Recenzj a ro zprawy do ktors kiej Panamgr

prof. dr hab. Marek R. Ogiela
Akademia G6rni czo-Hutnicza
al. Mickiewicza30
30-059Krakfw
Krak6w.dnia04.08.2014
r.
Recenzja ro zprawy doktors kiej
Panamgr KarolaPrrystalskiego
:
pt. ,,Detekcjai klasyfikacja barwnikowychzmian sk6ry na zdjgciach
wielowarstwowych"
Przedmiotem niniejszej recen4i jest rozprawa doktorska Pana mgr Karola Przystalskiego
zatfiitLowana ,,Detekcja i klasyfikacja barwnikowych zmian sk6ry na zdjgciach
wielowarstwowych". Recenzja zostala napisana na podstawie zlecenia Sekretarza Rady
Naukowej Instytutu Podstawowych Problem6w Techniki PAN prof. nzw. dr hab. inZ.
Zbigniewa Ranachowskiego(pismo z dnia 17.03.2014r.).
l, Zakres rozprawy i jej cel
Opiniowana tozprawa dotyczy zagadniehzwiqzanych z nowymi technikami komputerowej
analizy wielowarstwowych zobrazowan dermatoskopowych, ukierunkowanych na zadaria
wspomaganiadiagnostyki znamion sk6rnych oraz wyl<rywanianowotwor6w zloSliwych tzw.
czerniak6w.
Podstawowym celem naukowym badah przedstawionych w niniejszej rozprawie
doktorskiej, bytro opracowanie nowego podejScia do klasyfikacji zobrazowan sk6ry
iwykazanie jego przydatnoSciw diagnostyce dermatologicznej i onkologicznej. Stalo sig to
mozliwe poprzez opracowanie szeregu algorytm6w pozwalaj4cych na wstgpn4 analizE
zobrazowan znarion sk6ry, okre6lenie cech charakteryzuj1cych wystgpujqce znaniona
sk6rne oraz dokonanie w oparciu o wektor cech, klasyfrkacji znarrienia. Taka metodologia
zostaLaopracowana dla wielowarstwowych zobrazowafr sk6ry, uzyskiwanych za pomoc4
dermatoskop6w wykorzystuj4cych oSwietlenie znamienia r62nymi dlugoSciami fal,
i uwidaczniaj4cych r62ne reakcje kom6rek lub substancji na takie oSwietlenie. Do
rozpoznawania takich zobrazowari diagnostycznych Autor zaproponowal wykorzystanie
algorytm6w fraktalnych, wykorzystanych do opisu i klasyfikacji cech, pozwalqqcych
identyfikowal znaniona sk6rnejako prawidlowe lub mog4ceposiadadzmiany nowotworowe.
Realizacja postawionych cel6w wiqzala sig z wykazaniem slusznoScitezy badawczej
sformulowanej w nastgpuj4cyspos6bcyt.:
,,Fraktalne charakterystyki wielowarstwowych zdjgt znamion mogq byt u|yteczne w
diagnostycedermatologicznej i znaczqcopoprawit skutecznoi1rozpoznawania nowotwor1w
sk6ry"
Po zapoznaniu sig z rozprawq molna nabral pewnoSci, 2e zastosowanieautorskich
rozwi4zahpolegaj4cychna wykorzystaniu metod fraktalnych do analizy zobrazowanznarion
sk6rnych, wzbogaca wsp6lczesne mozliwoSci diagnostyczne i procedury wykrywania
czemiaka sk6ry. Opracowanetechniki pozwalajq na jakoSciow4 i iloSciow4 analizgwigkszej
liczby zobrazowah ni? wykorzystuje diagnosta w praktyce klinicznej, a takhe pozwalq4 na
stworzenie numerycznego opisu cech ksztah6w (nieregularnoSd, przeSwity etc.) dla
analizowanychznamion. To wlaSnie takie parametry pozwalajq,na zwigkszenie skutecznoSci
rozpoznawania szczeg6lnie trudnych i istotnych z diagnostycznego punktu widzenia
przypadk6wj akimi s4 czerniaki zloSliwe.
