SOKOL, N. Segmentace biologických vzorků v obrazech z kryo-elektronového mikroskopu s využitím metod strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Student byl aktivní zejména ve druhém semestru řešení diplomové práce, kdy během této doby pravidelně konzultoval. Po formální stránce je práce na dobré úrovni, která je ovšem snížena řadou prohřešků jako umístění popisu tabulek pod tabulkami a další drobné stylistické chyby. Prezentační úroveň práce je také na dobré úrovni s výjimkou kapitoly 5.2 Experiments, kde postrádám nějaké přehledné porovnání navržených metod v nějaké shrnující tabulce nebo grafu. Oceňuji volbu anglického jazyka. Text práce logicky navazuje a je vhodně členěn ve většině práce; mám však výhrady opět ke kapitole Experiments, kdy jsou dosažené výsledky sloučeny s popisem algoritmických změn, což snižuje přehlednost této kapitoly. Teoretická část práce je zbytečně rozsáhlá na úkor praktické části, kdy popis implementace použitého algoritmu je pouze jedna strana. Student použil velké množství zahraniční literatury, kterou v práci vhodně citoval. Výhrady mám k některým položkám v seznamu literatury, které nejsou příliš vhodné jako primární zdroj v technické zprávě. Některé reference se neodkazují na originální zdroje, nebo jejich popis neobsahuje všechny důležité a povinné identifikátory. Výhrady mám také k praktické části práce, kdy student zbytečně a neopodstatněně testoval úpravy architektury sítě, které z logiky věci musely vést ke zhoršeným výsledkům. Naopak optimalizaci parametrů student prováděl až na poslední chvíli před odevzdáním práce. Všechny body zadání diplomové práce nicméně považuji za splněné a s přihlédnutím k výše uvedenému práci hodnotím stupněm C (70 bodů).
Práce se zabývá sémantickou segmentaci kvasinek v obrázcích z cryo-elektronové mikroskopie pomocí hlubokého učení, specificky pomocí umělé neuronové sítě U-Net. Po formální stránce je práce na dobré úrovni. Student v práci využívá a cituje dostatečné množství zdrojů. Zde bych však chtěl upozornit na nevhodnost citování preprintů, namísto finálních recenzovaných publikací, či nesprávné využití odkazu na preprint jako na online dostupnou verzi publikovaného článku. Teorie práce obsahuje mnohé nepřesnosti a často student převezme z původních zdrojů formulace, které v kontextu práce nedávají smysl, neboť zde nejsou zavedené použité pojmy. Popis teorie mnoha pro práci důležitých věcí je zde velmi povrchní a nepřesný, na úkor podrobného popisu pro práci zcela zbytečných obecně známých věcí. V praktické části student popisuje implementaci a využití standardního U-Net modelu pro daný segmentační problém. Dále se student pouští do optimalizace hyperparametrů za pomoci metody Bayesovské optimalizace, čímž se povedlo dosáhnout výrazného zlepšení modelu. Úspěšnou aplikaci této optimalizace v práci oceňuji, avšak mám zde několik výhrad. Výsledné optimální hodnoty hyperparametrů se nachází na okraji zvoleného optimalizovaného rozsahu hodnot, a bylo by tedy velmi vhodné tento rozsah rozšířit. Student se vymlouvá na přerušení výpočtu, z důvodu omezení výpočetního času na použité platformě bez toho, aby se pokusil o řešení tohoto problému, jako např. využití jiné výpočetní platformy. Použitý algoritmus přitom také umožňuje uložení předchozích hodnot a navázání na předchozí výpočty. Velmi snadno by šlo také otestovat například více různých rozsahů. Student dále také diskutuje možnost optimalizace mnoha dalších hyperparametrů, kde nechápu proč toto neprovedl. Celkově tak tyto výsledky působí nedokončeným dojmem. Výrazně pak ve výsledcích postrádám sumarizační tabulku nebo graf, ve které by byly srovnané jednotlivé modely (původní, s augmentací, optimalizovaný), a výsledky pro srovnání je nutné složitě hledat v několika tabulkách. Ukázková učební křivka na obrázku 5.4 vykazuje pro validační data zvláštní píky, které by si dle mého názoru zasloužili zvláštní pozornost a studentovo vysvětlení bez jakékoliv objektivní analýzy nepovažuji za správné; mohlo by se jednat o nějakou chybu v implementaci. Praktických výsledků v práci přitom není mnoho a zasloužili by si rozšířit. Jejich diskuze je dostatečná, avšak některé závěry zde považuji za nesprávné. Bohužel musím také konstatovat, že poslední bod zadání není zcela splněn, jelikož není provedeno žádné srovnání s jinými segmentačními přístupy. I přes tyto nedostatky se jedná o poměrně kvalitní diplomovou práci hodnotím stupněm C – 79 bodů.
eVSKP id 134411