NOVOTNÝ, A. Texturní analýza vrstvy nervových vláken na snímcích sítnice [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2010.

Posudek vedoucího

Odstrčilík, Jan

Cílem diplomové práce bylo prostudovat vlastnosti barevných oftalmologických obrazů sítnice se zaměřením na vlastnosti vrstvy nervových vláken a implementace metody texturní analýzy za účelem detekce poškození této vrstvy v důsledku glaukomatických změn. Zadání diplomové práce bylo splněno. Student bohatě využil dostupnou literaturu, zadanou metodu texturní analýzy implementoval v programovém prostředí MATLAB a otestoval na dostupných obrazových datech. V průběhu řešení byl student aktivní, pracoval samostatně a postup řešení pravidelně konzultoval se svým vedoucím. Výsledná práce jde nad rámec požadavků standardní diplomové práce a svým obsahem vykazuje i znaky inovativní vědecké práce, o čemž svědčí i přijetí příspěvku prezentujícím navrženou metodu analýzy vrstvy nervových vláken na snímcích sítnice na mezinárodní vědecké konferenci Biosignal 2010. Výstupem práce je kromě zmíněné publikace také sada experimentálních programových modulů, které student uzpůsobil tak, aby je bylo možné kdykoliv v budoucnu intuitivně a snadno aplikovat na další obrazová data. Dosažené výsledky a celkový přístup studenta k řešení diplomové práce hodnotím klasifikačním stupněm A/100b.

