Student pracoval na bakalářské práci velmi aktivně po celý semestr a pravidelně konzultoval svůj postup. Konzultace byly věcné a efektivní, student na nich průběžně prezentoval dosažený progres. Z práce je patrné, že se problematice věnoval systematicky a dokázal si poradit s jednotlivými dílčími problémy.
Práce je psána v anglickém jazyce na dobré úrovni, text je čtivý a logicky strukturovaný. Teoretická část poskytuje odpovídající základ pro praktickou část. V praktické části student implementoval a otestoval tři vybrané segmentační nástroje a navrhl vlastní experimenty nad více datasety. Některé experimenty by bylo možné ještě doplnit nebo doladit a výhradu lze mít i k objektivnosti a porovnatelnosti výsledků, nicméně se jedná o složitý úkol a v rámci bakalářské práce je řešení na velmi dobré úrovni. Student podrobně popisuje jednotlivé kroky návrhu i implementace, včetně diskutovaných problémů a jejich řešení, někdy až příliš rozsáhle.
Student v práci prokazuje velmi dobré porozumění řešené problematice a schopnost se v ní orientovat. Diskuze výsledků je věcná, i když místy formulované závěry působí poměrně silně vzhledem k rozsahu experimentů, což lze přičíst přirozené menší zkušenosti na bakalářské úrovni.
Celkově se jedná o kvalitní práci odpovídající požadavkům bakalářského studia, zadání považuji za splněné. Hodnotím stupněm A – 93 bodů. Points proposed by supervisor: 93

Předložená bakalářská práce se zabývá porovnáním frameworku nnU-Net s generalistickými modely MedSAM a BiomedParse z hlediska různorodých experimentů a testování robustnosti modelů. Práce je psána na vysoké odborné úrovni a zároveň velmi čtivou formou s vhodně rozvrženými kapitolami v angličtině. Student provedl v rámci teoretické části literární rešerši segmentačních technik, architektur neuronových sítí pro segmentační účely a metod vyhodnocování úspěšnosti modelů.

V praktické části student použil zmíněné frameworky pro iniciální trénování modelů na dvou datasetech a využil dodatečně další dva dostupné datasety pro navazující experimenty. Celkem byly provedeny 4 experimenty na testování citlivosti a robustnosti modelů. Zároveň student vhodně diskutoval i technické aspekty, jako dobu trénování modelů a nároky na hardware. Výsledky experimentů jsou vhodně vizualizovány.

Po odborné i formální stránce považuji práci za velmi zdařilou. Práce obsahuje pouze minimum formálních nedostatků, jako například jedno nechronologické řazení (dříve je citován zdroj 17 před zdrojem 16) a nesjednocený počet desetinných míst v tabulce 4.1.. Zkratka FC je nadbytečná (protože se vyskytuje v textu pouze jednou) a zkratka MAE se v textu vůbec nevyskytuje (není potřeba uvádět v seznamu zkratek). U grafů na obrázcích 4.3. a 4.4. by bylo vhodné pokrýt celou osu s DSC v rozsahu 0.0 – 1.0. Práce cituje celkem 42 položek literatury, výběr článků je pro účely bakalářské práce kvalitní. Přiložené zdrojové kódy jsou přehledné a vhodně komentované v rámci přílohy práce.

Celkově hodnotím práci známkou výborně (A – 95 bodů) a doporučuji ji k obhajobě. Topics for thesis defence:

1. Vyzkoušel jste vliv počtu epoch na trénování jednotlivých modelů v iniciální fázi experimentů? Jaký přínos nebo jaké nevýhody by změna epoch mohla mít ve smyslu trénování?
2. V praktické části zmiňujete, že jste využil neparametrický Wilcoxonův párový test. Ověřil jste předtím normalitu dat? Z jakého důvodu jste nevyužil parametrický párový t-test?
3. Z jakého důvodu byl počet epoch u porovnání 2D a 3D modelů snížen pouze na 50? Lze vykreslit, jak vypadá průběh trénovacích křivek nnU-Netu v porovnání 50 a 100 epoch? Lze objektivně říci, že je 50 epoch dostačujících?
4. Kvantitativní vyhodnocení úspěšnosti modelů s různou úrovní šumu jste porovnával pouze z hlediska DSC. Zvažoval jste porovnání i z hlediska Hausdorffovy vzdálenosti (HD95)?

Points proposed by reviewer: 95