MALÍK, M. Implementace modelu hlubokého učení pro segmentaci patologických tkání v objemových MRI datech mozku [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Text předložené bakalářské práce je čitelný a logicky navazuje. Formální i prezentační stránka je na velmi dobré úrovni. Během řešení práce student pravidelně docházel na konzultace a měl vždy připraveny cílené dotazy. Student byl velmi aktivní a svou práci také prezentoval na studentské konferenci EEICT. Vzhledem k práci s multimodálními 3D daty a jejich zpracováním, které přesahuje standardní znalosti na bakalářském stupni, chválím schopnosti studenta samostatně nastudovat, vhodně zvolit a aplikovat dané metody. V práci bylo použito velkého množství relevantních literárních zdrojů, z nich většina byla zahraniční. Občasné nedostatečné popisky nebo vysvětlení mírně snižují kvalitu práce, nicméně musím konstatovat, že se i přes to jedná o velmi kvalitní bakalářské dílo. Práci hodnotím stupněm A (98 bodů).
Bakalárska práca študenta Michaela Malíka sa zameriava na implementáciu automatizovaného postupu pre segmentáciu patologických tkanív v objemových MRI dátach mozgu. Práca je rozdelená do piatich častí, ktoré sa postupne venujú anatómii mozgu a vybraným patológiám, princípom a konštrukcii magnetickej rezonancie, metódam segmentácie obrazu so zameraním na hlboké učenie, verejne dostupnému datasetu a jeho štruktúre a nakoniec vlastnej praktickej časti. Z formálneho a odborného hľadiska je táto práca na vysokej úrovni, text je čitateľný a má logické usporiadanie. Avšak, mám k nej niekoľko výhrad. Prvou z nich je nedostatočnosť popísania obrázkov, napríklad v texte sa odkazuje na obrázok 2.1 v spojitosti s orientáciou magnetického dipólu, avšak v popise obrázku sa hovorí o energetických stavoch. Očakávala by som teda aj spomienku o súvislosti so spomínanou orientáciou. U obrázku 2.3 chýba zdôvodnenie vyznačenia 37% na grafe. Taktiež kvalita obrázka 2.4 je nedostačujúca. Naopak, v praktickej časti sú obrázky popísané obsiahlejšie a podrobnejšie. Taktiež je potrebné upozorniť na skutočnosť, že niektoré pojmy sú v práci použité v rôznych jazykoch (česky a anglicky), čo pôsobí nejednotne. Za veľký nedostatok však považujem chýbajúce vysvetlenie princípu ADC merania, ktorého dáta sa následne používajú v praktickej časti. Napriek tomu je však teoretická časť práce na vysokej úrovni a treba podotknúť, že zvolené metódy prevyšujú úroveň bakalárskych znalostí a študent si teda danú problematiku musel naštudovať samostatne. V praktickej časti študent implementoval plne automatizovaný postup na segmentáciu lézií v MRI dátach mozgu. K tomu študent zvolil vhodné predspracovanie dát, na samotnú segmentáciu využil algoritmus Swin Factorizer. Taktiež boli zvolené vhodné metriky na hodnotenie a porovnanie dosiahnutých výsledkov s troma autormi natrénovaných sietí. Praktickú časť považujem za podarenú a výsledky dosiahnuté študentom sú porovnateľné s výsledkami vybraných autorov. Práca cituje 48 položiek literatúry prevažne odborných publikácií, čo považujem za dostačujúce. Všetky body zadania bakalárskej práce považujem za splnené a napriek vyššie uvedeným pripomienkam hodnotím stupňom B (87 bodov).
eVSKP id 150814