VICIANOVÁ, J. Metody pro detekci fotoreceptorů ve snímcích sítnice s vysokým rozlišením [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Diplomová práce studentky Jany Vicianové se zabývá tématem zpracování snímků sítnice pořízených kamerou s adaptivní optikou. Díky adaptivní optice lze snímat velmi malé struktury. Konkrétně se v této práci jednalo o snímání fotoreceptorů. Studentka se ve své práci nejprve věnovala studiu odborné literatury a provedla rešerši publikovaných metod detekce fotoreceptorů v podobných datech. Z uvedených metod si studentka zvolila 3 přístupy, které popsala detailněji a implementovala v programovém prostředí MATLAB. Dle testování vycházela nejúspěšněji metoda využívající histogramy. Tuto metodu studentka dále rozvinula a navrhla její modifikaci, kterou následně implementovala. Zde mám připomínku k volbě pevné hodnoty prahu za účelem segmentace části obrazu, kde se ve snímku objevují cévy způsobující falešně pozitivní detekce fotoreceptorů. V textu chybí zmínka, jak byla tato pevná hodnota prahu určena a zda se jedná o univerzální hodnotu, která funguje na všechny snímky či nikoliv. Domnívám se, že by určení hodnoty prahu mělo být do jisté míry automatizované a adaptivní. Dosažené výsledky hodnotím celkově velmi kladně. Studentce se podařilo implementovat funkční metody pro detekci fotoreceptorů v zadaných obrazových datech, které vhodným způsobem vyhodnotila. Oceňuji, že studentka v práci diskutuje i limitace daných metod. Po formální stránce je práce na dobré úrovni. Obsahuje minimum překlepů. Text práce je vhodně strukturovaný. Připomínku mám ale k odkazování obrázků. Spousta obrázků totiž není odkazována v textu (např. Obr. 1.1, 1.2., 1.4, 3.1., 3.2. a další). V průběhu řešení práce byla studentka průměrně aktivní a pracovala zejména samostatně. Konzultace probíhaly online formou. Celkově hodnotím práci jako velmi zdařilou a zadání práce považuji za splněné. Hodnocení: B/85b.
Předložená práce studentky Jany Vicianové pojednává o využití adaptivní optiky pro detekci fotoreceptorů ve snímcích sítnice. Práce je členěna do 5 hlavních kapitol na 53 stranách. V teoretické části práce jsou popsány základy anatomie oka, metody pro snímání sítnice se zaměřením především na využití adaptivní optiky (AO) pro snímání oftalmologických dat. Jedná se o velice aktuální téma a rešerši využití AO v oftalmologii hodnotím jako povedenou. Poslední teoretická část práce pojednává o metodách detekce fotoreceptorů ve snímcích. Celkem je zde diskutováno 7 postupů, které vychází z literární rešerše. Kladně hodnotím, že se studentka v jednotlivých článcích dobře zorientovala a dokázala je interpretovat pro tuto část diplomové práce. Pro praktickou část práce byly využity a v prostředí Matlab implementovány tři metody, které byly testovány na anotovaném datasetu snímků sítnice. První metoda byla založena na detekci lokálních maxim ve vyfiltrovaných snímcích. Zde si nedopustím drobnou poznámku k terminologii – při použití 2D zpětné diskrétní Fourierovy transformace se nedostaneme do časové oblasti. Druhá metoda je založena vzájemné korelaci s jasovými modely fotoreceptoru, kde studentka používá tři základní vzory fotoreceptorů. Poslední metoda je založena histogramu obrazu s odečteným pozadím. Tento algoritmus byl dále modifikován pro odstranění cév a okraji obrazu. V rámci testování studentka impelementovala vlastní vyhodnocovací funkci pro určení sensitivity, hodnoty PPV a F1 skóre. Studentka provedla důkladné vyhodnocení na použitém datovém souboru. V závěru tohoto testování postrádám zmínku o výsledcích detekce fotoreceptorů v literatuře (byť na jiných datových sadách). V zadání práce (bod 6) je navíc i srovnání s komerčně dostupným algoritmem, které jsem v práci také nenalezl (přidávám otázku pro studentku). Zadání práce tak považuji za částečně splněné. Po formální stránce je práce na velmi dobré úrovni. U obrázku 3.1 bych ocenil dokreslení lokace výřezu (jak dostaneme 3.1b z 3.1a), popř. další komentář o výběru daných oblastí. Práce cituje celkem 54 literárních položek. Ve většině případů se jedná o kvalitní odborné články. Celkově je práce na velmi dobré úrovni. Kladně oceňuji pečlivost studentky při testování a práci s obrazy. Drobnou výtku mám k použitým algoritmům, u kterých se jedná o velice jednoduché postupy (ač fungující). Práci doporučuji k obhajobě a navrhuji hodnocení známkou dobře (C – 78 bodů).
eVSKP id 150886