Přístupnostní navigace
E-application
Search Search Close
Master's Thesis
Author of thesis: Ing. Tomáš Plachý
Acad. year: 2022/2023
Supervisor: prof. Ing. Martin Čadík, Ph.D.
Reviewer: Ing. David Hříbek
This thesis deals with the problem of clustering images from electron microscopy. These images can be clustered by visual similarity or by metadata, which describe the settings of the microscope. The goal of this thesis is to compare these two clustering approaches and to explore the possibility of utilizing clustering to split a set of pictures into two parts - one containing correct pictures and the other containing pictures which capture an error during automatized work of an electron microscope. Conclusion of this thesis is that visual differences and differences in metadata between correct and errorous images from electron microscopy are so small, that they cannot be distinguished by unsupervised clustering techniques. However, a positive contribution of this work is demonstration of usability of the methods chosen in this thesis for clustering images into groups corresponding with different phases of work of the microscope, which will make the manual analysis of these pictures easier.
clustering, comparison of clustering based on image data and metadata, electron microscopy, neural networks, unsupervised learning
Date of defence
19.06.2023
Result of the defence
Defended (thesis was successfully defended)
Grading
C
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.
Topics for thesis defence
Language of thesis
Czech
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
Study programme
Information Technology and Artificial Intelligence (MITAI)
Specialization
Intelligent Systems (NISY up to 2020/21)
Composition of Committee
prof. Ing. Tomáš Vojnar, Ph.D. (předseda) doc. Ing. František Zbořil, CSc. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) Dr. Ing. Petr Peringer (člen) Ing. Vladimír Veselý, Ph.D. (člen) Ing. Radek Kočí, Ph.D. (člen)
Supervisor’s reportprof. Ing. Martin Čadík, Ph.D.
Student se seznámil s metodami pro shlukování obrazových dat s pomocí i bez pomoci metadat. Student implementoval systém pro porovnání vybraných metod, který následně využil pro vyhodnocení užitečnosti těchto metod nad daty z elektronových mikroskopů. Celkově považuji práci za průměrně náročnou a průměrně kvalitní.
Zadání považuji za průměrně náročné. Cílem bylo experimentálně vyhodnotit vhodnost metod pro shlukování na obrazech z elektronových mikroskopů. Metody nebylo nutné přímo implementovat, v případě existujících vhodných veřejně dostupných implementací. Student splnil požadavky zadání, s výsledky práce jsem spokojen.
Student si v průběhu řešení diplomové práce aktivně vyhledával relevantní zdroje.
Student byl během řešení práce průměrně aktivní, dodržoval dohodnuté termíny, podával pravidelná hlášení o postupu projektu a na schůzky přicházel připraven.
Práce byla dokončena v mírném předstihu, obsah po kapitolu 6 (včetně) byl konzultován s vedoucím práce.
Grade proposed by supervisor: C
Reviewer’s reportIng. David Hříbek
Autor v rámci diplomové práce prostudoval problematiku shlukování dat z elektronových mikroskopů pomocí metadat a pomocí obrazových dat. Vybrané algoritmy zaintegroval do svého systému, který umožňuje spuštění a vyhodnocení jednotlivých shlukovacích algoritmů. Vzhledem k tomu, že zadání není příliš obtížné a výsledné řešení je průměrné, navrhuji hodnocení stupněm C.
Evaluation level: průměrně obtížné zadání
Zadání považuji za průměrně až méně obtížné. Autor práce se musel seznámit se shlukovacími algoritmy pro obrazová data a také metadata a tyto algoritmy následně využtí pro shlukování dat z elektronových mikroskopů. Součástí práce je také vyhodnocení algoritmů na dostupných datasetech, zhodnocení dosažených výsledků a srovnání metod pro obrazové data a metadata.
Evaluation level: zadání splněno
Zadání bylo splněno ve všech bodech.
Evaluation level: je v obvyklém rozmezí
Prezentační úroveň zprávy považuji za průměrnou. Text práce je srozumitelný a logicky strukturovaný. Jednotlivé kapitoly dobře navazují a prezentují problematiku shlukovacích algoritmů a testování výsledného systému. V práci je velmi obecně popsán návh výsledného systému, ze kterého není zcela jasné jak je výsledný systém naimplementován. V kapitole testování výsledků je nejasné oddělení výsledků algoritmů pracujících s metadaty a obrazovými daty.
Po typografické a jazykové stránce práce obsahuje pouze menší chyby, mezi které patří například chybějící tečky na konci některých vět a odrážek, také převzaté rozmazané obrázky, které by bylo možné vytvořit vektorově.
Práci s literaturou považuji za dostatečnou. Autor cituje především vědecké články, online zdroje a žurnály.
Aplikace je funkční -- umožňuje aplikaci vybraných shlukovacích algoritmů na zvolené datasety. Systém umožňuje jak shlukování pomocí metadat, tak pomocí obrazových dat. Výstupem jsou metriky, grafy a roztříděné obrázky do složek, které představují jednotlivé shluky.
Téma diplomové práce bylo zadáno firmou Thermo Fisher Scientific. Výsledná práce obsahuje zjištění a doporučení, která jsou pro firmu přínosná.
Grade proposed by reviewer: C
Responsibility: Mgr. et Mgr. Hana Odstrčilová