HRACHO, M. Modelování v perfúzním ultrazvukovém zobrazování [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.
Student Michal Hracho vypracoval svou diplomovou práci na téma modelování v perfúzním ultrazvukovém zobrazování. V teoretickém úvodu jsou popsány základy zobrazování pomocí ultrazvuku, dále kontrastní ultrasonografie se zaměřením na metodu bolus & burst. Dále jsou popsány používané modely pro arteriální vstupní funkce (AIF) a tkáňovou reziduální funkci. Dále byla ověřena možnost modelování Parkerovy populační AIF pomocí jednotlivých modelů. V praktické části student realizoval simulátor časových průběhů pro metodu bolus s&burst a zpětný odhad parametrů modelů pomocí dekonvoluce. Metody byly otestovány na simulovaných datech s adtivním šumem a vyhodnocena robustnost odhadu parametrů. Dále byly metody otestovány na datech z myší. Tento bod zadání byl splněn, avšak výsledky tohoto testování nejsou optimální. Práce je doplněna funkčním uživatelským rozhraním pro snadnou obsluhu implementovaných postupů. Po formální stránce je práce na průměrné úrovni. Rovnice stojí samostatně, nikoli v textu, ač byl na tuto skutečnost student upozorněn. Některé věty v úvodní části nejsou ukončené tečkou. U tabulky 1 nejsou uvedeny jednotky parametrů populační křivky. Na obrázky a tabulky je místy nevhodně odkazováno pomocí dvojtečky nikoli označení čísla obrázku nebo tabulky. Práce cituje 18 převážně kvalitních literárních položek. Student pracoval na tématu samostatně, ale práci si během semestru nerozvrhl dobře. Zvýšenou aktivitu projevoval až v závěru semestru, což se projevilo na kvalitě výsledné práce. Zadání práce považuji za splněné v celém rozsahu, nicméně bych očekával lepší výsledky na preklinických datech. Předloženou práci doporučuji k obhajobě a hodnotím ji známkou dobře (C - 74 bodů).
Student se v práci zabýval kontrastním ultrazvukovým zobrazováním se zaměřením na perfúzní zobrazování metodou Bolus&Burst. Cílem práce bylo odhadování perfuzních parametrů pomocí dekonvoluční metody na základě různých modelů arteriální vstupní funkce (AIF) a reziduální funkce tkáně (TRF). Pro AIF student použil 7 modelů a pro TRF model jeden. Dále byl zkoumán vliv šumu na odhad perfuzních parametrů. Nakonec byly navržené postupy otestovány na preklinických datech nádorových myší. Práce obsahuje několik drobných ale i větších formálních nedostatků, k menším patří: první odstavec je odsazen, název proměnné bez dolního indexu (rovnice 2), vynechané číslování kapitoly 3.1, grafická úprava tabulek, vynechání čárky za rovnicí či překlepy. Celkem časté jsou i chyby v psaní čárek. Zvláštní je také název tab. 2: Tato tabulka popisuje korelační hodnocení jednotlivých křivek podle (12). Použití archaických výrazů (jako je příšedší) také není nejvhodnější volbou. K větším nedostatkům patří: název obr. 6 je špatný (nejedná se o závislost rezonance bubliny na signálu ale o závislost velikosti poloměru bublin na signálu), na obr. 7 chybí popis os, u rovnice 7 není citován zdroj a navíc obsahuje chybu: ve jmenovateli je hustota a ne tlak, dále se jedná o rezonančni frekvenci (pojem základní frekvence je chybný), v tab. 1 jsou proměnné bez jednotek, na obr. 8-15 jsou vykresleny AIF křivky s popisem y-osy jako koncentrační rychlost (správně je koncentrace), grafy postrádají legendu, v popisu parametrů rovnice 26 je zmíněn parametr x- (s carou), který se však v rovnici nevyskytuje. Na obrázcích 28-31 jsou vykresleny zašuměné koncentrační křivky s chybným popisem úrovně šumu (záměna pojmu SNR s pojmem hladina šumu). Dále na obrázcích 32-33 jsou zobrazeny koncentrační křivky filtrované průměrovacím fitlrem s popisem o úrovni šumu a délce okna filtru. Podle popisu se jedná o šum 10 a 30 dB a filtry o stejných délkách oken 11 vzorků, nicméně podle křivek to vypadá na stejnou úroveň šumu, ale na filtry o různých délkách oken. Tento samý příklad je i na obrázcích 34 a 35 s tím rozdílem, že se jedná o mediánový filtr. Student provedl odhad perfuzních parametrů pomocí slepé dekonvoluce pro metodu Bolus&Burst v Matlabu pomocí Optimization Toolboxu (konkrétně pomocí algoritmu interior-point). Bohužel v práci není popsáno, jak je Burst modelován. Dále postrádám diskusi o vlivu přesnosti aproximace koncentrační křivky modelem na přesnost odhadovaných parametrů, protože nejpřesnější odhad parametru Fb byl získán u modelu složeného z lineární a 2 exponenciálních funkcí, avšak podle grafů nejlepší aproximaci mezi modely tento model neposkytuje. Student také provedl hodnocení výpočetní náročnosti jednotlivých modelů. Dále student zkoumal vliv šumu na odhad parametrů, zvolil tři SNR (10, 20 a 30 dB). Zcela postrádám diskusi o vlivu úrovně SNR na odhad parametrů u různých modelů. Student pouze konstatoval, že odhad byl méně přesný než u nezašuměných. Dále byl testován vliv filtrace na aproximaci a odhad parametrů. Byly zvoleny dva filtry, průměrovací a mediánový. Výsledky filtrace jsou velmi stroze diskutovány, chybí tabulka s výsledky. K dispozici jsou 4 grafy (2 pro průmerovací filtr a 2 pro mediánový). Na všech 4 je použit pro aproximaci model 3 gama. Není jasné pro jaké úrovně šumu byla filtrace testována, v grafu 35 je uveden šum 60 dB. Student v textu zaměňuje pojmy SNR a úroveň šumu. V práci byl proveden odhad parametrů i pomocí genetického algoritmu. Ukázka výsledků je na 4 grafech bez popisu os. Jedná se o aproximaci koncentrační křivky pomocí 4 modelů. Konkrétní hodnoty odhadovaných parametrů nejsou k dispozici. Z diskuse lze alespoň odvodit, že dosahuje horších výsledků než první algoritmus. Nakonec byly navržené metody testované na reálných datech. Bohužel jsou pouze 4 ukázky aproximací koncentrační křivky, i když navržených modelů je 7. Není zde také tabulka popisující přesnost aproximace ani tabulka s odhadnutými parametry. Čtenář se pouze dozví, že hodnoty odhadnutých parametrů odpovídaly reálným hodnotám i přes nepřesnou aproximaci. V práci celkově postrádám širší diskusi výsledků. V kapitolách zaměřených na šum a filtraci je těžké z diskusí něco usoudit, neboť autor si plete pojmy SNR a úroveň šumu. Výhodou práce je program s grafickým uživatelským rozhraním. Přes uvedené nedostatky student zadání splnil a proto práci dávám 70 bodů.
eVSKP id 94551