p r o f . d r h a b . in z . T o m a s z Z i e l i 6 s k i Katedra Te lekomunikacj i,
Wydzial Infonnatyki, Elektroniki i Telekomunikacji Akademia G6rniczo-H utnicza w Krakowie
2 l . t 1 . 2 0 1 6
RECENZJA rozprawy doktorskiej pt.
,,Falkowe metody estymacji zmian ukrytych w diagnostyce obrazowej wczesnego udaru m6zgu"
Pana mgr inZ. Grzegorza Ostrka
sporzqdzona dla Rady Wydzialu Matematyki i Nauk Informacyjnych Politechniki Warszawskiej
l. Podstawy formalne
Niniejsza recenzja zostala opracowana w odpowiedzi na pismo Dziekana Wydzialu Matematyki i Nauk Informacyjnych Politechniki Warszawskiej Pana Profesora Wojciecha Domitrza z dnia 8 f istopada 2016 roku (L.dz, 1120148016/16). Jej zadaniemjest ocena, czy przedlo|ona rozprawa doktorska Pana mgr inL. Grzegorza Ostrka pt. ,.Falkowe metody estymacji zmian ukrytych w diagnostyce obrazowej wczesnego udaru m6zgu" (Warszawa 2016) spelnia wymagania Ustawy z d n i a 1 4 m a r c a 2 0 0 3 r o k u ( D z . U . 2 0 0 3 N r 6 5 p o z . 5 9 5 ) o s t o p n i a c h n a u k o w y c h i t y t u l e naukowym oraz o stopniach i tytule w zakresie sztuki. Przypominaj4c, rozprawa doktorska ,,powinna stanowi6 oryginalne rozwiqzanie problemu naukowego lub oryginalne dokonanie artystyczne oraz wykazywac o96lnq wiedzg teoretycznq kandydata w danej dyscyplinie naukowej lub artystycznej oraz umiejgtno5i samodzielnego prowadzenia pracy naukowej lub artystycznej. RozprawE doktorskq moze stanowii praca projektowa, konstrukcyjna, technologiczna lub artystyczna, jeheli odpowiada warunkom okreSlonym powyzej".
2. Zaw artoSd merytoryczna rozprawy
Recenzowana praca dotyczy metod wspomagania diagnostyki medycznej, a dokladnej skutecznego rozpoznania wczesnego, niedokrwiennego udaru m6zgu na podstawie nieliniowego przetwarzania i analizy obrazow pochodz4cych z tomografii komputerowej (TK). Jej efektem S4, po pierwsze, opracowane algorytmy przetwarzania obraz6w, poprawiaj4ce percepcjE wzrokow4 ukrytych objaw6w udaru przez lekarzy, podczas analizy danych, pochodz4cych tomografii komputerowej. Prowadzi to do poprawy skuteczno6ci diagnostycznej wczesnego udaru m6zgu, co potwierdzono w badaniach klinicznych. W pracy obiektywnie wykazano na danych pochodz4cych z nowoazesnego fantomu udaru, 2e zaproponowane rozwiqzania zwigkszajq w istotny spos6b kontrast obraz6w. Drugim istotnym wynikiem pracy jest opracowany algorytm kornputerowy do w pelni automatycznego rozpoznania subtelnych zmian n i e d o k r w i e n n y c h w m 6 z g u .
Pan mgr inL. Grzegorz Ostrek wyniki swoich dlugoletnich prac (2008-2016) udokumentowal w 16 publikacjach naukowych, w tych w 3 pracach zamieszczonych w czasopismach z listy JCR oraz w 5 wydaniach material6w (po)konferencyjnych w dedykowanych seriach wydawnictwa Springer, kt6re s4 indeksowane w bazie Web of Science.
Praca sklada sip z: wprowadzenia (4 strony), piEciu rozdziaN6w (96 stron), podsumowania (2 strony), bibliografii (25 stron, 208 pozycji), wykazu publikacyjnego i bibliometrycznego dorobku doktoranta (3 strony) oraz 5 zalqcznik6w o l4cznej objqto6ci 60 stron.
We wprowadzeniu (4 strony) przedstawiono:
- przedmiot pracy (opracowanie narzEdzi do wspomagania diagnostyki obrazowej TK niedo- krwiennych udar6w m6zgu, bardzo slabo widocznych we wczesnej fazie; w szczegolno6ci: 1) ekstrakcjp informacji ukrytej w obrazie, leczznajdujqcej siE ponizej progu percepcji wzrokowej radiolo96w ) oraz 2) automatyczne rozpoznawanie subtelnych zmian niedokrwiennych),
- motywacje jej podjEcia (powszechnoSc i konsekwencje takich udar6w);
- tezy rozprawy (..Wielorozdzielcza analiza falkowa urnozliwia wydobycie treSci ukrytej z obraz6w tomografii komputerowej w diagnostyce ostrych udar6w poprzezi a) dob6r bazy przeksztalcenia, b) wydzielenie skladnik6w morfologicznych, c) nieliniow4 aproksyrnacjq sygnalu docelowego, d) estymac.iE r6znicuj4cych cech tkanki, e) poprawQ warunk6w
wizualizacji, DziEki ternu jest mozliwe zwiEkszenie diagnostycznej u|ytecznoSci obraz6w TK, stosowanych do rozpoznania nieostrych udar6w niedokrwiennych poprzez: a) poprawE percepcji obraz6w, b) automatyczne rozpoznanie przypadk6w udar6w poprzez analizE i klasyfikacjq ekstrahowanych cech niedokrwiennych"),
- proponowana metode (,,a) wykorzystanie metod aproksymac.ii nieliniowej w dziedzinie wielkoskalowej reprezentacji obraz6w, b) dob6r efektywnych deskryptor6w cech niedokrwienia i metod rozpoznawania, c) odniesienie do modeli diagnostycznych, d) wykorzystanie ekspery- ment6w symulacyjnych na fantomach orazz udzialem ekspert6w medycznych").
