HOLOTOVÁ, K. Automatická klasifikace ultrazvukových snímků prsu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Předložená práce pojednává o detekci a klasifikaci lézí v ultrazvukových snímcích prsu. V rámci teoretického rozboru je popsána anatomie prsu s důrazem na patologie, především karcinom prsu. V rámci další kapitoly studentka podává přehled o jednotlivých metodách. V tomto bodě by bylo dostačující zaměřit se na ultrazvukové snímky a o to více metody popsat. V rámci rešerše jsou dále pospány možnosti pro automatickou klasifikace, případně detekci nádorů prsu. V této části text působí také místy povrchně bez technických detailů. V rámci praktické části studentka prošla dostupné datové sady a na základě tří z nich sestavila nový dataset. Bohužel v tomto bodě postrádám bližší a důležité detaily o výsledném datasetu a prosím o jejich doplnění do prezentace k obhajobě. Dále studentka implementovala dva postupy pro detekci a klasifikaci nádorů – síť založenou na architektuře YOLO a využití nnUNET. U první realizace je ukázka výstupu uvedena jako obr. 5.3, kde zobrazené výsledky vypadají použitelně. U nnUNET architektury je výsledek dokumentován pouze pomocí grafu učení a výsledného DICE skóre. Vzhledem k absenci příloh práce prosím o ukázku výsledků této metody do prezentace k obhajobě. Po formální stránce nemám k práci větších výhrad. U některých obrázků by bylo vhodnější zvětšit velikost nebo alespoň velikost písma. Práce cituje 48 položek literatury, což pro bakalářskou práci považuji za dostatečné. Studentka pracovala samostatně, konzultací využívala zřídka. Nicméně zadání práce považuji za splněné s výhradami k bodu 5, kdy testování hyperparametrů není v práci obsaženo. Vzhledem k chybějící a slabší prezentaci výsledků jednotlivých metod práci doporučuji k obhajobě s hodnocením dobře (C – 70 bodů).
Bakalářská práce Karolíny Holotové se zabývá detekcí a segmentací nádorových oblastí v ultrazvukových snímcích prsu. Práce je logicky rozčleněna do jednotlivých kapitol od anatomie po diskuzi výsledků. Popis je poměrně podrobný s minimem překlepů. V praktické části práce popisuje jednak detekci nádorových oblastí pomocí hluboké neuronové sítě (YOLO) a také segmentaci (nnUNet). Prezentované výsledky jsou kvalitní. K textu v praktické části práce mám jen několik připomínek. Studentka na str. 36 uvádí, že provedla změnu rozlišení na 640 x 640 pixelů. Pravděpodobně se ale jedná o změnu velikosti snímků. Popis použitých dat také mohl být podrobnější (uvedení konkrétních přístrojů a sondy). Dále mohly být uvedeny matematické definice metrik (např. mAP, box_loss, object_loss apod.). V ukázce výsledků (na str. 42) mohla studentka uvést a diskutovat i případy kdy detekce selhává. Prezentace výsledků segmentace mohla být také mnohem bohatší, např. opět ukázky, identifikace problémových oblastí, diskuze příčin selhání a podobně. Celkově tak hodnotím práci stupněm B/85b.
eVSKP id 167486