ROZHOŇOVÁ, A. Metody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencích [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Diplomová práca študentky Andrey Rozhoňovej je napísaná na 79 stranách členených do teoretickej a praktickej časti. Práca je prehľadne členená, popisuje jednak problematiku konvolučných neurónových sietí pre segmentáciu objektov v obraze, jednak popisuje niektoré vybrané metódy segmentácie optického disku a ciev. Praktická časť pozostáva z opisu prípravy dát, predspracovania obrázkov, samotnej segmentácie a následneho vyhodnotenia na datasetoch so značeným optickým diskom, cievami ako aj vyhodnotenie na oftalmologických sekvenciách. V rámci diplomovej práce študentka vytvorila dataset s manuálne segmentovanými cievami. Oceňujem množstvo experimentov pozostávajúcich z otestovania rôznych architektúr konvolučných neurónových sietí na snímkoch sietnice z experimentálneho video-oftalmoskopu. Dosiahnuté výsledky naznačujú prepoužiteľnosť metód v ďalšej práci s video-sekvenciami. Po formálnej stránke nemám žiadne výhrady. Citovanie je náležité a odpovedá požiadavkám na diplomovú prácu. Aktivita diplomantky bola primeraná, pracovala však najmä samostatne a vyzdvihujem aktívne a samostatné riešenie vzniknutých problémov. K práci mám jedinú výčitku, ktorou je organizácia zdrojových kódov v prílohe, tie sú však plne funkčné a obsahujú požiadavky na ich spustenie. Záverom je potrebné zhrnúť, že všetky body zadania sú splnené v plnom rozsahu, práca je na nadštandardnej úrovni a preto navrhujem hodnotenie A/98 bodov.
Předložená diplomová práce se zabývá tématem segmentace cévního řečiště a optického disku ve snímcích sítnice. V úvodní části práce se studentka věnuje obecným možnostem snímání očního pozadí a poměrně detailně principům a zvoleným architekturám konvolučních neuronových sítí. Dále se studentka zabývá rešerší a teoretickým popisem některých publikovaných přístupů segmentace cévního řečiště a optického disku v retinálních obrazových datech. Celkově je teoretický popis řešené problematiky poměrně detailní a zabírá 46 stran textu práce. V navazující praktické části se studentka věnuje vlastnímu návrhu metod a popisu jejich implementace. V kap. 2.3 postrádám zmínku o zbývajících dvou architekturách PSPNet a Linknet, které byly pro segmentaci optického disku taky testovány (jak dokládá tabulka 2.3). Text práce zmiňuje pouze implementaci metod MaskRCNN a U-Net. Podobnou výtku mám i ke kap. 2.4, která popisuje implementaci metod pro segmentaci cévního řečiště. V popisu implementace chybí architektura PSPnet, která byla rovněž dle prezentovaných výsledků zahrnuta do testování. Text práce působí díky tomuto trochu nekonzistentně. Hodnocení implementovaných metod bylo provedeno na zadané databázi. Velmi oceňuji, že si studentka pro účely trénování sítě vytvořila vlastně anotované snímky, což bylo zřejmě dost časově náročné. Vyhodnocení metod je provedeno zejména na základě výpočtu vybraných kvantitativních parametrů. Postrádám však bližší subjektivní zhodnocení a zejména diskusi s ohledem na úspěšnost segmentace cév různých šířek. Po formální stránce je práce na dobré úrovni. Text obsahuje minimum překlepů a pravopisných chyb. Výtku mám k některým obrázkům, které obsahují příliš drobný a hůře čitelný text. Upozorňuji, že výsledné programové kódy by měly být k dispozici na přiloženém CD a zároveň se studentka v textu práce odkazuje na online umístění kódů na serveru github.com. Prezentovaný odkaz však v době psaní oponentského posudku nefungoval. Doporučuji zajistit funkčnost a pokud možno, tak i časovou stálost tohoto odkazu. Na závěr konstatuji, že zadání diplomové práce bylo splněno. Studentka prokázala schopnost nastudovat si danou problematiku a získané znalosti uplatnit při vytvoření požadovaného inženýrského díla. Hodnocení: B/88 b.
eVSKP id 118342