlastní přínos a originalita | B | ||
| Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry | B | ||
| Využitelnost výsledků v praxi nebo teorii | A | ||
| Logické uspořádání práce a formální náležitosti | B | ||
| Grafická, stylistická úprava a pravopis | C | ||
| Práce s literaturou včetně citací | B |
eVSKP id 150029