KREJČÍ, L. Koregistrace DKI MRI dat s vysokou mírou difuzního vážení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.

Posudky

Posudek vedoucího

Vojtíšek, Lubomír

Cílem práce Ladislava Krejčího bylo vyhledání a ověření dostupných nástrojů pro koregistraci DKI obrazů, obrazů s různou intenzitou difůzního vážení a tedy různým kontrastem. Student se ve své práci zabývá koregistrací obrazů, zmínil princip (DWI) difůzně váhovaného zobrazování i jeho význam. DKI metodou vycházející z DWI, se dotkl jen povrchně. V práci jsou teoreticky poměrně podrobně popsány metody využívané při registraci obrazů, vyjma kriteriální funkce. Ta je trochu nelogicky zařazena v podkapitole mezi optimalizačními algoritmy a po obecné definici jsou uvedeny jen vzorce některých kriteriálních funkcí bez podrobnějšího vysvětlení. Bohužel, protože správný výběr kriteriální funkce (charakteru dat odpovídající) je pro koregistraci kriticky důležitý. Rešerše použitých programových nástrojů je poměrně povrchní, o něco více se pak lze dočíst v praktické části. Dále se student zabývá metodami hodnocení koregistrace. Tato kapitola by měla být rozdělena systematičtěji, například na metody pomáhájící subjektivnímu hodnocení a kvantitativní metody. Zásadní otázkou, kterou se student vůbec nezabýval, je jak kvantifikovat kvalitu koregistrace u obrazů z různých modalit a různým kontrastem. Z toho pak vyplývá i samotné hodnocení úspěšnosti registrace jednotlivých programů, které student vyzkoušel. Student podle všeho otestoval každý z nich s jedním nastavením na čtyřech difůzních obrazech, které koregistroval k obrazu bez difůzního vážení. Použil při tom kriteriální funkce, které jsou vhodné pro obrazy se shodným kontrastem. Což není případ obrazů s různým difůzním váhováním. Úspěšnost registrace hodnotil subjektivně za pomocí „Šachovnice“ a „joint Histogramu“ Práce je až na vyjímky poměrně dobře členěna, student jí zjevně věnoval jisté úsilí. Nicméně zaměřil je špatným směrem a nevedlo k požadovaným výsledkům zejména proto, že z neznámého důvodu zcela rezignoval na konzultace a systematickou práci. Zadání tak splnil jen z části. V textu není dobře zacházeno se zdroji a citacemi. V práci se pak nachází několik výrazných pochybení: Chybí zevrubnější charakteristika DKI dat, k registračním nástrojům chybí podrobnější rešerše. Otestována byla vždy jen jedna, navíc nevhodná, konfigurace, na minimálním statisticky nevýznamném vzorku dat. V textu s nachází několik nepřesností a neobratných formulací. Například: Strana 9: ….. je třeba provést dodatečnou úpravu, která odstraní artefakty a nesrovnalosti mezi jednotlivými snímky. Této úpravě se říká registrace. registrace neodstraní artefakty ani “nesrovnalosti” Strana 10: Předzpracování obrazu můžeme chápat jako matematický problém, kdy hledáme vhodnou transformaci. Kterou když aplikujeme na jeden snímek, tak by se měl, co nejpřesněji geometricky překrývat. Na následujícím obrázku 1.1 lze vidět jak vlivem vyšší b-hodnoty dochází ke snížení intenzity a tím i k poklesu kontrastu v obraze. Zároveň se projevuje nárůst šumu v obraze. Klesá signál, kontrast se mění, šum zůstává stejný, SNR klesá Strana 20: Koregistrace obrazu je velmi důležitou součástí jak pro výzkum v medicíně, tak i pro určení stavu pacienta na základě jejich porovnání. Nejčastěji se provádí korekce pohybu, protože nelze zcela zabránit pacientovi v pohybu hlavy během snímání. U difůzně vážených obrazů vlivem vířivých proudů způsobených gradienty difůzního váhování dochází k deformaci obrazu, a to je hlavní důvod proč je nutné provést koregistraci. Otázka1: Na straně 28 uvádíte: ”Pro difuzně vážené obrazy a jejich registraci se běžně volí referenční snímek s 0 b-hodnotou a snímky s nenulovou b-hodnotou jsou zvoleny jako plovoucí. Pro referenční snímek by mělo platit, že je zvolen ten s nejlepším rozlišením a kontrastem. Tenhle postup jsme aplikovali u všech registračních softwarů.” Co se o tom hovoří v doporučené literatuře zejména v článku [15]? (NILSSON, Markus, Filip SZCZEPANKIEWICZ, Danielle VAN WESTEN a Oskar HANSSON. Extrapolation-based references improve motion and eddy-current correction of high b-value DWI data: application in Parkinson’s disease dementia. PloS one. Public Library of Science, 2015, 10(11). DOI: https://doi.org/10.1371/journal.pone.0141825)

