CIKÁNEK, M. Klasifikace spánkových stádii [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Študent Martin Cikánek sa v rámci svojej bakalárskej práce zaoberal problematikou klasifikácie spánkových štádií na základe PSG záznamu. Úvod práce tvorí prehľadný teoretický popis skúmanej problematiky so zameraním na klasifikáciu pomocou EEG a EMG signálov. Zaver teoretickej časti tak tvorí zrovnaním niekoľkých súčasne používaných klasifikačných metód. V nasledujúcej kapitole študent uvádza teoretický koncept navrhovaného algoritmu, ktorý v rámci praktickej časti realizoval a popísal. Záver praktickej časti práce obsahuje zhodnotenie relevantnosti skúmaných prvkov navrhnutého príznakového vektora v závislosti na rozlíšení nonREM, REM spánku a bdenia pomocou troch hodnotiacich prístupov. K teoretickej a praktickej časti práce nemám žiadne vážne pripomienky. Študent pristupoval k riešeniu aktívne, pravidelne využíval konzultácie, na ktoré chodil patrične pripravený s konkrétnymi otázkami. Po formálnej stránke je práca taktiež na dobrej úrovni ktorú zhoršujú len občasne menšie chyby. Celkovo pokladám zadanie za splnené a prácu hodnotím ako výbornú (A, 92 bodov).
Předložená práce Martina Cikánka se zabývá klasifikací spánkových stádií. Práce je členěna do sedmi kapitol na celkem 40 stranách. V úvodní teoretické části práce je popsán princip polysomnografických měření a jednotlivé vyhodnocované signály (EEG, EOG, EMG a EKG). Kapitolu 1 by bylo vzhledem k její délce jedné normostrany lepší přidružit ke kapitole 2. Při popisu rozdělení artefaktů EEG by bylo vhodnější použít podkapitoly 3. úrovně pro lepší oddělení textu. V další kapitole je popsán spánek – klasifikace spánkových stádií a poruchy spánku. Stěžejní část teoretické práce tvoří kapitola 4, která se zabývá automatickou klasifikací spánkových stádií. Zde mám několik poznámek. U rovnic 4 a 5 nejsou vysvětleny symboly M2, M3 a M4. U rovnice 6 je nesprávně uvedena horní mez sumy. U rovnic 7-9, 13, 14 opět nejsou jednotlivé symboly vysvětleny. Vztah 14 je navíc uveden chybně. Na závěr této kapitoly je provedeno srovnání v literatuře publikovaných přístupů a návrh vlastního algoritmu pro spánkovou klasifikaci. V praktické části práce je provedeno načítání signálu, výběr vhodných signálů a základní předzpracování signálu. Dále byla provedena extrakce příznakových vektorů pro jednotlivé signály v souladu s literární rešerší. Zhodnocení získaných příznakových vektorů byla provedena pomocí algoritmu ReliefF a dalších funkcí. Získané výsledky jsou rozsáhle diskutovány s ohledem na výběr nejvhodnějších ukazatelů pro klasifikaci. Z uvedených výsledků je patrna velmi vysoká variabilita nejvíce vypovídajících příznaků pro jednotlivé fáze spánku mezi testovanými pacienty. Po formální stránce je práce na průměrné úrovni. Vytýkám četné překlepy a prohřešky proti českému jazyku. Student v textu práce skoro vůbec neodkazuje na obrázky, což znesnadňuje orientaci čtenáře v textu. Práce čerpá z dostatečného množství kvalitních zdrojů. Práci hodnotím jako zdařilou a odpovídající bakalářskému stupni studia. Vzhledem k výše uvedeným výtkám hodnotím práci stupněm velmi dobře (B – 87 bodů) a doporučuji ji k obhajobě.
eVSKP id 102301