Master's Thesis

Automated multimodal registration of LA-ICP-MS chemical images to structural CT scans

Final Thesis 3.35 MB

Author of thesis: Bc. Dominik Kočenda

Acad. year: 2025/2026

Supervisor: doc. Ing. Pavel Pořízka, Ph.D.

Reviewer: Mgr. Michaela Kuchynka, Ph.D.

Abstract:

The integration of data from distinct imaging modalities provides complementary structural, elemental, and molecular information about biological and material samples, enabling deeper insight into their composition, organization, and behavior. A fundamental methodological challenge, however, remains the precise spatial registration of multimodal data differing in physical origin, dimensionality, and intensity relationships, which render direct image overlay unreliable or altogether impossible. This work presents an automated registration model, demonstrated on brain tissue samples, designed for robust alignment of structural data from micro-computed tomography (μCT) with elemental maps acquired by laser ablation inductively coupled plasma mass spectrometry (LA-ICP-MS). The model employs a differentiable optimization scheme based on Parzen window estimation, in which the parameters of a 2D affine transformation are iteratively optimized via stochastic gradient descent to maximize mutual information between the modalities. Registration is achieved solely from intensity histograms, without reliance on shared visual structures or manually defined correspondences. The pipeline further incorporates automatic localization of the histological section within the μCT volume along the third dimension. Validation through an independent expert study on five rat brain tissue samples demonstrated a mean deviation of the predicted registration from expert consensus of 193 ± 229 μm (median 84 μm), a magnitude comparable to the ablation beam diameter (100 μm). The proposed approach delivers fully automated registration without the need for manual expert intervention, thereby eliminating subjectivity and ensuring reproducibility across samples. It thus establishes a robust methodological foundation for subsequent advanced multimodal analyses.

Keywords:

image registration, correlative imaging, multimodal data fusion, mutual information, machine learning, LA ICP MS, micro CT, brain tissue, ischemic stroke

Date of defence

26.05.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaAznamka

Grading

A

Process of defence

Obhajoba diplomové práce proběhla podle následujícího schématu: prezentace studenta-vyjádření vedoucí/ho-oponentský posudek-reakce na posudek-diskuse s komisí. Student přednesl výborný výtah výsledků své práce, řádně zodpověděl všechny dotazy oponentské i členů komise, pohotově reagoval na připomínky. V diskusi tak student prokázal výbornou schopnost orientace v teoretických i praktických základech problematiky práce. Komise zhodnotila jeho práci celkově jako výbornou. Pekař: Jak se postupoval při řezání mozků? Kolik řezů se vyhodnocovalo? Co znamenají barvy na modelu? Podle čeho se volily sledované prvky? Z kterého prvku by byla poznat sraženina? Z čeho byly brány pravděpodobnosti do výpočtu? Vala: Jak velký počet vzorků by byl nutný k relevantnímu posouzení metody?

Language of thesis

Czech

Faculty

Fakulta chemická

Department

Institute of Physical and Applied Chemistry

Study programme

Chemistry and Chemical Technologies (NPCP_CHCHTE)

Composition of Committee

doc. Ing. Zdenka Kozáková, Ph.D. (člen)
prof. Ing. Miloslav Pekař, CSc. (předseda)
doc. Ing. Viera Jančovičová, Ph.D. (člen)
prof. Ing. Michal Veselý, CSc. (místopředseda)
prof. Ing. Marián Lehocký, Ph.D. (člen)
prof. Mgr. Martin Vala, Ph.D. (člen)

Supervisor’s report
doc. Ing. Pavel Pořízka, Ph.D.

Předložená diplomová práce se věnuje vysoce aktuálnímu a metodicky náročnému tématu automatizované multimodální registrace dat z laserové ablace (LA-ICP-MS) do strukturálních mikro-CT skenů. Student si pro demonstraci zvolil biologicky komplexní vzorky mozkové tkáně zasažené ischemickou příhodou, což vyžadovalo nejen hluboké porozumění fyzikálním principům obou zobrazovacích metod, ale také pokročilé znalosti z oblasti strojového učení a teorie informace.
Bc. Dominik Kočenda přistupoval k řešení úkolu velmi iniciativně a zcela samostatně. Projevil vysokou míru kreativity při návrhu vlastního registračního modelu v prostředí knihovny PyTorch, kde jako klíčový prvek zvolil maximalizaci vzájemné informace prostřednictvím diferencovatelného odhadu Parzenova okna. Tento tvůrčí přístup mu umožnil vyvinout robustní algoritmus, který překonává nelineární vztahy intenzit mezi modalitami bez nutnosti spoléhat se na sdílené vizuální struktury, což je pro fúzi spektroskopických a rentgenových dat zásadní.
Z hlediska odborného přínosu práce oceňuji zejména komplexnost validace navrženého modelu. Student zorganizoval nezávislou expertní studii s deseti respondenty, aby získal relevantní referenční standard pro srovnání. Dosažená průměrná odchylka predikce 200 mikronů (odpovídající přibližně dvěma průměrům laserového svazku) potvrzuje, že vyvinutý systém dosahuje přesnosti srovnatelné s lidským expertem, ovšem při zajištění plné objektivity a reprodukovatelnosti výsledků.
Práce nemá žádné zásadní nedostatky, slohově je práce na dobré úrovni. Grafická stránka a logická struktura textu svědčí o studentově schopnosti srozumitelně interpretovat i velmi abstraktní matematické koncepty. Vzhledem k výborným výsledkům a samostatnému přístupu autora doporučuji práci k obhajobě s hodnocením výborně (A).
Evaluation criteria Grade
Splnění požadavků zadání A
Studium literatury a její zpracování A
Využití poznatků z literatury A
Kvalita zpracování výsledků A
Interpretace výsledků, jejich diskuse A
Závěry práce a jejich formulace A
Využívání konzultací při řešení práce A
Celkový přístup k řešení úkolů A