Warto takze podkreSlil, iZ podjgty przez Autora problem badawczy jest niezwykle
aktualny i wahny, a zaproponowane rczwipzania majq istotne znaczeniew tworzeniu nowych
rozwiqzan w zakresie zaawansowanychsystem6w rozpoznawania obraz6w i wspomagania
diagnostyki medycznej. Zaproponowanie autorskich technik opisu i klasyfikacji znamion
sk6rnych stanowi oryginalne osi4gnigcie Autora w dziedzinie informatyki.i ma duze walory
aplikacyjne.
2. Forma realizacji i uklad rozprawy
Rozprawa doktorska jest zwiEzlym opracowaniem skladaj4cym sig z 89 stron zawierajqcym
streszczenierozprary w jgzykach polskim i angielskim, wstgp orcz 6 rczdzialow gl6wnych i
bibliografig (w spisie kt6rej znajdul1 siE2 praceAutora).
Wstgp pracy zawiera wprowadzenie do zagadnieh zwiqzanych z okre$leniem
skutecznoSciprocedur diagnostyki medycznej, a takze postawion4 tezg badawcz1i zwiqzane
zniq cele naukowe wraz z kr6tk4 charakterystyk4 rozwi4zafi opisywanych w kolejnych
r ozdzialach dysertacji.
RozdziaL I zostat poSwigcony wprowadzeniu do tematyki zachorowalnoSci na
czerniaka sk6ry, a takhe szerszemu om6wieniu zagadnieh zwiqzanych z diagnostyk4 tej
choroby za pomocq r62nych skali analizy znamionbarwnikowych.
Kolejny rozdziaN 2 prezentuje r6znorodne techniki klasyfikacji (np. SVM, sieci
neuronowe) obraz6w oraz molliwoSci ich wykorzystania do analizy znamion barwnikowych.
To wlaSnie na takich klasyfikatorach przeprowadzono badania w kierunku wykrywania
r o dzaju zmian barwnikowych sk6ry.
W rozdziale 3 om6wiono metody analizy fraktalnej, na kt6rych oparto autorskie
badaniaw zakresie analizy znarnionbarwnikowych.
Rozdzial 4 jest rozdziaNem dotyczqcym technik wstgpnego przetwarzania obraz6w
w tym technik konwersji pomigdzy modelami reprezentacji barw, oruz ptogowania i
binaryzacji.
Rozdziat 5 przedstawia otzymane rezultaty badawcze orazich por6wnanie dla dw6ch
rozwu2anychklasyfikator6w SVM i sieci neuronowych. Przedstawiatakle wnioski uzyskane
z prowadzonych badah oraz zestawienie nalwaZniejszych osi4gnig6 pozwalaj4cych na
v,rykazaniepostawionej tezy badawczej.
Rozdzial 6 prezentuje kierunki przyszlych baduh w realizowanej tematyce oraz
aplikacjg na urz4dzenia mobilne (Mobile Diagnostic) pozwalajqcq na ocenQ znamion
barwnikowych, atakheprzyszloiciowy model wdrozeniowy mobilnego dermatoskopu.
3. Oryginalne osi4gnigciabadawcze
Za najwu2niejszeoryginalne osi4gnigcia Autora, przedstawione w recenzowanejrozprawie,
uwu2am:
1. Opracowanie pelnej metodologii przetwarzania i analizy wielowarstwowych
zobrazowandermatologicznych znamion sk6rnych, kt6ra pozwolila na komputerow4
analizg i wspomaganie proces6w diagnostycznych wybranych zmian sk6rnych, a w
szczeg6lnoSci czemiaka. Zobrazowania wielowarstwowe nie byly jak dot4d
intensywnie badanepod k4tem ich komputerowego przetwarzaniai analizy.
