SCHWANZER, M. Automatická klasifikace spánkových fází [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Předložená práce je zaměřená na automatické rozpoznávání spánkových fází v polysomnografických datech. Práce začíná poměrně rozsáhlou rešerší z oblasti sběru, analýzy a klasifikace spánkových dat. Hlavní výtkou k této části jsou chybějící odkazy na skoro polovinu položek ze seznamu literatury. Na základě teoretických poznatků bylo studentem odvozeno celkem 27 klasifikačních příznaků (z EEG, EMG a EOG). Pro následné trénování klasifikátorů bylo na základě statistické analýzy vybráno jen 16 příznaků; v práci ovšem chybí informace, o které příznaky se jedná. Oceňuji, že bylo studentem otestováno několik druhů klasifikačních algoritmů s variabilním nastavením jejich parametrů. Avšak implementace většiny těchto metod byla studentem provedena na poslední chvíli, což vedlo místy k vágnímu popisu samotných postupů či dosažených výsledků. Např., použitá konfigurace, kdy byly vynechaný dvě spánkové fáze, nemá praktický význam a je tak irrelevantní. Naopak, vzhledem ke specifickým hodnotám příznaků měřeným ve fázi hlubokého spánku N3, by bylo logické vymezit tuto fázi jako samostatnou klasifikační třídu, což bohužel nebylo v práci otestováno. Výsledné tabulky jsou často popsány nedostatečně či vágně anebo obsahují chybné názvy algoritmů v titulku (viz tab. 8, u níž není jasný význam hodnot ve dvou sloupcích, a tab. 4, v níž jsou fáze označeny jako „statisticky významné“ či „statisticky méně významné“, což nedává smysl). Některé části práce nebyly propracovány důkladně. Např. „bodové zobrazení“, kde je uvedena jedna ukázka bodového grafu pro jednu vybranou dvojici parametrů bez jasného závěru o tom, za jakým účelem a jakým způsobem byl tento typ vizuální analýzy využit v práci. Poměrně nízká aktivita studenta v průběhu semestru se odrazila negativně na formální stránce práce. V textu se často vyskytují gramatické chyby, překlepy, místy jsou vzájemně zaměňovány pojmy jako „třída“, „příznak“, „fáze“ a „parametr“. To vše komplikuje porozumění textu. Výsledky bohužel nebyly porovnány s jinými studiemi. I přes uvedené výhrady však považuji zadání práce za splněné. Práci doporučují k obhajobě a hodnotím ji stupněm D/67 b.
Cílem Diplomové práce byla automatická klasifikace spánkových fází. V kap.1 a 2 (str.2 až 11) je úvod do polysomnografie (PSG) a do základních rytmů signálu EEG, stručný popis spánkových stádií a poznámky ke snímání PSG signálů. Kompilační charakter má také kap.4 (str.20 až 29), kde je obecný popis v práci použitých klasifikačních metod. Chybí zde odkazy na práce jiných autorů zabývajících se automatickou analýzou PSG signálů. V kap.3 (str.12 až 20) uvádí autor postup automatické klasifikace spánkových fází a popisuje parametry, jejichž použitelnost pro klasifikaci dále testoval. Diplomant dostatečně nezdůvodnil relevantnost zvolených parametrů; odkaz na jednu diplomovou práci a skripta není postačující. V popisu jednotlivých parametrů se vyskytuje několik chyb. Např. je zde směrodatná odchylka mylně označena jako rozptyl, chybné jsou rovnice (3.6) a (3.7), navíc není vysvětlen rozdíl mezi těmito rovnicemi - podle pravých stran vyjadřují totéž, ale to není pravda; nejasný je vzorec (3.13), nesprávná je formulace „s klesající entropií roste celková informace“. V kap.5 autor popisuje výběr a posuzuje vhodnost zvolených parametrů pro analýzu PSG signálů (str.30 až 39). Použil sadu 24 PSG záznamů klasifikovaných (po úsecích 30 s) expertem do 5 tříd: bdění (W) a 4 spánkových fází (REM, N1, N2 a N3). Pro statistickou analýzu použil test ANOVA. V tab.3 (str.33) uvádí přehled testovaných 7 příznaků v časové oblasti a jejich vhodnost pro rozlišení jednotlivých tříd. Proč je tabulka, která je sama na hranici srozumitelnosti, doplněná jen o 2 krabicové grafy, když bylo testováno 7 příznaků? Ze samotných krabicových grafů je obtížné tabulku odvodit a navíc jí do jisté míry odporuje tzv. bodové zobrazení na obr.18 (str.37). Pro testované příznaky v kmitočtové oblasti byla vytvořena obdobná tabulka (tab.4, str.35). Příznaky v podobě relativních výkonů v jednotlivých frekvenčních pásmech signálu EEG zde jsou chybně označeny jako spektrální hustoty výkonu. Krabicové grafy autor uvádí jen pro 3 z 6 příznaků. Krabicové grafy mají navíc jinou podobu, než autor popsal na str.30. Výsledky klasifikace autor prezentuje v kap.6 (str.39 až 48). Ke klasifikaci použil tři různé metody v různých variantách. Využil k tomu funkce dostupné v prostředí Matlabu. V této závěrečné části práce jsou drobné nesrovnalosti. Grafy na obr. 22, 23 a 25 znázorňují úspěšnost klasifikace do tří fází (W, REM a N1), ale chybí vysvětlení, proč byly vynechány zbylé dvě fáze. Odkaz na tab.10 je chybný a odkaz na tab.11 v textu chybí. V této části práce chybí porovnání dosažených výsledků s pracemi jiných autorů, což znamená nesplnění posledního bodu zadání Diplomové práce. Ostatní požadavky formulované v zadání práce autor splnil. K formální úrovni práce mám následující připomínky: v textu je řada gramaticky chybných vět (jen v Závěru je na jedné stránce sedm chybných vět a jedna chyba věcná), popisy u řady obrázků jsou příliš drobné, a proto špatně čitelné. V seznamu literatury je 31 zdrojů, u 7 z nich chybí rok vydání, na 12 citovaných publikací se v textu nevyskytuje žádný odkaz. Práce vyvolává dojem, že byla dokončována v časové tísni. Nicméně přes uvedené nedostatky hodnotím Diplomovou práci jako vyhovující a doporučuji ji k obhajobě.
eVSKP id 118469