SLUNSKÝ, T. Vícetřídá segmentace 3D lékařských dat pomocí hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Praktická část práce je zpracována velmi dobře, student splnil zadání a iniciativně přinášel vlastní řešení problémů. Vzhledem k náročnosti úkolu student dosáhl velmi dobrých výsledků a vyzkoušel několik různých časově náročných řešení. Chybí srovnání výsledků s ostatními řešiteli problému, práce je založena na veřejné datové sadě. Teoretická část práce je zpracována dobře, obsahuje ovšem několik nepřesností (např. "funkce reLu je aktivační funkce definovaná od nuly" - nepřesné vyjádření). Po formální stránce je práce zpracována uspokojivě, obsahuje překlepy a chyby (např. kapitola 2 začíná znaky "??"). Vzhledem k výborným praktickým výsledkům hodnotím práci známkou A - 90 bodů.
Student ve své práci splnil všechny body zadání. K odborné stránce mám několik výhrad. V práci je několik věcí, které snižují celkovou kvalitu, jedná se například o nekonzistentní překlad názvů vrstev (sdružovací a podvzorkovací vrstva), nevhodné vysvětlení některých pojmů („Mimo metod založených na detekci hran existují také metody orientované na oblasti (regiony). Využívají detekování hran k tomu, aby mohly rozeznat oblasti v obraze.“, „Rozlišují se dvě fáze učení - s učitelem a bez učitele.“) Těchto nepřesností se v práci vyskytuje více. Dosažené výsledky jsou na dobré úrovni, bohužel zde není porovnání s výsledky soutěže, ze které byla data získána. Taky není nejlepší nápad používat pro popis výsledků slovo cirka: „Po celém průběhu se síť zlepšovala a dosáhla výsledné přesnosti cca 0.82 v případě metriky accuracy.“ Po formální stránce se vyskytuje několik typografických chyb (jednopísmenné předložky na konci řádku), chybí mezery mezi hodnotou a jednotkou, v některých případech autor používá desetinnou tečku, literatura a ani seznam zkratek nejsou seřazeny podle abecedy. Práci hodnotím známkou B – 80 bodů.
eVSKP id 118177