2. Nowatorskq propozycjg analizy zobrazowan wielowarstwowych za pomocq metod
fraktalnych, kt6re wczeSniejnie byly wykorzystywane w takim celu. Metody fraktalne
pozwolily na iloSciowy opis cech dystynktywnych pozwalaj1cych klasyfikowad
znamronaw powszechnieuZywanej przezlekarzy skali liczbowej Huntera.
3. Empiryczne Wkazanie tezy o mozliwoSci skutecznego wykrywania czemiaka z
u?yciem metod fraktalnych, poprzez przeprowadzenie szeregu badah
eksperymentalnych na dostgpnych zobrazowaniach diagnostycznych. W tym
przypadku dokonano r6wniez ewaluacji wplywu poszczeg6lnychcech znamion (np.
wielko56 znamienia, nagromadzeniehemoglobiny, nacieki, ubyki kolagenu etc.) na
skutecznoSdprocesu ich klasyfikacji, atakze dokonanopor6wnania dw6ch wybranych
do badariklasyfikator6w.
4. Implementacjg w oparciu o przedstawione metody wykrywania czemiaka, aplikacji
mobilnej Mobile Diagnostic, dedykowanej do szybkiej analizy por6wnawczej nowych
zobrazowandermatoskopowych,pod k4tem sprawdzeniasiedmiu podstawowych cech
mog4cych wskazywa6 na posta6 nowotworow4 badanego znamienia. Jak r6wnie?
pracAw kierunku rozwiqzania patentowegodla nowego, mobilnego dermatoskopu.
4. Uwagi edycyjne
Recenzowanarczprawajest napisanaw jgzyku polskim i generalniecharakteryzujesig
starannoSci4oraz zwigzlym przedstawieniemtematyki prowadzonychbadan. Zawiera
materialilustracyjnyw postaciomawianychprzypadkoworaz zestawieniaotrzymlwanych
wynik6w.
przedstawionaw spos6bklarowny i systematyczny.Autor nie
Tematyka zostaNa
ustrzegl sig jednak przed popelnieniemkilku drobnych blgd6w edycyjnych zwiqzanych
j est:
z redakcj4pracy.WSr6dnichzauwu2alne
.
o
o
o
Niesp6jny opis odwolania do tabeli I na stronie 5, gdzie moilna przeczytal: ,,Wiersze
oznaczajq pozyfunq lub negatywnq diagnozg postawionq przez lekarza. Mohliwe diagnozy
postawione przez lekarza oraz ich weffikacje w wyniku badania histopatologicznego
przedstawia tabela 1. Kolumny oznaczajq charakter zloiliwy znamienia." Taki uklad zdah
zaburzanieco ci4gloS6logiczn4 treSci i przedstawiapewne niezbyt fortunne skr6ty my6lowe.
R6wnie2 na stronie 5 pojawiai4 sig wyjaSnia do6i oczywistych klasyfikacji przypadk6w TP,
TN, FP, FN.
Na stronach 9, 23, 26 Autor uLlrwa rozwinigcia skr6tu SVM jako ,mas4yrra wektor6w
podpieraj4cych", chociaZ w literaturze polskojgzycznej bardziej utarlo sig okreSlenie
,,maszyna wektor 6w wsp i eraj qcych" ltb, )maszyna w eh or 6w nolnyc h" .
Blgdy literowe:
o str. 9. ,,W badanych przypadkach klasyfikatory maj4 charakter binarny, poniewa2
podejmowanie decyzji,,zdrowy" l" chory" majq (ma) charakterbinarny".
o str l3ll4,,Umoziwia (umoZliwia)takhezapamigtywanie...".
o str. 35 ,,2 tego powodu zrezygnowano z pudelko (pudelka) o dluZszych
krawgdziach...
