DOHNALOVÁ, P. Segmentace kardiologických MR obrazů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Studentka ve své diplomové práci prostudovala segmentační metody používané pro kardiologické obrazy a s nimi související metody předzpracování obrazů a shrnula je v teoretické části. V praktické části implementovala studentka v programovém jazyce Python segmentační metodu založenou na přístupu aktivních kontur. Dále byl pomocí dodané knihovny implementován import z nativního formátu MR skeneru Bruker a korekce nehomogenní intenzity v obraze vlivem použití povrchové RF cívky. Navržené algoritmy byly testovány a vyhodnoceny na dodaných datasetech MR vyšetření potkanů s indukovanou fibrózou myokardu a potkanů zdravých. Studentka pracovala poměrně samostatně a systematicky a pravidelně konzultovala. Práce splňuje zadání beze zbytku a hodnotím ji jako výbornou.
Předložená práce studentky Petry Dohnalové se zabývá segmentací kardiologických MR snímků u potkanů. Práce má logickou struktura a je členěna do dvou hlavních kapitol na 52 stranách. V teoretické části práce studentka popisuje obecně akvizici kardiologických dat včetně hodnocení některých základních parametrů jako je např. ejekční frakce. Dále jsou popsány segmentační metody, které jsou dále využity v praktické části práce. Rešerše samotná je podložena dostatečným množstvím kvalitní literatury. K této části práce mám ale několik výtek. U popisu parametrů srdeční činnosti se čtenář místy ztrácí mezi parametry klinickými a preklinickými – např. u ejekční frakce je odkazováno na studii na psech, se kterými studentka dále nepracuje. Prezentace rovnic tvoří slabší část práce – postrádám označení vektorů a matic v rovnicích 2.8 a 2.15, v rovnici 2.15 chybí závorka, u rovnic 2.12 a 2.13 je výstup označen stejnou veličinou (f(x,y)). U filtrace Gaussovskou funkcí v rovnici 2.12 není jasný důvod vynásobení výstupu mínus jedničkou. V praktické části práce studentka implementovala algoritmus pro segmentaci levé srdeční komory ve snímcích systoly a diastoly. Předzpracování dat tvoří velkou část algoritmu. U rovnice 3.3 bych očekával druhou mocninu proměnných x a y, nikoli index 2. Ukázka předzpracování na obrázcích 3.1 a 3.3 je soudě dle popisků obrázků prezentována na jiném řezu. Úprava předcházející ekvalizaci histogramu – tedy vynulování částí obrazu s hodnotou menší než dvojnásobek mediánu mi bez ukázky nedává smysl (viz přiložené otázky). Zobrazené histogramy jsou netypické – zde bych řekl, že jsou zobrazeny ne pro celý obraz, ale pro dílčí řádky nebo sloupce. Samotná ekvalizace je provedena s nastavením parametru „nbr_bins=64000“, který není vysvětlen. U popisu použitých dat (kapitola 3.2) postrádám informaci o časovém vzorkování dat, což pro snímání kardiologických dat u potkanů bude důležité. Pro samotnou segmentaci obrazu byly implementovány postupy vycházející z aktivních kontur ve dvou variantách pro systolu a diastolu. Výsledná segmentace je hodnocena pomocí Dice koeficientu ve srovnání s manuální segmentací. Zde by bylo vhodné zobrazit do předzpracovaného snímku obě kontury pro srovnání. Dále je provedeno vyhodnocení objemů a ejekční frakce. Zde jsou použity jednotky objemu v mililitrech (např. tabulka 3.3) a v mm3 (např. obrázek 3.18). V tabulce 3.3 rozporuji jednotku mililitr u ejekční frakce. U obrázků 3.20 a 3.21 jsou v popisku uvedeny „sloupce“ namísto „řezů“. Algoritmy byly dále testovány na datech potkanů s fibrózou. Výsledky a závěry studentky považuji za správné. Práce splňuje zadání v celém rozsahu. Kladně hodnotím komplexnost práce, kdy studentka celý postup navrhla na míru konkrétního skeneru a otestovala jej na velkém množství dat. Vzhledem k nedostatkům formálního charakteru hodnotím předloženou diplomovou práci známkou velmi dobře (B – 85 bodů).
eVSKP id 142106