BJELOVÁ, M. Detekce K-komplexů ze spánkových záznamů EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Studentka Martina Bjelová měla ve své bakalářské práci za úkol seznámit se s metodami detekce K-komplexů ve spánkovém EEG a vybrané metody následně realizovat na databázi signálů. V literární rešerši se studentka věnuje polysomnografii se zaměřením na EEG a následně pak možnostem detekce K-komplexů. V praktické části pak studentka aplikuje poznatky z teoretické části realizací pěti metod pro detekci K-komplexů a výsledky vhodně prezentuje. K práci nemám žádné vážnější výhrady, nízká účinnost detekce sice může působit negativně, tato problematika je ovšem komplikovaná i pro lidské experty. Přístup studentky hodnotím velmi kladně, práci pravidelně konzultovala, na konzultace docházela připravená a s vlastními nápady pro další postup či vylepšení použitých metod. Jako literární zdroje pak využívala především cizojazyčné odborné články. Jelikož bylo zadání splněno v plném rozsahu, doporučuji práci k obhajobě a navrhuji hodnocení A (90 bodů).
Předložená práce studentky Martiny Bjelové pojednává o detekci K-komplexů v spánkových EEG datech. Práce je členěna do čtyřech kapitol na 46 stranách. V teoretické části práce jsou popsány základy elektroencefalografie se zaměřením na snímání spánkového EEG. Hlavní část teoretické části se zaměřuje na metody detekce K-komplexu ve spánkových datech. I když se jedná o bakalářskou práci, očekával bych zde širší rešerši metod pro danou problematiku (práce odkazuje na 3 odborné články pro detekci K-komplexů. V praktické části studentka realizovala celkem pět metod založených na fuzzy prahování, TKEO a vlnkové transformace. Popis praktické části je systematický a dává čtenáři informaci jak o metodách samotných, jejich implementaci a vyhodnocení na databázi pacientských záznamů. K praktické části mám drobnou výtku ke kapitole 3.4, ve které není jasný postup filtrace pomocí vlnkové transformace (viz otázka oponenta). Dále není jasný výběr signálů – v úvodu kapitoly 3 se mluví o databázi 10 EEG záznamů, vyhodnocení je ale prováděno na pěti signálech. Výsledky práce lze hodnotit jako průměrné, nicméně z dat poskytnutých studentkou je zřejmé, že při hodnocení K-komplexů se neshodují ani experti. Po formální stránce je práce na vyhovující úrovni. Vytýkám pouze „nematematický“ zápis některých rovnic, které jsou zapsány v jazyce Matlab (např. rovnice (3.5), (3.7) a další). Předložená práce splňuje všechny požadavky, které jsou kladeny na závěrečné práce, a můžu ji proto doporučit k obhajobě. Navrhuji hodnocení známkou velmi dobře (B – 87 bodů).
eVSKP id 118304