W rozdziale pierwszym (13 stron) przedstawiono wybrane informacje dotycz4ce udaru m6zgu', definicjE medycznq i patogenezq udaru niedokrwiennego, miary stosowane w ocenie podejmowanych decyzji diagnostycznych, aspekt spoleczny zagadnienia, przykladowy wynik obrazowania udaru m6zgu w danych TK, istniej4ce mozliwoSci diagnozowania udaru r6znymi technikami obrazowania (TK - bezkontrastowy i perfuzyjny, MR - rezonans nagnetyczny, DW- MR - obrazowanie dyf'uzji, PET - obrazowanie emisji pozytronowej).
W rozdziale drugim (22 strony) dokonano doglEbnej analizy stanu wiedzy $wiatowej w zakresie mozliwoSci komputerowego wspomagania udar6w niedokrwiennych m6zgu, Na rysunku 2.1 zaproponowano klasyfikacjE istniej4cych metod z punktu widzenia cel6w diagnostycznych, a na rysunku2.2 - ze wzglgdu na uzywane techniki obliczeniowe. Pierwsza istotn4 pracQ, dotycz4c4 metod rozpoznawania ostrych udar6w niedokrwiennych z u|yciem TK, o p u b l i k o w a n o w 1 9 9 7 r o k u [ 4 8 ] ( o b l i c z a n i e d i a g r a m u r 6 z n i c g g s t o 6 c i n a p o d s t a w i e r 6 Z n i c y histogram6w dw6ch p6tkul m6zgu), a drugq w 2001 roku [62] (transformacja obraz6w TK do standardowego atlasu m6zgu, a nastEpnie por6wnanie wybranych parametr6w gEstoSci - cech wolumetrycznych i statystyk - wydzielonych struktur anatomicznych w obu polkulach m6zgu)' W pierwszej czesci rozdzialu scharakteryzowano istniej4ce metody poprawy percepcji obraz6w.
Pierwsza to praca t4S] ( lggT). Najprostszqznanqmetodq jest zmiana wartoSci parametr6w okna wySwietlania [65] (lg9g) - od-do w skali HU. Metody bardziej zawansowane to filtracja a d a p t a c y j n a A P A F t66l (2005), w s z c z e g 6 l n o $ c i m e d i a n o w a A P M F U l , 7 2 l ( 2 0 0 7 , 2 0 0 8 1 o r a z
t r a n s f b r m a c j a f a l k o w a 167l (2005), [73-85] (2006-2011). O s t a t n i e z w y m i e n i o n y c h p r a c powstaty w zespole Pana Prof. Artura Przelaskowskiego, promotora recenzowanej rozprawy.
Doktorant jest wspolautorem 7 z nich [78-841 (2008-201l). W ich wyniku powstal program komputerowy Monitor Udaru, stosowany w dw6ch szpitalach warszawskich. W tym miejscu stwierdzono, 2e ,,pref'erowane jest przetwarzanie, kt6re upraszcza interpretacjE obrazu, ogranicza pojawianie siE nowych szczeg6l6w i eksponuje szukan4 treSi". W drygiej czeSci rozdzialu na 8 stronach om6wiono istniej4ce metody do automatycznego rozpoznania udaru
mozgu. Ponownie pionierskq pracq z tego zakresu byla publikacja [48] (1997). Dokladnie o m 6 w i o n o m e t o d y i w y n i k i p r z e d s t a w i o n e w l 4 p r a c a c h , k o l e j n o 1 6 2 , 9 3 , 9 4 , 9 5 , 9 6 , 9 8 , 9 9 , 1 0 0 , 1 0 1 , 1 9 , 1 0 2 , 1 0 4 , l Q 7 , l l 8 l . S k r 6 t o w o o d n i e s i o n o s i g d o p r a c [ 1 1 5 - 1 2 3 ] . P o d a n o o d n i e s i e n i e d o 1 0 - c i u w l a s n y c h p r a c z t e g o z a k r e s u [7 8 0 7 9 , 8 1 r 8 2 , 8 3 , 1 1 0 - 1 t 4 ] (2 0 0 8 - 2 0 1 6 ) . Pod koniec rozdzialu przedstawiono znane autorowi pr6by stworzenia system6w komputerowych do wspomagania diagnostyki udar6w m6zgu. Podano, ze istnieje komercjalny system Stroke Navigat.ctr firmy Philips [ 130, l 3 l], ale dotyczy on tylko monitorowania podejmowanych dzialan w Sciezce klinicznej i prognozowania stanu chorego. Stwierdzono, 2e nie jest autorowi znany 2aden system kompleksowy.
Rozdzialy trzeci, czwarty i pi4ty stanowi4 gl6wne rozdzialy pracl, w kt6rych zaprezentowa no swoj e wlasne osi4gnigcia.
