DEMEL, J. Segmentace 3D obrazových dat s využitím grafové reprezentace [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2014.
Student pracoval na diplomním projektu po celý poslední rok velmi systematicky a soustředěně. Práce se týká metody segmentace 3D obrazových dat na základě grafové reprezentace, což je přístup, s nímž se student v předchozím studiu nesetkal a musel celou problematiku, včetně základních kapitol teorie grafů, samostatně nastudovat. Z metod, s nimiž se seznámil, zvolil jednu k důkladnému ověření jak na fantomových, tak skutečných biomedicínských obrazových datech. V průběhu práce se ukázalo jako nutné pro nastavení parametrů zvolené metody provést statistickou analýzu rozložení hustot v CT kosterních datech, specielně pro jednotlivé typy obratlů; tyto výsledky jsou shrnuty do tabulek, jež představují výsledek zajímavý i samostatně. Výsledky segmentace v podobě segmentovaných obrazových řezů, ve srovnání s klasifikací tkáně medicínskými experty jsou poměrně stručně prezentovány v závěru (kap. 4.2. a 4.3); zde mohlo možná být výsledků a zejména komentáře i více s ohledem na potřebné následné zhodnocení radiologem. Výsledky práce budou využity také v rámci řešení úkolů výzkumné spolupráce s firmou Philips Nederland. S prací studenta a jeho iniciativním přístupem i pravidelným využíváním konzultací jsem byl spokojen. Diplomní práci hodnotím známkou 96 bodů - výborně (A).
Předložená práce se zabývá segmentací lézí v tělech obratlů a to metodou založenou na grafové reprezentaci obrazu. Úvodní teoretická část se zabývá základním popisem teorie grafů a využitím řezu grafem pro segmentaci obrazových dat. Je také popsáno několik publikovaných metod pro segmentaci medicínských dat na základě řezu grafem. Tato část je sepsána velmi srozumitelně a přehledně, zejména oceňuji, že veškerá teorie je korektně vyjádřena pomocí matematických vzorců. V teoretické části práce však postrádám alespoň stručný popis publikovaných přístupů pro segmentaci lézí v páteři, je zde zmíněna pouze metoda z dizertační práce, na kterou tato práce navazuje. Ačkoliv tento bod není implicitně v zadání práce zmíněn, bylo vhodné některé z těchto přístupů zmínit. V praktické části je pak popsána implementace metody na daný problém a jsou korektně diskutovány její výsledky. Zde oceňuji, že se autor snažil nalézt co nejlepší nastavení parametrů segmentace a také co nejlepší formu apriorních znalostí vstupujících do segmentačního procesu. Vzhledem ke složitosti daného problému lze považovat prezentované výsledky za velmi dobré, avšak lze předpokládat, že při lepším předzpracování vstupních dat (úplném odstranění kortikálních kostí) by byly ještě lepší. Předzpracování dat však nebylo autorovým úkolem. Výsledné hodnoty senzitivity a specificity navržené metody jsou v práci řádně diskutovány, ale postrádám zde porovnání s jinými metodami publikovanými v oblasti segmentace lézí na páteři. Po formální stránce je práce na velmi dobré úrovni, členění kapitol je jasné a přehledné. Vytkl bych zde pouze několik nedostatků, např. v rovnicích 2.5 a 2.6 není vysvětlen symbol Ip, symbol E je v práci použit pro dvě různé veličiny (jako množina hran grafu v rovnici 2.10 a jako energie v rovnici 2.15) nebo chybně zapsané meze sumace v rovnici 2.21. Po jazykové stránce je práce, až na občasné překlepy a vyjadřování ne úplně korektní češtinou, v pořádku. Zadání považuji za beze zbytku splněné a práci za výbornou. Navrhuji hodnocení stupněm A 95 b.
eVSKP id 73040