KADLEC, V. Odhad věku ze snímků sítnice [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Student Vojtěch Kadlec se ve své bakalářské práci věnoval návrhu metod pro stanovení věku na základě snímků sítnice. Téma bylo zadáno ve spolupráci s firmou Aireen, která zajistila pro tento projekt dostatek snímků. Student nejprve analyzoval příslušná metadata k této velké sadě snímků a připravil vhodnou sadu pro následné zpracování. Dále, na základě rešerše, zvolil vhodný algoritmus s využitím hlubokého učení a zaměřil se na metody předzpracování obrazů, Následně provedl řadu testů. Dosažené výsledky jsou kvalitní a srovnatelné s publikovanými pracemi. Svoji práci také prezentoval na konferenci EEICT 2023, kde se umístil na druhém místě. Student přistupoval k řešení práce svědomitě, pracoval systematicky a aktivně komunikoval s konzultantem s firmy Aireen a s vedoucím práce. Na konzultacích prezentoval dosažené výsledky a řešil vzniklé problémy a další postup. Odevzdaný text je kvalitní, obsahuje drobné nepřesnosti, ale je bez vážnějších nedostatků. Celkově tak hodnotím práci a přístup studenta stupněm A/95b.
Práce se zaměřuje na odhad věku dle snímků sítnice s využitím metod hlubokého učení. Práce přináší zajímavé téma a spolupráci s firmou zaměřenou na využití umělé inteligence v medicíně. Navíc mírně překračuje očekávání bakalářské úrovně vzhledem k využití pokročilých metod pro analýzu obrazových dat. Je však škoda, že student nevyužil plný potenciál zadání, vzhledem k povaze zadání opírající se o převzaté zdrojové kódy implementované na poskytnutá data od firmy. Přesto je implementace cizích zdrojových kódů náročný úkol hodný biomedicinským technikům a student tak splňuje požadavky bakalářské úrovně v tomto oboru. Text práce je čtivý a přehledný, s dobře strukturovaným členěním kapitol a minimem překlepů. Nicméně ke konci práce se zvyšuje počet chyb a některé pasáže jsou méně srozumitelné. Text obsahuje drobné formální i obsahové nedostatky, jako neúplné popisy vzorců, chybně uvedený vzorec 6.2 nebo neúplné implementační detaily algoritmů, zejména v předzpracování dat. V praktické části práce student využil CORAL algoritmus a navrhl dva jednoduché přístupy k předzpracování vstupních snímků, které srovnal s výsledky bez předzpracování. Student provedl redukci dostupné databáze na základě určených podmínek bez detailnější analýzy či vysvětlení. Diskuse výsledků zahrnuje srovnání s publikovanými pracemi a možnosti dalšího pokračování. Zde s některými částmi textu se úplně neztotožňuji. Část implementace zakomponovaného předzpracování je nesrozumitelná. Srovnání s výsledky jiných autorů je obtížné bez bližších informací o jejich datasetu. Bylo by vhodné rozšířit práci o analýzu predikčního algoritmu o jiný výběr dat, například s diabetickou retinopatií nebo jiným etnikem, což by lépe odpovídalo povaze zadání. Nicméně, celkově hodnotím práci jako zdařilou, jen s drobnými výtkami. Hodnotím ji stupněm B-88 bodů. (příklad konkrétních drobných výtek: prázdný seznam symbolů a zkratek; nevhodné uspořádaní vzorců 3.11-3.13; nepopsané vzorce Adamu (3.11-3.13); vzorec 4.2 nepopisuje vznik nového obrazu ale velikost nového obrazu; chybějící mezery u procent; použití desetinných teček místo čárek; přeučením model ztrácí schopnost se generalizovat a ne učit; není vysvětleno, co je CE (Lce); nesmyslný popis obrázku 6.4; vzorec nedává smysl 6.2; chyba roku v citaci 51; není jasné proč jen 100 epoch).
eVSKP id 150803