BLAŽKOVÁ, L. Plánování operací náhrad kyčelních kloubů ze skiagrafie [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Studentka pracovala na své diplomové práci ve spolupráci s firmou OR-CZ. Věnovala se plánování operací náhrad kyčelního kloubu. V rámci práce studentka navrhla a implementovala automatický postup pro rozměření velikosti náhrady na základě skiagrafických snímků kyčelního kloubu. Jedná se o pokročilý systém, který je založený na metodách strojového učení. Pro segmentaci jednotlivých částí studentka využívá velice rozšířený nnU-Net. Z výsledků je zřejmé, že navržený postup je funkční a dostatečně přesný a dokáže tak pomoci s plánováním operací. Studentka ke své práci přistupovala velice aktivně. Konzultovala své postupy jak s externím konzultantem, tak i s vedoucím. Na konzultace přicházela velice pečlivě připravená, kde se spíše ujišťovala ve zvolených postupech, než aby přicházela s problémy. Problémy v průběhu řešení určitě byly, ale studentka projevila velkou samostatnost tyto problémy řešit. Po formální stránce je práce na výborné úrovni. Zadání práce považuji za splněné v celém rozsahu a hodnotím A (100 bodů).
Předložená diplomová práce studentky Lenky Blažkové se zabývá plánováním operací náhrad kyčelních kloubů ze skiagrafie. Práce je rozdělena do 10 kapitol na 60 stranách, od úvodu po závěr. V teoretické části je čtenář podrobně seznámen s anatomií kyčelního kloubu a s jednotlivými částmi endoprotéz. Byla provedena důkladná literární rešerše postupů plánování operací a dostupných přístupů pro segmentaci kyčelního kloubu. V praktické části studentka ve spolupráci s firmou OR-CZ vytvořila rozsáhlou databázi skiagrafických snímků kyčelního kloubu. V první fázi bylo klíčové vytvořit automatický segmentační model pro segmentaci pěti důležitých anatomických struktur, které jsou zásadní pro následné odhady dalších parametrů. Studentka k tomu účelu sestavila databázi 150 snímků, ke kterým manuálně vytvořila segmentační masky. Pro segmentaci vhodně využila framework nnU-Net a dosáhla kvalitních výsledků. Na základě získaných segmentací studentka odvodila důležité geometrické charakteristiky, které dále využila pro návrh optimální velikosti jednotlivých částí endoprotézy. Mám však drobnou výtku k vyhodnocení výsledků. Jako hodnoticí metrika byl použit pouze DICE koeficient, který může být u malých objektů relativně zavádějící. Ocenil bych doplnění o hodnocení vzdálenosti predikovaných kontur jednotlivých tříd od referenčních masek, například pomocí Hausdorffovy vzdálenosti. Studentka dále natrénovala šest modelů: 5-fold cross-validaci a model natrénovaný na všech trénovacích datech (fold all). Framework nnU-Net přitom umožňuje i ensemble predikci, která využívá všech pět naučených foldů. V práci mi nicméně chybí srovnání výsledků této ensemble predikce s výsledky jednotlivých modelů. Takové porovnání by mohlo ukázat, zda ensemble nepřinese určité zlepšení přesnosti segmentace. Studentka navrhla komplexní řešení, které by mohlo být relativně snadno implementováno do klinické praxe. Po odborné i formální stránce považuji práci za vysoce nadprůměrnou. Práce cituje celkem 65 položek literatury v souladu s citační normou. Všechny body zadání považuji za splněné a konstatuji, že se jedná o velmi kvalitní důkaz inženýrských schopností studentky. Celkově hodnotím práci známkou výborně (A – 98 bodů) a doporučuji ji k obhajobě.
eVSKP id 167526