FROLÍKOVÁ, Š. Automatická detekce voxelů AIF v DCE-MRI pomocí metod strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Studentka Frolíková se zhostila řešení své diplomové práce s vervou a zájmem, pravidelně konzultovala a aktivně sama hledala řešení zadaného problému. Během semestru byla poměrně hodně aktivní. Výsledky práce budou využity v software Perflab vyvíjeném na ÚPT. Rozsahem je práce na odpovídající úrovni a práce s literaturou je v pořádku. V práci se nachází několik nepřesností, například v uvedených typických hodnotách parametrů ve vzorci 1.3, nebo přehozené R(t) a C(t) ve vzorci 1.5. Po grafické stránce je práce na průměrné úrovni, místy chybějící ukončené závorky, pár nekvalitních obrázků, pár překlepů. Některé grafy mají zbytečně dvojité nadpisy a časové osy by mohly být spíše v minutách. Vyjadřování v angličtině je místy nesrozumitelné. V praktické části se nachází poměrně zdařilé kapitoly zabývající se extrakcí a selekcí příznaků. Studentka si velmi dobře poradila s výraznou nevyvážeností datasetů, kde se nakonec kvůli odchylkám simulovaných dat od reálných rozhodla využít oversampling. Logicky dochází ke vhodné klasifikační metodě, kterou validuje pomocí k-násobné křížové validace. Výsledky na testovací množině jsou poměrně dobré. Ladění parametrů vybraného modelu mohly být prezentovány detailněji byť nejlepších výsledků je dosaženo se základní konfigurací. Bohužel nebyl k dispozici větší dataset, aby bylo možné s větší jistotou vyvrátit možnost přeučení, na které by mohla ukazovat poměrně vysoká přesnost na lidských datech. Kladně hodnotím také testování různých metod pro výslednou agregaci křivek do konečné AIF. Celkově hodnotím práci studentky kladně. Výslednou práci shazují víceméně pouze formální nedostatky. Zadání považuji za splněné v celém rozsahu a hodnotím 88 Body (B).
Práce se zabývá návrhem metod automatického výběru arteriálních voxelů v DCE-MRI datasetech pro odhad arteriální vstupní funkce (AIF). V teoretické části studentka poměrně dobře popisuje teorii DCE-MRI. V části popisu AIF měřené u lidí a myší (Kap. 1.5.1) je několik nepřesností. Následuje stručný popis klasifikačních algoritmů a metody oversampling. V praktické části studentka nejdříve popisuje dostupné reálné datasety a poměrně kostrbatě pak postup vytvoření simulovaných dat. Dále studentka vcelku elegantně řeší nevyváženost datasetů myší a výběr příznaků koncentračních křivek. Studentka realizovala automatický výběr arteriálních voxelů pomocí shlukové analýzy K-means. Tato metoda je zřejmě chybně implementovaná, protože odhadnuté křivky (Obr. 2.20, 3.3, 3.4 a 3.5) neodpovídají reálným AIF průběhům a referované hodnoty F1 skóre jsou nulové. Popis a implementace dalších klasifikačních algoritmů se zdají být v pořádku, obzvlášť metoda RFC dosahuje poměrně dobrých výsledků. V poslední části studentka dobře řeší návrh a vyhodnocení metod pro odhad AIF z vybraných arteriálních voxelů. Po formální stránce je práce v pořádku. Je psaná anglicky, poměrně dobrou angličtinou v úvodních kapitolách, s horší kvalitou ke konci práce. V textu se občas vyskytují hovorové výrazy a ne vždy je psán dostatečně srozumitelně.
eVSKP id 159775