ŠENKEŘÍK, V. Automatický výběr arteriální vstupní funkce pro metodu DCE-MRI [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2015.
Práce se zabývá detekcí arteriálních oblastí v T1 váhovaných kontrastních MRI obrazových sekvencích. Pro detekci arteriálních voxelů má být mj. použito analytických modelů a prahování jejich parametrů pro segmentaci kontrastních dynamických obrazů. Autor vychází především ze zahraničních knih a článků. Student se v ak. roce 2013/14 bakalářskou práci rozhodl neodevzdat. Myslel jsem, že se práce za rok dokončí na požadované úrovni, ovšem komunikace se studentem ustala dne 26.5.2014. Následující komunikace započala až 5.5.2015, tj. téměř rok poté. Z toho plyne, že se student opět dostal do časové tísně, což se negativně projevilo na celkovém formálním i praktickém zpracování. Vzhledem k tomu, že se práce nezabývá přímo MR zobrazováním, jsou teoretické základy adekvátního rozsahu, ovšem jako nedostačující považuji teorii dostupných AIF detektorů, ty jsou zmíněny jen povrchně a bez jakékoliv diskuze a vzájemného srovnání (např. lit. [8]. Zdroj č. [7] je použit jen pro citaci obrázku a základních operací). Student spíše uvádí matematický zápis analytických AIF modelů, než samotný princip detekce. Také postrádám detailní shrnutí významu parametrů a hlavně jejich potenciálu pro využití v detektorech. Vztah (3.5) je definován chybně. Nebylo uvedeno v jaké verzi MATLABu byl program odladěn, při testování jsem se potýkal s komplikacemi. Není uvedeno konkrétní nastavení optimalizačního algoritmu (počet možných iterací, kritérium a jiné ukončující podmínky). U modelu sumy tří gamma funkcí není provedeno lineární omezení parametrů, ze kterého pramení možná záměna jednotlivých křivek, protože jsou definovány stejně. To znamená, že jednotlivé mapy (A1, A2 a A3) mohou být téměř náhodně promíchány, to je mj. důvod, proč detektor vůbec nezafungoval. Parkerův model je ochuzen o jednu gamma funkci pro zvýšení robustnosti, v práci toto ale není zmíněno, uživatel toto může vyčíst pouze z počtu odhadnutých parametrů. Výsledná AIF křivka měla být ve specifickém formátu, ovšem o tom v práci téměř není řeč a konkrétní formát dat není detailně rozepsán. Navíc tento formát nebyl u metody založené na ploše pod křivkou dodržen. Testování spolehlivosti považuji rovněž za nedostatečné – vzhledem k dostupnosti konzistentní skupiny pacientských dat bylo možné udělat vyhodnocení např. srovnáním ze signálu vybraného ručně z viditelných velkých tepen. V práci jsou ale jen zobrazeny výsledné parametry a křivky s binárními mapami. Algoritmy jsou příliš fixovány na poskytnutá data (např. napevno nastavené rozměry matic, vzorkovací periody atd.). Dále není vůbec diskutována časová náročnost jednotlivých způsobů odhadu. Formální úroveň je podprůměrná s množstvím nepřesných a vágních formulací. Závěr je tak obecný, že postrádá smysl, citace zdrojů jsou ale korektní. Celkově práci hodnotím tak, že student skutečně vytvořil některé funkční detektory, ovšem zbytek práce je velmi slabý a body zadání jsou splněné jen částečně. Práce nesplňuje požadavky kladené na bakalářskou práci. Hodnotím F/45.
Předložená bakalářská práce je zaměřena na metody automatického výběru arteriální vstupní funkce (AIF) pro metody zobrazování perfúze pomocí DCE-MRI. V teoretické části student nejdříve popisuje teorii magnetické rezonance a metodiku DCE-MRI. Tyto části jsou poměrně konzistentně napsané, jen s mnoha nepřesnostmi. Kap. 3 popisující modely AIF a metody automatické detekce je nelogicky strukturována a metody automatického výběru AIF jsou popsány jen velmi stručně. Rovnice (3.5) je chybně. U některých modelů AIF chybí odkazy na literaturu. Realizace projektu (kap. 4) je popsána velmi nekonzistentně a nesrozumitelně. Na str. 26 nahoře se nelogicky v podkapitole „Pacientská data a jejich příprava“ píše o čtyřech metodách odhadu AIF, které autor navrhnul: „Optimal Parker method“, „Detection through area under the curve“ a „AIF for mouse data“ a „GVF for phantom data“. Názvy jsou matoucí, např. označení metody tím, že je vhodná pro fantomová data nedává v tomto kontextu smysl, uvedený model se používá i pro klinická data. Metody jsou pak velmi stručně popsány nelogicky až v podkapitole „Uživatelské prostředí“. Z uvedeného popisu nelze zjistit, proč se v rámci některých metod používají navíc i kritéria hrubosti (roughness) křivky a plochy pod křivkou, zatímco u jiných metod ne. Jedna ze čtyř metod je podle textu založená na modelu součtu 3 exponenciál. Obr. 4.3 ale rozhodně odpovídá jinému modelu. Navíc uvedená prokládaná křivka neodpovídá arteriálnímu signálu. Obr. 4.6 není blokovým schématem, jak je uvedeno v titulku. Část testování je velmi stručná a nedostatečná. Výsledky na str. 31 ukazují, že metoda nefunguje. Průběh odhadnuté AIF se značně liší od AIF typické pro myši. Navíc mapy na obr. 4.9 neodpovídají oblastem výskytu hlavních arterií. Výsledky autor nijak nekomentuje, přitom je v zadání požadována diskuze robustnosti algoritmu. Není okomentována volba parametrů mezí nastavených pro jednotlivé datasety. Jen jsou uvedeny hodnoty. Chybí anatomické anotace použitých obrazů, což ztěžuje možnou interpretaci výsledků. Celá část popisující realizaci práce působí dojmem velmi narychlo psaného textu či nepochopení tématu. Obsahuje také velké množství gramatických chyb. Práci hodnotím jako nedostatečnou a doporučuji přepracování.
eVSKP id 80044