W rozdziale trzecim (16 stron) przedstawiono wyniki prac wlasnych, dotyczqcych,,ekstrakcji zmian ukrytych" w TK m6zgu metod4 wstQpnego przetwarzania danych i zmiany sposobu wizualizacji obraz6w, Uzyskano dziEki temu znacznq poprawQ percepcji zmian niedokrwiennych mozgu przez lekarzy. W rozdziale skr6towo scharakte ryzowano r62ne systemy falkowe, w tym transformacjE typu ridgelet i kierunkow4 typu curvelet (doktadnie opisanq w dodatku A). zastosowane w pracy. Przedstawiono zaproponowany, nowy algorytm eksftakcji cech ukrytych (str. 44), bazuiqcy na filtrach falkowych. Sklada siq on trzech etap6w: l) segmentacji obraz6w TK gtowy, 2) wydzielenia potencjalnych symptom6w niedokrwienia metodq wieloskalowej dekompozycji falkowej (dekompozycja, aproksymacja treSci istotnej, odszumianie i selekcja komponent6w falkowych, synteza obrazu ze wzmocnieniem wybranych komponent6w), 3) sparametryzowanej wizualizacji. R62ne wersje metod przedstawiono na r y s u n k u 3 . 3 . A u t o r u c z e s t n i c z y l w o p r a c o w a n i u m e t o d M U P P , M U D D i M U D E , n a t o m i a s t metoda MUSE jest jego wlasnym dzielem. Z punktu widzenia poprawy percepcji najkorzystniejsze okazalo sig zastosowanie filtr6w falkowych TSpline2 i Atrail oraz falek geometrycznych typu curvelet. Zespolone wsp6lczynniki transformacii curvelel poddawano rniEkkiemu progowaniu typu waveshrink (3.3). W trzech z cztercch metod stosowano dwustopniowe zlo2enie przeksztalceh z filtrami falkowymi. Uzyskano wyraLny postqp w stosunku do wynik6w poprzednich prac, otrzymanych w zespole Pana Profesora Artura Przef askowskiego 163, 73-771 (2005-2007). Dopracowano algorytm segmentacji, optymalizacjg doboru baz falkowych i parametr6w falkowych metod odszumiania. Nowe metody oraz wyniki ich test6w z udzialem lekarzy radiolog6w przestawiono w pracach [78-841 ( 2 0 0 8 - 2 0 1 1 ) . R o z w i q z a n i a t e s t o w a n o w C e n t r a l n y m S z p i t a l u K l i n i c z n y m M S W I A o r a z w S a r n o d z i e l n y m P u b l i c z n y m C e n t r a l n y m S z p i t a l u K l i n i c z n y m ( B a n a c h a ) w W a r s z a w i e .
Pod koniec rozdzialu przedstawiono wyniki weryfikacji klinicznej zaproponowanych metod' Wykorzystywano 123 badania TK ze specjalnie zebranej bazy DDIS. Ograniczenietn bazy byla dysproporcja liczby przypadk6w chorych (86%) i badari kontrolnych (14%). W weryfikacji wzipla udzial zr6anicowana grupa 7 radiolog6w, kt6rzy ocenili 123 przypadki przy uzyciu specjalnych kwestionariuszy. Poprawa czuloSci rozpoznawania udar6w z pomocQ opracowanego Monitora Udaru wyniosla Srednio 33.2'h przy jednoczesnym spadku specyficznoSci o 5,2oh lecz przy zachowaniu podobnej precyzji (tabela 3.1, str. 53).
Dokonano analizy istotnoSci r62nic rozklad6w ocen radiologow (tabela 3.2, str. 54) z u|yciem r e n o m o w a n y c h p r o g r a m 6 w s t a t y s t y c z n y c h D B M M R M C [53] iSIAR [154], kt6ra potwierdzila istotno3i statystyczn4 uzyskanej poprawy ef'ektywno$ci diagnozy w grupie doSwiadczonych radiolog6w (z progiem 0.05). Lekarze za najbardziej przydatnq uznali metodE MUSE, zaproponowanq przez doktoranta, ale to jednak metoda MUDE (z najbardziej uproszczonq w izualizacj$ w naj wiqkszym stopn i u popraw i ala efektywnodi d iagno s ty cznq.
W rozdziale czwartym (17 stron) obiektywnie oceniono opracowane wczeSniei oraz nowe (MU3D, MUCC) metody ekstrakcji zmian chorobowych o niskim kontraScie z obraz6w TK, prowadz4ce do poprawy ich percepcji wzrokowej i efektywniejszej wizualizacji. Nowe metody wykorzystywaly szybkie oraz malo redundantne transformacje falkowe 3D typu curvelet oraz fafki zespolone. Wyniki przedstawione w tym rozdziale zostaly wczedniej opublikowane w 2015 roku If 56] w czasopidmie Computers in Biology and Medicine wydawnictwa Elsevier. W celu oceny obiektywnej zastosowano dwie znane miary obliczeniowe, wsp6lczynnik kontrastu do szumu CNR (ang. Contrast-to-Noise Ratio) (4.1) oraz kontrast modulacji (4.2). Analizowano d a n e . , o b i e k t y w n e " d o s t E p n e p u b l i c z n i e [ 7 5 ] , p o c h o d z q c e z f a n t o m u C a t p h a n C T P 5 1 5 o n i s k i m kontraScie I I 6l ], uzywanego w zastosowaniach radiologicznych do kalibracj i urz4dzeh, pomiaru dawek i oceny.iako6ci obrazowania. Zmieniajqc ustawienia napiEcia i natE2enia lampy tomografu (w tym przypadku GE HiSpeed QX/i2) oraz gruboSd warstwy, w wyniku TK fantomu otrzymuje siE obrazy slabo kontrastuj4ce, przypominajqce zmiany niedokrwienne m6zgu. Aby zwiEkszyi poz4dany efekt dodatkowo poddano obrazy prostej operacji inwersji kontrastu.
