MIKULÁŠ, K. Registrace CT objemových obrazů mozku pomocí globální afinní 3D transformace [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2012.
Diplomová práce studenta Karola Mikuláše se zabývá lícováním CT obrazů mozku s využitím globální afinní transformace. V první části autor popisuje teoretické aspekty nutného předzpracování obrazů a obecně teorii lícování. Zde postrádám alespoň několik odkazů na odbornou literaturu, která se specificky zabývá lícováním CT dat z oblasti mozku. Teoretická část práce obsahuje řadu nepřesných formulací a chyb. Za všechny vybírám: špatnou interpretaci veličin r a r’ ve vzorcích 2.2 a 2.3, používání pojmu afinní a rotační matice, chybějící popis veličin ve vzorcích 2.19 a 2.20 a tvrzení, že individuální entropie dvou na sobě nezávislých obrazů jsou shodné. Dále mě zaráží tvrzení „Základním prvkem pro tato podobnostní kritéria (myšleno kritéria založená na informačním obsahu obrazů) je sdružený histogram.“, ten však již dále není zmíněn a z práce není patrná jeho návaznost na výpočet sdružené entropie dvojice obrazů a individuálních entropií. V praktické části práce je popsáno softwarové řešení zadaného problému. Studentovi se podařilo zvládnout předzpracování nasnímaných dat, kde s úspěchem realizoval dvě metody pro odstranění pacientského stolu. Pro vlastní lícování byla využita optimalizace kosinového podobnostního kritéria metodou kontrolovaného náhodného prohledávání. Jak je patrné z obr. 27, na reálných datech program selhává a slícování obrazů není dosaženo. Algoritmus byl testován i na tzv. „kontrolních vzorcích“, kde lícování funguje podstatně lépe. Při realizaci afinní geometrické transformace oceňuji snahu o minimalizaci počtů for cyklů, ale na druhou stranu je nutné podotknout, že nebyl plně využit potenciál výpočetního serveru, který umožňuje paralelní zpracování dat (což sice nebylo součástí zadání, ale proces slícování by se rapidně urychlil). Výpočetní čas afinní transformace pro 224 řezů je na str. 38 specifikován jako „něco málo přes 2 minuty“, zatímco na str. 52 je zmíněno, že transformace sady čtyřiceti řezů trvá 120 sekund. Dále z obr. 25a a 26a je patrné, že kosinová podobnostní kritéria byla převedena na opačná čísla, optimalizace tedy nehledá maximum, ale minimum funkce, tento fakt však není v textu zmíněn. Po formální stránce práce nepůsobí příliš dobře, obsahuje řadu překlepů a stylistických nedostatků. S přihlédnutím k faktu, že lícování funguje relativně dobře na „kontrolních vzorcích“ a autor diskutuje možné příčiny nezdaru svého algoritmu, by, dle mého názoru, pro něj nebylo nepřekonatelným problémem lícování přizpůsobit i na reálná data. Hlavní příčinu selhávání vytvořeného programu, jakož i snížené formální kvality práce spatřuji hlavně v nerovnoměrném rozložení úsilí, kdy diplomová práce, v převážné většině vznikala ke konci semestru. Přes všechny uvedené nedostatky práci hodnotím stupněm D – 65b.
Diplomová práce Karola Mikuláše se zaobírá globálním lícováním objemových obrazových dat pořízených pomocí výpočetní tomografie. V zadání práce je uvedeno několik samostatných cílů, diplomant se věnoval každému z nich. Nedomnívám se však, že by všechny cíle byly splněny na úrovni odpovídající závěrečné práci v magisterském studijním programu. Konkrétně mám na mysli: 1. cíl č. 1 - provedení literární rešerše o registračních algoritmech 2. a dále neočíslovaný cíl, cituji: „Programy vytvořené v předešlých bodech propojte v jeden celek a pomocí vybraného optimalizačního algoritmu realizujte vlastní lícování obrazových dat“. Ad 1) Registrace monomodálních dat s využitím globální transformační funkce je již delší dobu v odborné literatuře dobře podchycena a v současné době existuje již i řada otevřených softwarových balíků, které takové úlohy velmi dobře řeší (např. VTK/ITK, Slicer3D, aj.). Pokud by diplomant věnoval větší úsilí studiu stavu současného poznání, nemusel by se zaobírat zbytečnostmi a praktická část jeho práce by neskončila fiaskem, které sám v závěru uznává. Ad 2) Po prostudování dodaných skriptů konstatuji, že nechápu, jak se zadaný celek spouští, kde má vytvořený software dokumentaci a další patřičné náležitosti - navigování oponenta jakýmkoli způsobem by bylo na místě. Ze samotného textu předložené práce je navíc patrné, že vytvořený software na úloze registrace reálných obrazových dat, popisujících vývoj hematomu v čase, selhává - optimalizace zvolené kriteriální funkce nekonverguje ke správnému řešení. Odborná úroveň práce jakož i její jazyková či formální stránka je na nízké úrovni - autor se dopouští řady nepřesností, které zde nelze všechny vyjmenovat. Za podstatný prohřešek považuji např. nejednotné pojmenování proměnných v rovnicích, viz např. navazující rovnice 2.5, 2.6 s různou notací pro posun obrazu. Na str. 15 se autor pokouší definovat pojem geometrické transformace obrazu, avšak končí u definice kruhem, tj. opět pomocí geometrických transformačních funkcí. Autor se v práci věnuje přespříliš triviálním záležitostem jako je načítání dat a jejich uchovávání, což je pro splnění cílů nepodstatné a pouze tím asi prodlužuje poměrně úsporný obsah závěrečné práce. Ta začíná úvodem, a to rovnou na straně 10!, metodika či teoretický úvod je asi ukončen na straně 32 (celkem 23 stran), od str. 33 po str. 55 (celkem dalších 23 stran) se autor věnuje popisu funkcí, které vytvořil, ale formou, kterou bych považoval za vhodnou raději do přílohy diplomové práce než do její obsahové části.
eVSKP id 51853