PIVNIČKA, M. Implementace nové metody do modelu strojového učení na lokalizaci epileptického ložiska u pacientů s farmakorezistentní epilepsií [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Předložená práce je studentem Martinem Pivničkou řešená v těsné spolupráci s ICRC FNUSA, odkud pochází zadání. Rešerše je vypracována s využitím dostatečného množství odborné relevantní literatury a je kvalitní. Struktura práce je logická, kapitoly na sebe dobře navazují. Text je dobře čitelný. V praktické části se student zaměřil na seznámení se s dostupnou databází iEEG a klasifikační metodou dříve implementovanou týmem konzultanta. Implementoval vybrané potenciálně přínosné klasifikační příznaky v prostředí Python a dané řešení optimalizoval tak, aby bylo kompatibilní s již dostupnými algoritmy. Dále vyhodnotil vliv zařazení nově odvozených příznaků na úspěšnost původního klasifikátoru a výsledky srovnal s původním řešením a vhodně interpretoval. Podrobný popis použitých metod je doplněn o dostatečné množství kvalitních ilustrací a přehledných blokových schémat. V případě publikace dosažených výstupů bych doporučila doplnit vizuální analýzu příznaků z gama oblasti iEEG objektivní statistickou analýzou. Z formálního hlediska je práce na výborné úrovni. Zadání je splněno bez výhrad. V průběhu semestru byl student samostatný, iniciativní a pečlivý. Postup řešení probíral především s konzultantem, který je s přístupem studenta a jeho výstupy velice spokojen. Dosažené výsledky jsou hodnotné a tvoří dobrý základ pro případnou navazující práci. Hodnocení A/97 b.
Bakalářská práce studenta Martina Pivničky se zabývá implementací a testováním gamma detektorů pro detekci patologické aktivity v intrakraniálním EEG pro detekci "seizure-onset-zone (SOZ)". Teoretická část práce je logicky strukturovaná, čtivá a do hloubky představuje relevantní předchozí studie, na kterou tato práce navazuje. Student správně pracuje s literaturou a rešerše prokazuje hlubokou znalost zpracovávané problematiky. V praktické části student implementuje metody pro detekci gamma aktivity v jazyce Python a demonstruje na datech z 24 pacientů ze dvou pracovišť - Fakultní nemocnice u Svaté Anny v Brně a Montreal Neurological Institute and Hospital. Student dosažené výsledky správně vyhodnotil a interpretoval. Jak bylo ukázáno v této práci, výstup implementovaného detektoru poskytuje specifickou informaci relevantní pro detekci SOZ. Dosažené výsledky rozšiřují současný stav poznání a fakt, že jednoduché přidání Gamma detekcí do existujícího klasifikačního frameworku dramaticky nezvýší klasifikační úspěšnost, zvýrazňuje míru komplexity problému, kterým se student Martin Pivnička zabývá. Prezentovaná práce je velmi kvalitní, graficky i formálně na vysoké úrovni. Zadání je plně splněno a doporučuji k obhajobě s 95 body.
eVSKP id 150823