NOVÁKOVÁ, K. Klasifikace spánkových stádií [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.
Práca študentky Kateřiny Novákovej je zameraná na klasifikáciu spánku do troch štádií bdelosť (W), nonREM (NREM) a REM spánok. Keďže študentka bola schopná vytvoriť nie len pôvodne požadovanú príznakovú sadu, ale hneď niekoľko typov komplexných klasifikačných algoritmov, nevyžadoval som ďalej kvantitatívne hodnotenie zvolených príznakov, ale až celkového procesu klasifikácie. Predložené riešenie tak mojím zapríčinením úplne nespĺňa pôvodne zadanie. Každopádne práca odvedená študentkou behom oboch semestrov podľa môjho názoru náročnosťou a rozsahom presiahla pôvodné nároky a splnila tak moje očakávania nadštandardne. Všetky nadobudnuté výsledky sú v práci patrične popísane a zdokumentované písomne či graficky. K aktivite študentky behom riešenia nemám žiadne výhrady. Konzultácie využívala pravidelne a prichádzala na ne patrične pripravená. Po odbornej a formálnej stránke je práca na dobrej úrovni len s občasnými drobnými nedokonalosťami. Celkovo hodnotím prácu študentky ako výbornú a navrhujem známku A (95 bodov).
Studentka se věnovala automatické klasifikaci spánkových stádií za použití EEG a EOG záznamů. Práce obsahuje kvalitní rešerši s použitím velkého množství literatury. Po formální stránce je práce na velmi dobré úrovni. K obsahu mam ovšem některé výtky. Stěžejní část práce je věnována klasifikaci jednotlivých spánkových stádií, která není obsahem zadání. Naopak chybí statistická analýza vybraných parametrů, která je součásti zadání a mohla by přispět k výběru parametrů vhodných pro klasifikaci a taky interpretaci dosažených výsledků automatického skórování. Z průběhů EEG parametrů (viz Obr. 13 a 14) je zřejmá jejích korelace. Navíc, jeden z EOG parametrů je korelován s většinou EEG parametrů. Je tedy otázkou, zdali analyzovaný signál EEG z FzCz kanálu neobsahoval velké množství EOG artefaktů, což je velmi pravděpodobné v případě W a REM fází. Zmíněné grafy ovšem postrádají informaci o distribuci spánkových fází, což značně komplikuje interpretaci tohoto jevu. Pro účel porovnání několika metod by bylo rozumnější zaměřit se jen na jeden typ klasifikátoru, na kterém by se otestovaly různé soubory parametrů. Porovnání několika postupů lišících se jak parametry, tak klasifikačními algoritmy je velice obtížné a může vést k vágním závěrům o použitelnosti jednotlivých metod. V rovnicích pro vypočet maximální a minimální hodnoty výkonového spektra je zbytečně zabudován převod hodnot výkonového spektra na jejích absolutní hodnotu. Bylo otestováno několik klasifikačních postupů s různým nastavením počtu neuronů v jednotlivých sítích, s různě vybíranými trénovacími a testovacími vektory parametrů a v některých případech se podařilo dosáhnout dobrých výsledků klasifikace. Výsledky jsou řádně prezentovány v podobě grafů a tabulek. Nechybí porovnání účinnosti jednotlivých metod s metodami jiných autorů a taky diskuze dosažených výsledků. Přes uvedené nedostatky oceňuji objem a kvalitu odvedené práce, proto ji hodnotím stupněm C/75 b.
eVSKP id 93499