Rysunki 4.5-4.6 i tabela 4.1, przedstawione na stronach 62-64, jednoznacznie przekonuj4 o wyj4tkowej jako6ci rozwi4zah MU3D i MUCC, zaproponowanych przez doktoranta. Powoduj4 one zdecydowanie najwiEkszy wzrost badanych wsp6lczynnikow kontrastu w grupie badanych metod. Badania przeprowadzone w grupie bioin2ynier6w i radiolog6w (rys. 4.3 i 4.4) potwierdzajq, ze wzrost kontrastu jest dta tych metod takze obserwowany subiektywnie.
W drugiej czq$ci rozdzialu przedstawiono wyniki doboru optymalnych wartodci parametr6w filtr6w falkowych, powodujqcych maksymalizacjE miar kontrastu. Przeprowadzano dekompozycjE falkow4 danych TK. Odszumianiu (modyfikacji, progowaniu, opcjonalnie adaptacyjnemu) podlegaly wsp6lczynniki we wszystkich pasmach, kt6re lelaly wewnqtrz ROI, okrejlonego mask4 segmentacji, albo wszystkie, w zaleilnoici od metody. O6raz rekonstruowano ze wsp6lczynnik6w falkowych ostatniej skali LL oraz ze wszystkich wsp6lczynnik6w z podpasm LH, HL, HH nastqpnej skali (bez poprzednich i nastEpnych).
Przetestowano 27 ortogonalnych filtr6w falkowych, 29 biortogonalnych oraz 4 filtry niezachowujqce warunk6w perfekcyjnej rekonstrukcji (wszystkie wsp6tczynniki filtr6w podano w dodatku D). Zmieniano liczby poziom6w dekompozycji, od 1 do 7, oraz warto$ci wsp6lczynnik6w w funkcjach progowania. NajwiEksze 94oh zwiEkszenie wsp6lczynnika kontrastu CNR uzyskano poprzez nieliniow4 modyfikacjE wsp6lczynnik6w podpasm dla falki Daubeschiesl4 (tabele 4.2 i 4.3 na str. 67 oraz rysunek 4.8 na str. 68). Wzrost powy|ej 90o/o uzyskano takle dla falek Daubechiesl2 oraz Beylkin, natomiast dla falek curvelet uzyskano
$redniqpoprawQ 82%. Na rysunkach 4.9-4.14 przedstawiono pogl4dowe wyniki dla falek Haara' S p l i n e 2 iS p l i n e 3 d l a p i p c i u , s z e s c i u is i e d m i u p o z i o m 6 w d e k o m p o z y c j i . P o d k o n i e c stwierdzono, ie tak2e najprostsza falka Haara spelnia w przyblizeniu stawiane kryterium uproszczenia informacji przy zachowaniu jej charakteru, ale obrazy otrzymywane z iei pomoc4 sq silnie skwantowane, co moze nie by6 akceptowane przez specjalist6w.
W rozdziale pi4tym (26 stron) przedstawiono opracowany przez doktoranta algorytm, slu24cy do automatycznego rozpoznania subtelnych zmian niedokrwiennych m6zgu, najtrudniejszego
zadania postawionego w pracy. Zaproponowano podejdcie r62ni4ce sip od innych. gdyZ niesprawdzaj4ce symetrii miqdzy polkulami m6zgu na poziomie opisu tkanki, dodatkowo
mog4ce uwzglEdnii dane kliniczne. Na pocz4tku starannie wybrano dane obrazowe, wykluczajqc czg(ic bada6 z powodu wysokiego poziomu trudnoSci interpretacyjnej. Analizie poddano bloki o wymiarach 32x32 piksele, tworz4ce siatkq, pokrywajqcqcaly obraz. Obliczano 305 cech numerycznych, opisuj4cych kaldy blok: w dziedzinie obrazu (cechy statystyczne, entropijne. wykorzystujqce macierze zdarzen), w dziedzinie dekompozycji przestrzenno- czEstotliwoScowej obrazu z wykorzystaniem transformacji Fouriera i transformacji falkowej, uwzglEdniano kierunkowoSi w obrazie. Wybrane cechy wykorzystuj4ce niskoczqstotliwoSciowe wsp6lczynniki transformacji Fouriera i falkowej byly zaproponowane przez doktoranta. W badaniach przetestowano wiele klasyfikator6w (ZeroR, LogitBoost, IBk - metoda najblizszego s q s i a d a ( 1 0 s 4 s i a d 6 w ) , J 4 8 , R a n d o m T r e e ( w y s o k o S i 5 , 6 ) , R a n d o m F o r e s t ( 1 6 d r z e w ) , NaiveBayes. Jako kryterium por6wnania przyjEto dokladnoSi metody, chociaz wyliczano wiele miar jakoSci klasyfikacji. Na pocz4tku przeprowadzano walidacjE wynik6w metod4 n-krotn4 (leave-one-out) bez uwzglEdnienia pacjent6w. Najlepsze wyniki uzyskano dla klasyfikatora l0 n a j b l i z s z y c h s q s i a d 6 w ( t a b e l e 5 . 1 i 5 . 2 n a s t r . 