VĚŽNÍKOVÁ, R. Detekce a identifikace typu obratle v CT datech onkologických pacientů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Studentka se ve své práci věnuje detekci a identifikaci jednotlivých obratlů z CT dat, což je nesnadným úkolem a dnes stále ideálně nevyřešeným problémem. V prvních třech kapitolách studentka uvádí základní teorii anatomie obratlů, seznam publikovaných algoritmů se stručnou charakteristikou a teorii zpracování obrazů. Studentka nastudovala danou problematiku z odborných článků a poté navrhla a otestovala několik přístupů detekce a identifikace, které jsou v práci podrobně popsány a diskutovány. V některých částech návrhu metodiky bych ocenil podrobnější popis nastavení použitých algoritmů. K řešení práce studentka přistupovala aktivně a jednotlivé návrhy a jejich výsledky studentka konzultovala s vedoucím. Po formální stránce je práce čtivá a srozumitelná s vhodně zvoleným rozčleněním kapitol. V textu se vyskytuje jen malé množství faktických chyb nebo překlepů. V návrhu práce bych ocenil více odkazovat na blokové schéma, které doplňuje uvedený popis navržených metodik. Jako důsledek pouhé nepozornosti považuji záměnu titulního listu DP ze semestrálního projektu, což nesnižuje úroveň práce. Zadání práce bylo splněno v celém rozsahu. Předloženou diplomovou práci hodnotím stupněm B (85 bodů).
Studentka se ve své práci měla zabývat detekci a klasifikaci typu obratle v CT datech. Předložená práce má rozsah 47 stran a je členěna do 8 kapitol včetně Úvodu a Závěru. V teoretické části práce studentka popisuje anatomii páteře a představuje již publikované metody segmentace páteře. Zejména kapitola o anatomii páteře je nevhodně členěná do podkapitol, kde některé podkapitoly jsou tvořeny pouze třemi větami. Literární rešerše existujících metod má rozsah pouze 1.5 strany. Zde bych očekával zhodnocení a porovnání jednotlivých metod. V další teoretické části práce jsou popsány postupy segmentace a klasifikace obrazů. Tato část je již popsána dostatečně. V praktické části práce studentka nejprve popisuje zpracovávaná data. Zde vytýkám zavádějící informaci, že data obsahují „ořezanou páteř“. Postrádám informaci, jak byla data (páteř?) předzpracována a upravená. Vlastní postup segmentace spočívá v několika krocích. Prvním krokem je mediánová filtrace pro potlačení impulzního šumu. Volba typu filtrace je logická, ale nikde není popsáno, zda výsledné zvolené okno 3x3x3 popřípadě 5x5x5 bylo vybráno objektivně nebo subjektivně. Následně studentka použila segmentaci Otsu metodou a metodou narůstání oblastí a následnou detekcí jednotlivých obratlů. Klasifikace jednotlivých obratlů je řešena dvěma způsoby, a to zobecněnou Houghovou transformací a metodou rozhodovacího stromu. Ukazuje se, že s Houghovou transformací lze dosáhnout 85% úspěšnosti zatímco pomocí rozhodovacího stromu pouze 40%. To je způsobeno především nedostatečným množstvím vstupních dat. Při klasifikaci do tři tříd je množství dostatečné a již lze dosáhnout 90% úspěšnosti. Po formální stránce je práce na průměrné úrovni. V práci je vloženo zadání semestrálního projektu, Obrázek 1.1 není v textu odkazován, v kapitole 4 jsou chybně odkazovány obrázky z páté kapitoly, v kapitole 6.1 jsou tabulky chybně označeny tabulky 5.1, 5.2 a seznam použité literatury neodpovídá žádné z běžně používaných norem. Přes uvedené nedostatky konstatuji, že je zadání práce splněno v celém rozsahu a navrhuji celkové hodnocení 75/C.
eVSKP id 102382