".
o str. 41 ,,Jakwpsomniano(wspomniano)wczeSniej..."
str. 45 ,,Maksymalnadlugo6ci4krawgdzie(dfugoS6krawgdzi)jest (wynosi) 512
pikseli, aczkolwiekze wzglldy (wzglgdu)na duLrybl4d przy tej wielkoScikrawgdzie
(krawgdzi),maksymalnadlugoSi krawgdzie(krawgdzi)wynosii (wynosi) jedynie
256pikseli".
sig przedorazpo rysunku2.4.
str. 29130brak ci4gloScilogicznejtekstupojawiai4cego
str 38. bl4d w podpisie rys 3.3 ,,Obrazy zbinaryzowaneprzedstawiai4ceprzykladowe
strukturytakich cechjak jasnekropki (a), wzorcam6zga(b) {powinnobyi (c)} oraz naczyh
(c) {powinnobyd(e)}.
krwionoSnych
podtabel4zamiastnadni4.
str.44 opistabeli3.1 blgdnieumieszczony
str. 47. w opisie do rysunku 4.2 pojawia sig okreSlenie,,na lewo od niebieskiejlinii
'
(przykladowego
progu)",podczasgdy linia na rysunkuma kolor czamy.
o
.
.
o
.
Dostrzehone blgdy majq, znaczenre marginalne i nie wplywajq na merytorycznq,
pozytywn4 oceng dotyczqcqosi4gnigi Autora pracy.
5. Uwagi o charakterze dyskusyjnym
Po uwaZnym zapoznawaniusig z rozprawq da sig latwo zauwaLy{2e praca zostaNa
napisana
w spos6bbardzo systematyczny.
Czytajqc rozprawQ nasuwaj4 sig jedynie dwa pytania dotyczqce omawianych
zagadniei,tj.:
1. W przedstawionych rezultatach badawczych mozna zauwu2yt du24 rozpiEtoll
skutecznoSci rozpoznawania ro1nych cech, zalehnq od klasyfikatora oraz
liczebnoScizbior6w treningowych i testuj4cych. Czy w celu zwigkszenia og6lnej
skuteczno6cirozpoznanramoZliwe jest uwzglgdnienie rozwoju i zmian znamion
sk6rnych czyli wykorzystanie tzw. historii choroby?
2. Cry dla klasyfikator6w opartych na sieciach neuronowych poszukiwano
optymalnych rozwiqzai, badaj1c przydatnoS(, r62nych rodzaj6w sieci
fiednokierunkowe, ze sprzgZeniem zwrotnym), posiadaj4cych r62n4 topologig
polqczeh lub funkcje aktywacji? Takie paranetry sieci bardzo czgsto maj4 istotny
wplyw na skutecznoSdklasyfikacji.
6. Podsumowanie
Postawione pytania nie umniejszajq wartoSci merytorycznej opiniowanej rozprawy i nie
wplywaj4 na mojq ostatecznq,pozytyvtnq opinig o wartoSciowych osi4gnigciach Autora,
uzyskanych w badaniach nad wykazaniem tezy pracy. Przedstawione w rozprawie wyniki
mqq duhe znaczenie teoretyczne t praktyczne. Wzbogacaj4 one dostgpne techniki analizy
i klasyfikacji zobrazowan znamion sk6ry, pozwalajqc na szybsze i bardziej skuteczne
diagnozowanie zmian nowotworolvych w postaci czemiaka. Osi4gnigcia Doktoranta maJE
charakternowatorski i zostaNyprzedstawionew kilku publikacjach naukowych.
Podsumowuj4c moj4 recenzjg rtwazam, ze opiniowana rczprawa doktorska spetrnia
wymagania przewidziane dla rozpraw doktorskich w aktualnie obowi4zuj4cej Ustawie
o Stopniach Naukowych i o Tytule Naukowym, i wnoszg o dopuszczeniePana mgr Karola
Przystalskiego do dalszych faz przewodu doktorskiego, w celu nadania mu stopnia
naukowegodoktora nauk technicznych w dyscyplinie informatyka.
/"7'ry/Q