9 0 - 9 1 ) . W d r u g i m e t a p i e b a d a h z a s t o s o w a n o walidacjg n-krotn4 Qeave-one-patient-out) z uwzglEdnieniem pacjent6w (publikacja doktoranta Il4l z 2016 roku). W tym przypadku wyl4czano wszystkie pr6bki danego pacjenta z etapu u c z e n i a , n a t o m i a s t s t o s o w a n o j e d o t e s t o w a n i a n a u c z o n e g o m o d e l u , O p c j o n a l n i e d o klasyfikatora dodawano technikE SMOTE. Algorytm klasyfikacji Random Forest (tabela 5.4) uzyskal tylko nieznacznie gorsze efekty niZ radiolog R5 (tabela 5.7). Przeprowadzono analizg, kt6re cechy sq wybierane najczpsciej (tabela 5.9). W koricowym etapie prac dodano do klasyfikatora informacje kliniczne (zdiagnozowane objawy neurologiczne, kt6re byly zwiqzane z o k r e S l o n q p 6 l k u l q m 6 z g u lu b n i e ) - t a b e l a 5 . 1 0 . N a s t g p n i e p o r 6 w n a n o o c e n y ra d i o l o g 6 w i
rozszerzonego algorytmu automatycznej klasyfikacji (AK+N) tabela 5.1 l. Algorytm klasyfikacii okazal sig lepszy niz,,najgorszy" radiolog, uczestniczqcy w teScie,
Rozprawg zamyka podsumowanie (2 strony) osi4gniEtych w pracy wynik6w. S4 one optymistyczneo ale,.trudno na ich podstawie wysnui wnioski natury bardziej og6lnej". Wiele prac naleaaloby jeszcze przeprowadzi6, ale ,,wykraczalo to jednak poza realne mozliwo$ci zespolu badawczego autora".
Bibliografia rozprawy (25 stron) zawiera 208 pozycji, bardzo dobrze dobranych i aktualnych.
Jest ona dowodem wyjqtkowej orientacji doktoranta w stanie wiedzy Swiatowej z zakresu tematyki rozprawy.
Rozprawa ma 5 dodatk6w (lqcznie okolo 60 stron):
A) opis falek kierunkowych curvelel - 9 stron,
B) opracowanie statystyczne przeprowadzonych test6w w ramach projektu MNiSzW N5l8 042 3213301,2007-2009 - 33 strony,
C) opis narzgdzi programowych (Monitor Udaru) - 4 strony, D) wykaz wsp6lczynnik6w filtrow falkowych - 12 stron, E) ptyta DVD.
3. 096lna ocena rozprawy
Recenzowanq rozprawg, a tak wtaSciwie 8-letni4 pracQ badawczq doktoranta, kt6ra za niq stoi, oceniam bardzo wysoko. .lej zagadnienie naukowe zostalo bardzo jasno sformulowane. Praca ma clrarakter do$wiadczalny: stosuje siQ w niej narzpdzia programowe wyrosle z zaawansowanej, wielorozdzielczei, falkowej dekompozycji danych 2D i 3D, w jej wielu rolnych odmianach (standardowe falki ortogonalne i biortogonalne, falki kierunkowe typu
curvelet, falki zespolone) do analizy obraz6w tomografii komputerowej w celu wczesnej diagnozy udaru m6zgu.
Analizq literatury przeprowadzono w pracy wzorowo. Przeglqd jest niezwykle bogaty, dobrze dobrany i aktualny. lmponuj4ca jest znajomo$i doktoranta wielo5ci wqtk6w tematycznych, ich powi4zari i mnogo$ci szczeg6lSw. Wyciqgane wnioski se poprawne i przekonujqce, To wla6nie one doprowadzily doktoranta do wlasnych, oryginalnych, wartodciowych wynik6w.
Postawione cele zostaly osi4gniqte. Opracowane w doktoracie nowe metody przetwarzania wstqpnego obraz6w i wizualizacji (MLJPP, MUDD, MUDE, MUSE) doprowadzity do poprawy percepc.ii zmian niedokrwiennych mtizgu przez lekarzy (rozdz.3). Doktorant jest wsp6lautorem t y c h m e t o d lu b j e d y n y m a u t o r e m ( M l . J S E ) . B a d a n i a d a n y c h z f a n t o m u u d a r u d o p r o w a d z i t y d o opracowania przez doktoranta autorskich metod MU3D i MUCC, kt6re otrzymaly naiwy2sze o c e n y s u b i e k t y w n e j w i d o c z n o $ c i i k o l i s t o S c i o b i e k t o w te s t o w y c h w g r u p i e b i o i n z y n i e r 6 w i radiolog6w, a tak|e osiqgaly w testach najwylsze wartoSci dw6ch miar kontrastu (rozdz. 4).
Opracowana przez doktoranta metoda automatycznej detekc.ii zmian niedokrwiennych mozgu o k a z a l a s i E w t e s t a c h l e p s z a n i z , , n a j g o r s z y " r a d i o l o g o c e n i a j 4 c y t e s a m e d a n e ( r o z d z . 5 ) . Z t e g o powodu uzasadniony jest wniosek, 2e przyjgto poprawne zalo|enia i u|yto wlaSciwej metody.