Posudek oponenta

Jan, Jiří

Předložená diplomní práce se zabývá detekcí RNFL - vrstvy neuronových vláken na sítnici na oftalmologických snímcích, pořízených tzv. fundus kamerou. V souladu se zadáním autor popisuje stručně vlastnosti lidského oka a zejména sítnice (kap.1), teoretické poznatky související zejména se zvolenou metodou texturní analýzy - lokálními binárními operátory (hodnotícími odvozené binární vzory - LBP, kap. 2) a s vybranými metodami příznakové klasifikace (kap. 3). V kap. 4 popisuje autor experimentální využití zmíněných metod pro danou aplikaci, včetně popisu medicínských dat, která k tomu byla k disposici. Kapitola 5 se zabývá programátorskými aspekty a v závěru 6 jsou výsledky práce shrnuty a stručně komentovány. K jednotlivým kapitolám mám několik konkrétních poznámek nebo připomínek: - Obr. 2.2 není dobře srozumitelný; ani v textu není přiměřeně srozumitelné vysvětlení. - U rovnice (3.3) nejde o upravený tvar (3.1), jak je uvedeno, nýbrž o modifikovanou definici. - Předpoklad u (3.4), že "rozdíly jsou nezávislé na gc" není dobře formulován; správně jde o to, že výsledek nezávisí na hodnotě gc. - U téže rovnice se mluví o druhém "členu", jde však o prvek součinu a tedy činitel. - Místy je patrno, že autor (přirozeně) se stále pohybuje ve světě své práce a pak si neuvědomí, že čtenář potřebuje souvislé, pojmově přesné a logicky úplné vedení. Tak např. na str. 13 za 2.3.2. ve větě "Velmi častým nástrojem …" předně nejde o hodnocení třídy textury, nýbrž o její stanovení, a také není uvedeno "statistické testy" čeho jsou tím nástrojem. Na str. 15 dole nejde o měření kontrastu, nýbrž jeho stanovení výpočtem, na str. 18 dole je nesrozumitelné vyjádření "aproximace bodů z rotačně symetrického okolí na nejbližší pixel obrazu", apod. Podobných drobností, jež zřejmě vyplývají z dosud malé formulační zkušenosti autora, je v textu více, ale v zásadě věcnou srozumitelnost neohrožují. - Výrazy (3.8) až (3.13) jsou statistické testy, nikoli statistiky. - V obr. 3.1. jsou zavádějící dva bloky "vstupní obraz"; zřejmě by měl být pouze blok jeden. - Co znamená na str. 19 a dál zmiňovaná "statistická nestabilita 2D histogramu"? - str. 20: medián není (obecně) nejpravděpodobnější hodnota. - str. 24: rovnice (4.45) zřejmě nevyjadřuje, o co se jedná (správně o výběr prvků množiny splňujících jistou podmínku), v textu k ní má být patrně vk namísto v, - následný popis stanovení třídy by také měl být precisněji popsán jako optimalizace jistého parametru maximalizujícího počet prvků množiny. - Nejsem si jist, zda označení Ho-Kashyapova klasifikátoru jako lineárního je správné (viz způsob výpočtu) - jde zřejmě o lineární separaci podprostorů v příznakovém prostoru. - V rovnici (4.48) by zřejmě měly být vektory a matice, tedy tučným řezem písma. - Označení výpočtu gradientů na str. 25 a 26 jako derivace podle vektoru není dosud standardní. - str.26 za (4.56): "separující vektor a" zřejmě má být správně popsán jako vektor, definující nadrovinu, separující příslušné poloprostory. V textu následujícího odstavce 3.3.3 se však o této hranici mluví jako o "velmi komplexní" - to by mělo být lépe a podrobněji vysvětleno. - str. 27, druhý odst.: použitá formulace "Ze znalosti aposteriorní pravděpodobnosti lze určit pomocí maximální pravděpodobnosti třídu" je zavádějící. Třídu lze určit nalezením maximální ze stanovených aposteriorních pravděpodobností. - Zpráva o testování metody je pěkně zpracována; pouze např. obr. 4.10 a 4.11 navozuje představu, že se analyzují barevné snímky; důvod použití barevného snímku jako podkladu pro názornost by měl být zdůrazněn. - Hotový program resp. jednotlivé funkce (náležitě opatřené poznámkami ve zdrojovém textu) by měly být kompletně obsaženy v práci např. jako příloha; takto lze posoudit pouze (nepochybně důležitou) schopnost autora formulovat, co programový prvek dělá, ale nikoli jeho programátorskou úroveň a tedy dílo, které předkládá jako inženýrskou práci. (Pravděpodobně je program na přiloženém CD, jeho prohlédnutí je tak však časově i organizačně zbytečně náročné). - V závěru se konstatuje, že výsledky metody jsou "mnohonásobně" lepší pro snímky s daným filtrem než pro nefiltrované. Chybí zde kvantifikace, co "mnohonásobně" v této souvislosti znamená; mimoto mám osobně o správnosti tohoto tvrzení oproti snímkům odvozeným vhodně váhovaným průměrem G a B komponent obrazu určité pochybnosti. Vcelku práce působí velmi dobrým dojmem: je systematicky uspořádána, obsahuje všechny požadované části včetně seznamu použité literatury a seznamů obrázků, symbolů a zkratek a v přílohách uvádí detailní hodnocení relevance odvozených příznaků podle rozsahů a separace jejich rozptylu v jednotlivých třídách. Použitá teorie, její zvládnutí a použití i zpracování programů a experimentálních výsledků včetně jejich zhodnocení jsou vesměs kvalitní, bez závažných připomínek (dílčí připomínky jsou uvedeny nahoře). Po formální stránce - uspořádání a grafické provedení, jazyková stránka apod. - lze rovněž konstatovat úroveň hodnou vysokoškoláka. Zvolená metoda analýzy LBP vhodně doplňuje další texturní přístupy, které již výzkumná skupina analyzující retinální obrazy využívá; práce tak umožňuje případně doplnit užívané příznakové vektory o další příznaky vyplývající z LBP analýzy a zhodnotit jejich případný přínos ke spolehlivosti klasifikace RNFL; v tomto smyslu je předmětná práce potenciálně zčásti dále využitelná pro výzkum. Celkové zhodnocení: Velmi pěkná a kvalitní diplomní práce, s hodnotnými výsledky. Zmíněné drobné nedostatky práci významněji neznehodnocují; lze je přičíst na vrub dosud menší zkušenosti autora s formulací odborných textů. Navrhuji klasifikaci výborně.

eVSKP id 27131