SUJOVÁ, H. Detekce a klasifikace artefaktů v PPG signálu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Studentka se ve své práci zabývá aktuálním a nepříliš probádaným tématem klasifikace artefaktů v PPG záznamech. Toto téma vychází z komplexnějšího studentského projektu v rámci FEKTTeams, na kterém se studentka podílela. Teoretická část práce je podrobná a přehledně zpracovaná včetně ilustrací. Obzvláště oceňuji kapitolu 5, kde je popsán i stav problematiky v praktické rovině reálných mobilních aplikací. V rámci praktické části práce studentka nasnímala na 10 dobrovolnících sadu vlastních dat obsahujících různé artefakty. Samotné snímání i zpracování dat je dobře popsáno. Chybí mi zde akorát podíl autorky (vzhledem k tomu, že na tvorbě databáze se podílely čtyři studentky). Oceňuji pečlivou práci na vzniku a kompletaci této databáze, která díky tomu bude dále využita pro vědecké účely a rozšíří BUT PPG databázi publikovanou na PhysioNetu. Následně byly jednotlivé typy artefaktů analyzovány a hledány obecné rysy, které by je mohly odlišovat. To bylo provedeno z hlediska morfologie a také spektra. V kapitole 8 věnující se extrakci a výběru příznaků bych ocenila větší míru detailu a také výčet všech příznaků. Popis postupu klasifikace mi přijde místy chaotický a ne vše je z něj zcela jasné. V kapitole 8.4 nerozumím, proč pro definici shluků byly použity jen tři příznaky a pro tvorbu samotných klasifikačních algoritmů pak bylo využito 142 příznaků. U popisu individuálního přístupu v kapitole 8.5 chybí zdůvodnění výběru 12 příznaků. Výsledky ukazují, že klasifikace artefaktů v PPG není triviální úkol. Důvody i možná vylepšení jsou řádně diskutovány. Studentka se tohoto úkolu nicméně zhostila velmi poctivě a kreativně (vzhledem k novosti tématu a malé opoře v literatuře) a daná BP je i přes horší výsledky dobrým základem pro další výzkum v této oblasti. Formální stránka práce je celkově na výborné úrovni. Rozsah práce je na BP velmi solidních 59 stran. Seznam literatury čítá 46 zdrojů, z nichž převážná většina jsou časopisecké články či konferenční příspěvky a 11 je z posledních pěti let. Je tedy dostatečný a adekvátní tématu práce, nicméně citace nejsou vždy konzistentní a dle normy ČSN ISO 690:2022 (např. chybějící kurzíva u názvů časopisů, uvádění celých jmen vs. iniciál). Zadání práce je splněno. Studentka pracovala během celého roku aktivně a systematicky a pravidelně svou práci konzultovala.
Studentka Hana Sujová se ve své práci zabývá klasifikací artefaktů v PPG signálech. Teoretická část práce o rozsahu 30 stran je zpracována kvalitně. Zaměřuje se na charakteristiku PPG signálu, jeho kvalitu a typické artefakty, které jej mohou ovlivňovat. Součástí rešerše je také přehled volně dostupných databází, které by bylo možné pro tuto problematiku využít. Pozitivně hodnotím i přehled mobilních aplikací využívajících PPG, včetně komentáře k tomu, jak se jednotlivé aplikace vypořádávají s kvalitou signálu, případně přítomností artefaktů. V praktické části (27 stran) studentka nasnímala PPG signály pomocí chytrého telefonu, zároveň i referenční EKG signály a další fyziologické parametry u 10 dobrovolníků. Data byla získána dle předem definovaného protokolu a s největší pravděpodobností budou zařazena do již existující databáze ÚBMI, zveřejněné na Physionetu. Kromě vlastních dat studentka pracovala také s veřejně dostupnou databází BUT PPG. Celkem bylo využito 2404 desetisekundových záznamů obsahujících 7 různých typů artefaktů. Následně spočítala 193 různých příznaků. Studentka provedla vizuální analýzu artefaktů u jednotlivých příznaků pomocí boxplotů a následně pro jejich redukci použila tři automatizované metody. Vytvořila několik klasifikačních metod založených především na strojovém učení. Pro lepší interpretaci výsledků byly jednotlivé typy artefaktů sloučeny do větších tříd. Nejlepšího výsledku (F1 skóre 34,3%) bylo dosaženo pomocí metody KNN při klasifikaci do sedmi tříd. Při sloučení artefaktů do menšího počtu tříd se úspěšnost klasifikace výrazně zvýšila. Studentka rovněž testovala vliv jednotlivých barevných složek PPG signálu na klasifikaci artefaktů. Bohužel se práce od kapitoly 8 (Metodika) hůře čte. Praktická část práce místy působí poněkud chaoticky a v některých částech ztrácí návaznost. Některé pasáže by zasloužily lepší zpracování. Například v kapitole 8.2, která se věnuje příznakům, je uveden pouze celkový počet spočítaných příznaků, následovaný stručným popisem tří metod pro jejich redukci: PCA, wrapper a korelační matice. Z textu však není patrné, která metoda jak přispěla k výsledné redukci, jaký byl postup, v jakém pořadí byly metody aplikovány, zda vůbec všechny, ani podle jakého kritéria byly příznaky odstraněny. Chybí také důležité detaily – například jaký byl zvolen korelační koeficient, co přesně znamená „odstranění příznaků s nejmenším průměrným korelačním koeficientem“ – tedy kolik příznaků bylo celkem odstraněno. Přesto je práce po formální stránce zpracována dobře. Oceňuji vlastní grafické zpracování obrázků. Studentka odvedla v praktické části značné množství práce. Je škoda, že zejména některé části druhé poloviny textu působí, jako by byly psány ve spěchu, což se odráží na jejich čtivosti a návaznosti. Ačkoliv výsledky klasifikace nejsou příliš přesvědčivé, je nutné vzít v úvahu, že se jedná o obtížnou a méně prozkoumanou oblast s velmi omezenou dostupností literatury. Zadání práce považuji za splněné.
eVSKP id 167519