W rozprawie zaproponowano nowe, oryginalne rczwiqzania. Ich wysok4 efektywnod6 potwierdzono drog4 bardzo rozleglych badari doSwiadczalnych. Przez wiele lat wsp6lpracowano z duzq grupq. lekarzy radiolog6w, budowano wlasne bazy danych TK udaru m6zgu, przygotowywano, testowano i pr6bowano wdrozyi w dw6ch szpitalach warszawskich zaawansowane narzEdzia do wspierania diagnostyki udaru m6zgu. Poziom merytoryczny rozprawy jest bardzo wysoki - na poziomie Swiatowym. Praca jest bardzo aktualna i ptzydatna, z a r 6 w n o p o d w z g l q d e m m e t o d o l o g i c z n o - t e c h n i c z n y m j a k i m e d y c z n o - s p o l e c z n y m .
Najslabsz4 stronq rozprawy.iest jej strona redakcy.ina. Wyniki badari zostaly przedstawione w spos6bjasny i zwipzly, ale sporo do 2yczenia pozostawia edycyjna forma pracy - miejscami
rzuca siE w oczy bardzo niestaranny sklad tekstu. Szczeg6ly zostan4 przedstawione ponizej.
WartoSciowe wyniki rozprawy zostaly juL pozytywnie zweryfikowane drog4 licznych p u b l i k a c j i . P a n m g r i n z . G r z e g o r z O s t r e k w y n i k i s w o i c h d l u g o l e t n i c h p r a c ( 2 0 0 8 - 2 0 1 6 ) u d o k u m e n t o w a l w 1 6 p u b l i k a c j a c h n a u k o w y c h , w t y c h w 3 p r a c a c h w c z a s o p i s m a c h znajdu.i4cych siq obecnie na li6cie JCR (Elsevier Biocybernelics and Biomedical Engineering 2009 - MNiSzW 6 pLrnkt6w Lista B lF=O,2, Springer Acta Neurochirurgicu Supplement2010 - MNiSzW 27 punkt6w Lista A IFrl,5, Elsevier Computers in Biology and Medicine 2015 - M N i S z W 2 0 p k t L i s t a A I F r l , 5 2 0 1 5 ) o r a z w 5 w y d a n i a c h m a t e r i a l 6 w ( p o ) k o n f e r e n c y j n y c h w dedykowanych seriach wydawnictwa Springer (Lecture Noles on Computer Science, Advances in SoJi Computing), indeksowanych w bazie Web of Science. Jak na doktoranta jest to dorobek znaczqcy, kwalifikujqcy pracQ do wyr6znienia.
4, Zalety i gl6wne wady rozprawy
Ponizej skr6towo wymieniono zalety rozprawy ijej gt6wne wady.
Zalety:
| ) oryginalnoSi rozprawy:
- zaproponowanie nowych metod przetwarzania i lepszej wizualizacji danych TK m6zgu ( M U P P , M U D D , M U D E . M U S E , M U 3 D i M U C C ) ;
- przeprowadzenie pionierskich w Polsce badari z wykorzystaniem danych z fantomu ,"udaru", kt6re jednoznacznie wykazaly, 2e zaproponowane metody znacznie zwiEksza.iq k o n t r a s t o w o S i o b r a z u ( s u b i e k t y w n i e i o b i e k t y w n i e ) ;
- przeprowadzenie p i o n i e r s k i c h w P o l s c e , b a r d z o r o z l e g l y c h b a d a r i d o t y c z q c y c h w c z e s n e g o rozpoznawania udaru m6zgu, obejmuj4cych wyb6r odpowiednich cech obrazu i k l a s y f i k a t o r a ; b a d a n i a te n i e d o p r o w a d z i l y d o z n a l e z i e n i a w p e l n i z a d o w a l a j 4 c e g o
rozwiqzania, ale stanowi4 pierwszy etap selekcji wielu mozliwych, alternatywnych rozwiqzah;
2 ) d u z a w i a r y g o d n o S i u z y s k a n y c h w y n i k 6 w z p o w o d u u z y w a n i a :
- Swiatowychbaz ( r e p o z y t o r i 6 w ) d a n y c h ( n p . d a n e T K z f a n t o m 6 w u d a r u m 6 z g u fl751);
- sprawdzonych, renomowanych narzgdzi programowych, powszechnie stosowanych w S w i e c i e , n a p r z y k t a d :
stosowanie implementacji klasyfikator6w, pochodz4cych ze znanych bibliotek: OpenCV (kfasyfikatory drzewiaste: drzewa decyzyjne, lasy losowe, sieci neuronowe, kNN), Weka (klasyfikatory oparte na boostinga i pokrewne, bayessowskie, J48), linSVM, liblinear, s t o s o w a n i e p r o g r a m 6 w s t a t y s t y c z n y c h D B M M R M C [153] iSIAR [54], uznanych w S r o d o w i s k u m e d y c z n y m ;
o bardzo wartoSciowe, zbiorcze por6wnanie wielu istnieiqcych metod komputerowej detekcji udar6w m6zgu (caty rozdz. 2, w szczeg6lnoSci str. 35-36), pod wzglgdem obiektu zainteresowafi (rodzaj i faza udaru), liczby przebadanych pacjent6w, spos6b wyboru region6w do analizy, spos6b analizy i pochodzenie analizowanych obszar6w (warstwowe i przestrzenne), stosowanq ocenQ skr"rtecznoSci detekcji (ocena regionu, warstwy, badania);
o dokladne sprawdzenie uzyskanych wynik6w pod wzglpdem istotnoSci statystycznej (tabela 3 . 2 , s t r . 5 4 ) ;
o r6znorodnoSi tematy czna, i nterdyscypl inarnoS c, rozlegla wsp6lpraca z lekarzami;
. bardzo szeroki zakres badari eksperymentalnych;
. imponu.iqcy, bogaty i aktualny przeglqd literatury;
o szerokoSi i wnikliwo66 spojrzenia dostrzeganie podobieristw r62nych podej56, przykladowo metody z praay [96] do Local Binary Patterns l97l;
. szeroka wiedza i znajomoSd wielu potrzebnych szczeg6l6w, warunkui4cych poprawne przeprowadzenie eksperyment6w, przykladowo dotycz4cych fantom6w udaru m6zgu na str' 6 l l u b k l a s y f i k a t o r 6 w n a s t r . 8 8 ;
. doskonala orientacja autora rozprawy we wlaSciwoSciach oraz mozliwoSciach implementacyjnych wielu rtiznych odrnian transformacji falkowych (standardowe, typu:
r i d g e l e t , c u r v e l e l , 2 D , 3 D , s z y b k i e , m a l o r e d u n d a n t n e , . . . ) ; . i m p o n u i 4 c y d o r o b e k p u b l i k a c y j n y d o k t o t a n t a .
