ŠALPLACHTA, J. Texturní analýza nádorových tkání v CT obrazových datech plic. [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2015.
Student Jakub Šalplachta se ve své práci zabývá využitím texturní analýzy pro odlišení zdravých a nádorových tkání CT hrudních dat, což je v dnešní době velmi žádanou oblastí zpracování obrazů. Pro minimum odborných publikací zabývajících se touto problematikou bylo zadání BP koncipováno s nejasným směrem a celkovým výsledkem, což přináší vyšší časové a znalostní nároky při vypracování, ale také nabízelo studentovi určitý prostor pro vlastní iniciativu, který plně využil s ohledem na bakalářský stupeň. Již od počátku se student velmi aktivně zabýval řešením tématu práce, vyhledal a nastudoval množství metod texturní analýzy, které poté realizoval pro 3D obrazová data, přičemž využíval relevantní odbornou literaturu. Pro následnou redukci příznakového vektoru student zvolil metody vícerozměrné statistiky, které v určitém ohledu překračují rozsah zadání práce i vyučovaných předmětů bakalářského studia. Pravidelně využíval konzultací, kam přicházel teoreticky připraven a s dílčími výsledky své práce. Kvalitu odborné úrovně práce dokládá i umístění na studentské konferenci EEICT. Bakalářskou práci i přístup studenta během vypracování hodnotím klasifikačním stupněm A/97
Bakalářská práce Jakuba Šalplachty se zabývá možnostmi využití různých texturních metod pro segmentaci plicních nádorů a popřípadě i odlišení jejich viabilních částí. Jde o testování mnoha různých metod a přístupů, jejichž výstupy jsou potenciálně využitelné jako příznaky pro klasifikaci typu tkáně v dané oblasti. Klasifikace je – po výběru signifikantních příznaků na základě korelační analýzy – založena na shlukové analýze, tedy pouze s předpokladem jistého počtu tříd, které ale vznikají v průběhu klasifikace bez učebních vzorů. Práce je dobře koncipována i strukturována, včetně úvodní části (kap. 2 až 5), shrnující poznatky z literární poměrně rozsáhlé rešerše, již student provedl. Ta se týká značně širokého okruhu – od medicínských poznatků přes metody analýzy obrazů po statistiku a klasifikaci. Na jedné straně jde o úctyhodný rozsah, na druhé to místy vede k určité povrchnosti a některým nepřesnostem ve vyjadřování. Vlastní řešení začíná 6. kapitolou, v níž student popisuje zvolenou metodologii, tj. uvažované texturní příznaky a jejich hodnocení, redukci příznakového vektoru a finální klasifikaci. Ačkoli z textu vyplývá, že student navržené postupy implementoval, není podrobněji popsáno jak (popis a struktura algoritmů), jaké jsou nároky na vybavení, ani jak náročné jsou příslušné výpočty časově. V 7. kapitole jsou výsledky diskutovány; zde je možno vytknout, že souvislost mezi originálním snímkem a odvozenými segmentačními mapami v obrázcích 7.... není ani po přečtení příslušných popisek zřejmá (a je těžko ji objektivně posoudit, není-li k disposici spolehlivá segmentace, provedená jako vzor medicínským expertem). Práci hodnotím jako zdařilou, přesahující svou úrovní běžné bakalářské práce. Klasifikuji ji 93 body.
eVSKP id 84385