SVATOŇ, J. Redukce pohybových artefaktů v datech BOLD fMRI s využitím eliminace vlivu pohybem postižených skanů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Cílem bakalářské práce bylo implementovat a porovnat různé metody potlačení pohybových artefaktů v fMRI datech. Práce byla z vlastní iniciativy studenta zpracována v anglickém jazyce. Rozsah práce včetně příloh je 77 stran, přičemž teoretický úvod do problematiky tvoří přibližně polovinu rozsahu. Práce je zpracována přehledně. Student se pravidelně účastnil konzultací, průběžně pracoval na zadaném tématu a projevil velmi aktivní přístup. Student se seznámil se zpracováním fMRI dat v programech Matlab a SPM12, vytvořil vlastní skripty pro výpočet míry pohybu v datech a skripty pro korekční mechanismy a vhodně je skombinoval s již existujícími nástroji. I když v závěru práce je zmíněno, že pro kvalitní vyhodnocení jednotlivých metod bude třeba provést podrobnější analýzu na velké skupině osob a na testovaném vzorku nejsou závěry jednoznačné, práce poskytuje velmi dobrý základ pro navazující rozsáhlejší hodnocení a nadmíru splňuje svým rozsahem a kvalitou zadání a původní očekávání. Hodnotím ji proto jako vynikající a doporučuji k obhajobě s hodnocením A (95 bodů).
Předložená bakalářská práce popisuje exploraci poskytnutých fMRI datasetů z hlediska pohybu, který postihuje data během měření, a z hlediska metod, které vedou k potlačení tohoto pohybu. Problém odstraňování pohybu z fMRI dat je stále aktuální a jeho jednoznačně optimální řešení zatím nebylo představeno. Teoretická část práce se věnuje teorii zobrazování pomocí MR a zpracování fMRI dat, artefaktům ve fMRI datech a detailněji zmiňuje strategie pro odstraňování pohybových artefaktů, konkrétně motion scrubbing a spike regression. V praktické části jsou vybrány metriky framewise displacement a DVARS pro hodnocení pohybu v datech a jejich výpočet je implementován v Matlabu. Také je implementována strategie regressování pohybových parametrů v kombinacích s motion scrubbing a spike regression. Jednotlivé kombinace byly následně otestovány na poskytnutých datech, výsledky byly srovnány a diskutovány. Práce je psána logicky, jednotlivé části na sebe navazují a jsou pochopitelné. Teoretická část je napsána tak, že práci může bez potíží pochopit i člověk, který není odborník v oblasti neurozobrazování. V práci se místy vyskytují chyby a nepřesné výrazy, které občas ztěžují porozumění popisovanému textu. Například tvrzení na straně 19, že měřené voxely jsou krychle, není pravdivé, protože rozlišení se může v každé dimenzi lišit, jak je správně uvedeno v další části věty; glukóza není jediný zdroj energie, který mozek využívá, jak je nesprávně uvedeno na str. 13; není vysvětleno, co autor myslí pojmem Delta functions na straně 35, zkratka FD je použita dříve, než je vysvětlena či v tabulce 10.4 jsou dvě zkratky buď zaměněny, nebo vytvořeny matoucím způsobem. Na druhou stranu velmi pozitivně hodnotím kapitoly s popisem pohybových artefaktů, předzpracování fMRI dat a obecného lineárního modelu. Na závěr práce jsou výsledky přehledně shrnuty a dostatečně diskutovány. Z formálního hlediska některé obrázky (např. 2.1., 7.2) mohly být dodány ve vyšší kvalitě, ale velmi pozitivně hodnotím studentovo pečlivé používání relevantních citací a to, že práce je psána v angličtině. Celkově práci hodnotím jako velmi zdařilou, student kompletně splnil požadavky zadání. Vyskytující se chyby nebrání v porozumění stěžejním částem práce, proto hodnotím práci stupněm A 90 b.
eVSKP id 110532