Gl6wne wady:
l ) n i e w s z y s t k i e e k s p e r y m e n t y i w y n i k i p r z e d s t a w i o n e w p r a c y s q p r z e k o n y w u j q c e z e w z g l E d u na ograniczonq liczbp dostgpnych danych, co potwierdza sam autor rozprawy na str. 43:
,,dysponowano zaledwie kilkoma rekonstrukcjami zlolonymi z od 50 do okoio 250 przekroj<iw, dlatego nie bylo mo2liwe sformulowanie wyczerpuj4cych wniosk<iw,
doLy cz4cy ch uzyskanyc h wyn ik6w";
2) nie wszystkie wyniki przedstawione w rozprawie sq w pelni przekonujqee ze wzglpdu na niepelno6i por6wna6; przykladowo w rozdziale 3 nie uwzglqdniono metod poprawy kontrastu MU3D i MUCC, kt6re zwyciEZyty w rozdziale 4 na danych z f'antomu udaru, a rozdziale 4 w tabeli 4.1 uwzglpdniono tylko metodq MUPP z rozdzialu 3o gdzie wykorzystywano dane TK rzeczywistych udar6w. Z tego powodu trudno iest powiedzie(' czy metody MU3D i MUCC tylko poprawiaj4 kontrast obrazu, czy teL maj4 istotne znaczenie d ia g n o s t y c z n e I
3 ) r y s u n k i o d 4 . 9 d o 4 . 1 4 n i e p r z e k o n u j q , 2 e p o p r a w a k o n t r a s t u o b r a z 6 w T K , o t r z y m a n a p r z y u2yciu flltr6w falkowycho musi jednoznacznie prowadzi6 do poprawy rozpoznawania zmian ukrytych udaru o niskim kontra6cie; uzyskiwane obrazy sq inne, czasami .,dziwne", trzeba siE nauczyi.ie interpretowai, co nie jest takie proste; w tym miejscu rzuca siE w oczy brak dokladniejszego por6wnania wynik6w w rozdzial6w 3 i 4;
4) w pracy postawiono sobie bardzo ambitne cele, nie dziwi wiqc, ze nie wszystkie zostaly osi4gniqte; przykladowo okazato siE, ze uzyskane wyniki, dotycz4ce oceny wyst4pienia udaru przez mlodszych, mniej doSwiadczonych radiolog6w, bardziej przekonanych co do uzyteczno5ci programu Monitor Udaru, nie s4 istotne statystycznie (rozdz, 3);
5) najslabszq stronq pracy.iest warstwa redakcy.ina:
- miejscami razi bardzo niestaranna edycja tekstu (czego dobitnym przykladem jest str. 4);
- nie zawsze tlumaczone s4 skr6towce nazw polskich i angielskich, w wyniku czego nie molna wnikn4i gtqbiej w istotq r62nic pomiEdzy poszczeg6lnymi metodami (np. str. 48, r y s . 3 . 3 o r a z w t e k S c i e : M U P P , M U D E , M U D D , M U S E ? , s t r . 7 6 T I A ? ) ;
- brak konsekwencji w nazewnictwie technicznym, mieszanie nazw polskich i angielskich ( n p . s t r . 3 5 : m a s z y n a w e k t o r 6 w n o 6 n y c h , l a s 6 w l o s o w y c h , G e n t l e B o o s t , k - najbli2szy ch s4siad6w .. . ");
- zbyt duza objqtoSi dodatk6w do pracy, chocia2 czgsciowo usprawiedliwiona rozlegloSci4 remaryczlt4 przeprowadzonych badari oraz mnogoSciq uzyskanych wynik6w cz4stkowych i koniecznoSciq ich komentarza (dlaczego dodatek B przedstawiaj4cy na 33 stronach wyniki grantu MNiSzW z lat 2007 -2009 jest aL tak waLny?);
- wystEpuj4 w niej blqdy terminologiczne, np. stosuje siE termin ..reprezentacje czasowo- czqstotliwoSciowe" w stosunku do obraz6w, zamiast terminu ,,reprezentac.ie przestrzenno- c z q s t o t l i w o S c i o w e " ;
- stosowane sq LIe brzmiqce, moim zdaniem, okreSlenia, np. objawy ,.imituj4ce" udar - raczej przypominajqce udar, podobne do udaru (imitacja, moim zadaniem, to akt ,,tw6rczy", trzeba tego chcie6 )'
5. Przyklady blgd6w redakcyjnych
str. 4 raiqce btEdy stylistyczne i btEdy formatowania tekstu podczas opisywania proponowanej metody (zdecydowanie za duze odstgpy pomigdzy podpunktami, niegramatyczne sformulowanie: ,,poprawQ rnolna uzyskai poprzez: a) wykorzy- s t a n i u . . . , b ) d o b o r o w i . . . , c ) o d n i e s i e n i u . . . , d ) w y k o r z y s t a n i u . . . " ) ;
str. 4 nieprecyzyjne, niezrozumiale okreSlenie ,"odniesienie do formalizowanych modeli d i a gn o sty c zny ch", fo rm a I n yc h, s fo rm a I i zowan y c h ?
