KOJAN, M. Potlačení nežádoucí variability ve fMRI datech při analýze pomocí psychofyziologických interakcí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2012.
Předložená diplomová práce studenta Martina Kojana se zabývá vlivem rušivých signálů na analýzu efektivní mozkové konektivity pomocí metody psychofyziologických interakcí. V první části práce student popisuje principy neurozobrazování pomocí fMRI a principy konektivity, kde se zaměřuje na metodu PPI. V další části rozebírá nežádoucí variabilitu (tedy rušivé signály) v fMRI datech. Dále jsou popsány metody předzpracování a statistické analýzy s dvěma možnými způsoby využití rušivých signálů k odstranění nežádoucí variability. Poslední část práce se věnuje realizaci programu, který je nosným prvkem diplomové práce spolu se závěry z analýz provedených pomocí vytvořeného programu na reálných datech (uvedeno v závěrečné části práce). Realizovaný program je tvořen jako toolbox pro celosvětově rozšířený software SPM, který tak doplňuje o možnost extrakce rušivých signálů z bílé hmoty, z komor apod. a dále o možnost "očištění" dat a snížení nežádoucí variability. Analýzy provedené na reálných datech ukazují neurovědním týmům velmi zajímavé výsledky, které nebyly dosud nikde publikovány a mohou tak do budoucna sloužit jako základ pro metodologii při odstraňování rušivých signálů v analýze mozkové konektivity pomocí PPI. Student soustavně pracoval po celou dobu realizace semestrální a diplomové práce, nastudoval velké množství literatury a pravidelně využíval konzultací v odborně zaměřené skupině jak na půdě ÚBMI, tak na 1. neurologické klinice Fakultní nemocnice u sv. Anny a ve výzkumném centru CEITEC. Práce je na velmi dobré formální i odborné úrovni.
Diplomová práce Bc. Martina Kojana se zabývá potlačením vlivu šumových složek signálu na výsledky analýzy efektivní konektivity ve fMRI. Práce je rozdělena do dvou logických částí. V první (kap. 1-4) autor popisuje principy funkční MR a popisuje matematický model analýzy psychofyziologických interakcí. Dále popisuje vliv šumových složek signálu na tuto analýzu konektivity a navrhuje dva způsoby potlačení tohoto vlivu. Tyto způsoby jsou poté realizovány v druhé části, kde autor představuje návrh a realizaci skriptů, které je možné využít v procesu analýzy. Metody jsou poté aplikovány na reálná data. Na základě výsledků pak autor doporučuje optimální způsob potlačení nežádoucí variability v datech. Odborná úroveň práce je vysoká. Neshledal jsem žádné zásadní nedostatky. Snad jen pár drobných nepřesností, které příliš nesnižují úroveň práce, např: - str 22: „Parametre zbytkového pohybu tela...“ Nejedná se o „zbytkový“ pohyb. Jde o odhadnuté translace a rotace hlavy mezi skeny. Autor měl zřejmě na mysli, že přidáním takových vektorů můžeme modelovat rušivý efekt v datech, který souvisí s pohybem a nebyl odstraněn při lícování jednotlivých skenů. - termín „regresor“ je v práci použit specificky pro sloupce v matici návrhu, které modelují šum v datech. Jedná se ale o obecný termín pro jakýkoli sloupec v matici návrhu. - str 23: rovnice [16], která popisuje globální signál není v souvislosti s použitými daty úplně přesná. Chybí tam člen, který zahrnuje užitečný signál vyvolaný stimulací. Formální stránka práce je na dobré úrovni. Jediný nedostatek shledávám v chybějících rozdělovnících slov na konci řádků a v nejednotném stylu zápisu referencí. Celkově práci hodnotím kladně, neboť autor musel prokázat schopnost nastudovat velmi komplexní problematiku. Práce je napsána přehledně a logicky řazená. Velmi cenné jsou pak výstupy – jak skripty, tak hlavně doporučení vycházející z výsledků. I když nebyl splněn bod 6) zadání i přesto považuji zadání celkově za splněné s hodnocením výborně.
eVSKP id 51844