Navrhovaná známka
E
Body
50

Posudek oponenta

Gajdoš, Martin

Práce studenta Ladislava Krejčího se zabývá difuzně váženými daty získanými při MRI měření. Bohužel je práce psaná velmi neuspořádaně, obsahuje mnoho nepřesností a vzhledem k tomu, že vedoucí práce Ing. Lubomír Vojtíšek, Ph.D. je v dané oblasti expertem, zdráhám se uvěřit, že student naplno využíval možností konzultací. Ani jeden z bodů zadání není uspokojivě splněn. V rešeršní části se student měl věnovat rešerši předzpracování DKI dat, se zaměřením na koregistrace obrazů s různým kontrastem. Mimo toho, že se student o DKI datech téměř nezmiňuje (pravděpodobně zaměnil zkratku za DWI), zmiňuje se pouze o koregistraci, ale ani slovo není věnováno zásadním krokům předzpracování DKI dat, jako je normalizace intenzity, korekce vířivých proudů, korekce EPI distorzí či korekce nelinearity gradientů, viz například Glasser, 2013, The minimal preprocessing pipelines for the Human Connectome Project. Rešerše existujících softwarových nástrojů byla sice provedena, ale chybí zde detailnější náhled na implementace koregistračních algoritmů a jejich možností. Část s metodikou hodnocení koregistračních algoritmů popisuje metody, které lze při hodnocení kvality registrace využít, ale preferoval bych logičtější uspořádání kapitoly, například rozdělení metod na vhodné pro subjektivní vizuální hodnocení expertem a kvantitativní metody. Navržená metodika neobsahuje žádná kvantitativní hodnocení, ani zdůvodnění, proč by jich nemohlo být využito, například srovnání hodnot korelací či vzájemné informace mezi koregistrovanými obrazy. Funkčnost vybraných nástrojů byla otestována, ale bylo využito vždy jen jedno nastavení a nebylo dostatečně argumentováno, proč nebyla zkoušena jiná nastavení. Argument, že šlo o monomodální data, bych v tomto případě navíc chtěl odmítnout s tím, že šlo sice o data z jedné modality DKI, ale s různými intenzitami b a tudíž se velmi liší kontrast v obrazech pro různé b hodnoty, jak autor uvádí správně na obrázku 1.2. Zpracovaná dokumentace obsahuje pouze printscreeny „joint histogramů“, ale opět žádné kvantitativní hodnoty a srovnání. Pracovní postupy by bylo navíc vhodné vizualizovat například pomocí vývojových diagramů. Hodnocení a diskuze výsledků je podle mě také neuspokojivá, protože chybí jakékoliv statistické srovnání exaktních hodnot mezi nástroji a je založeno pouze na subjektivním vnímání míry „rozmazání joint histogramů“. Z práce je navíc velmi nejisté, co bylo vzájemně koregistrováno. Student měl k dispozici data s více 3D obrazy pro každou z hodnot b=0 s.mm-2 a b=[500, 1000, 2000, 4000] s.mm-2. Není ale jasné, zda pro dvojice koregistrovaných obrazů použil náhodně vybrané obrazy ze sad pro jednotlivé b hodnoty či průměrný obraz pro danou b hodnotu. Navíc vyhodnocení registrací metodou šachovnicí v práci chybí. V závěru jsou výsledky diskutovány jen v jednom odstavci a žádná doporučení ve smyslu optimálních nastavení a typů koregistračních algoritmů nejsou učiněna. V práci mi nejvíce chybí exaktní hodnocení. Po formální stránce jsou v práci špatně používány citace (často chybí, nebo nejsou na správném místě), překlepů a nepřesností, či chyb v popisovaných pojmech také není málo. I přes přihlédnutí k tomu, že jde o náročnější problematiku, hodnotím práci pro nedostatečné splnění zadání a výrazné nedostatky stupněm F.

Navrhovaná známka
F
Body
45

Otázky

eVSKP id 118327