str. 6 ,,przemijajqcy atak niedokrwienny m6zgu... diagnozowane jest ono" ) ,,diagnozowany j e s t o n " ;
str. 8 miys-,zlglnoSi wykrycia" ) ,,zdolnoSci wykrycia";
s t r . 8 , , t l S t . 0 p ) " - z b E d n y n a w i a s ;
str. 9 choroby naczyniowe sq 3 pod wzglgdem" - lepiej ,,trzecie"; ,,w ciqgu roku umiera co 3 " - l e p i e j ,, c o tr z e c i a o s o b a " ;
str. I | ,.2 objawami imituj4cymi udar", raczej,,z objawami podobnymi do objaw6w udaru".
,,przypomi naj qcymi udar";
str. l3 niepoprawna interpunkcja: brak przecink6w przed ,,wyznaczanych (prog6w)", . . o d p o w i a d a j 4 c e ( o g n i s k o ) " ;
s t r . l3 s t y l : , , t r w a i k i l k a g o d z i n y " ;
str. l4 niepoprawna interpunkcja: brak przecink6w w zadaniu ,,Badaniem z wyboru (,) wykonywanym w razie podejrzenia udaru m6zgu (,) iest tomografia komputerowao'.
najczgstszy bl4d w calej pracy poniZej nie bede iui: podawal kolejnych przyklad6w;
str. 20 pierwsze litery nazw, wystgpujqcych w poszczeg6lnych blokach schemat6w blokowych przedstawionych na rysunkach 2.1 i 2.2, w wiEkszo6ci przypadkow powinny byi pisane z du|ej litery;
str. 23 niepoprawny styl: ,.pierwszy etap w konstruowanym systemu komputerowegoo';
str.24 niepoprawny styl: .,zmiana pola wynioslaz0,875 na0,929";
s t r , 2 9 , , O b l i c z e n i a w y k o n a n o . . . , g d z i e lo k a l i z o w a l i r e g i o n .. . 0 ' + ,.lokalizowano";
s t r . 3 5 b r a k k o n s e k w e n c . i i w n a z e w n i c t w i e , r a z n a z w y p o l s k i e , r a z a n g i e l s k i e : o , m a s z y n a w e k t o r 6 w n o 5 n y c h , l a s 6 w lo s o w y c h , G e n t l e B o o s t " ;
s t r . 3 9 , , c z a s o w o - c z E s t o t l i w o S c i o w y c h " ) , , p r z e s t r z e n n o - c z g s t o t l i w o S c i o w y c h " ;
s t r . 4 l n i e je s t e m p r z e k o n a n y d o o z n a c z e f l W i 2 W ; w y d a j e m i s i g , 2 e o z n a c z e n i a l D i 2 D bytyby prostsze w ,,percepcji";
str. 44 ,,czasowo-czqstotliwoSciowych" ) ,,przestrzenno-czQstotliwoSciowych";
str. 46 w wydruku czarno-bialym rysunek 3.1c nie jest zbyt czytelny;
str. 47 nieelegancki zargon: ,,"mieszanina Gauss6wo' ) ,,mieszanina modeli gaussowskich";
str. 49 ,.operacjE zwigkszenie kontrastu" ) ,.zwiEkszenia";
str. 50 niezrozumiale:,.blgdnie niewysegmentowane";
str. 5l ,,2 objawami naSladujqcymi udar m6zgu" ) .,przypominaj4cymi", ,.podobnymi do";
s t r . 6 7 , , D a u b e s c i e s l 4 " ) , . D a u b e c h i e s l 4 " ( w n a z w i e t a b e l i 4 . 3 ) ; str.76 nie wytlumaczenie skr6towca TIA;
s t r . 7 7 . , i l o S c i p r 6 b e k " ) " l i c z b y p r 6 b e k " .
6. Wniosek koricowy
UwzglEdniaj4c niezaprzeczalne walory rozprawy, wymienione powyzej (w szczeg6lnoSci:
wysokq jako6i i oryginalno6i otrzymanych wynik6w, ogrom przeprowadzonych prac badawczych, fakt pozytywnej weryfikacji przedstawionych wynik6w w wielu wartodciowych publikacjach), zdecydowanie uwaZam,2e recenzowana rozprawa doktorska spelnia stosowne wymagania ,,Ustawy o stopniach naukowych i tytule naukowym" z wytatnym nadmiarem.
Dlatego wnioskujg o dopuszczenie Pana mgr in2. Grzegorza Ostrka do oficjalnej obrony oraz o wyr6znienie jego pracy,
4.-rA-, C Z 7 t t " ; e 0 , "
t 0