Grade proposed by supervisor: A

Reviewer’s report
Mgr. Michaela Kuchynka, Ph.D.

Diplomová práce studenta Dominika Kočendy se zabývá tématem „Automatizovaná
multimodální registrace optických map LA-ICP-MS do strukturálních mikro-CT snímků“.
Téma práce je vysoce relevantní zejména s ohledem na rostoucí význam korelace různých
zobrazovacích technik a automatizace zpracování komplexních dat. Již v úvodu práce student
transparentně uvádí využití nástrojů umělé inteligence při jazykové korektuře, stylistické úpravě
formulací a vyhledávání podkladů. Současně deklaruje kritický přístup k AI generovaným
výstupům a jejich ověřování s odbornými zdroji, což hodnotím pozitivně.

Teoretická část práce poskytuje poměrně ucelený přehled o problematice registrace obrazů a dále
detailně popisuje zobrazovací techniky CT a LA-ICP-MS používané pro analýzu vzorků.
Korelační zobrazování v této oblasti představuje klíčovou část práce, proces registrace obrazů a
jednotlivé registrační kroky jsou popsány přehledně a v odpovídajícím rozsahu. Po formální
stránce práce obsahuje jen malé množství překlepů. Mezi drobné nedostatky patří například
nekonzistentní zápis zkratek v seznamu použitých zkratek, konkrétně zápis „ICP-MS
hmotnostních spektrometrů s indukčně vázaným plazmatem“. Dále se v popisu obrázku 22
vyskytuje nesprávné označení izotopu jako „12C“ namísto správného zápisu s horním indexem
12C.

Za velmi přínosnou považuji praktickou část práce, kde se student věnuje Automatizované
lokalizaci řezu v ose Z u cévní mozkové příhody potkana a porovnává jej s vizuální korelační
studií prováděnou 10 odborníky. Student současně absolvoval zahraniční stáž na pracovišti
INESC TEC – University of Porto, kde získal zkušenosti právě v oblasti registrace obrazu.
Korelace obrazů z různých zobrazovacích metod představuje významný problém, neboť
zpracování takových dat bývá časově náročné a manuální vyhodnocení často vyžaduje značné
úsilí, případně je v některých situacích obtížně realizovatelné. Navržený přístup proto považuji za
velmi perspektivní a potenciálně významný pro další rozvoj v oblasti výzkumu nejen cévní
mozkové příhody, ale celkově v korelaci různých zobrazovacích technik.

Celkově práce splňuje požadavky kladené na diplomovou práci. Přes uvedené připomínky
hodnotím práci velmi pozitivně, neboť student prokázal schopnost samostatně pracovat s
odbornou literaturou, osvojit si pokročilé metody zpracování dat a aplikovat je na aktuální
výzkumný problém.
Evaluation criteria Grade
Splnění požadavků zadání A
Logické členění práce A
Kvalita zpracování výsledků A
Interpretace výsledků, jejich diskuse A
Využití literatury a její citace A
Úroveň jazykového zpracování B
Formální úroveň práce – celkový dojem A
Závěry práce a jejich formulace A
Topics for thesis defence:
  1. 1) Kolik řezů bylo nutné použít pro trénovací modely, bylo to dostačující?
  2. 2) V tabulce 1 uvádíte odchylku od jednotlivých výsledků expertního hodnocení, jaký je to typ odchylky a jakým způsobem byla počítána?
  3. 3) Kolik histologických řezů bylo analyzováno pomocí LA-ICP-MS pro jeden mozek potkana současně měřený pomocí CT?
  4. 4) Byl ML také použit pro následnou inkorporaci výsledků z LA-ICP-MS do CT 3D dat?

Grade proposed by reviewer: A

Responsibility: Mgr. et Mgr. Hana Odstrčilová