VARGOVÁ, E. Hodnocení zdraví pomocí chytrých zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Studentka se ve své práci zabývá stanovením glykémie pomocí chytrých zařízení. Teoretická část práce je přehledně zpracována. Je v ní obsažen širší přehled parametrů pro hodnocení zdraví pomocí chytrých zařízení. Dále je text podrobněji zaměřen na glykémii, kterou si studentka vybrala pro praktickou část práce. V rámci praktické části studentka navrhla měřicí protokol a nasnímala data od 16 osob jak zdravých, tak s diagnostikovaným diabetem nebo prediabetem. Měření probíhala pomocí chytrého náramku Empatica a také pomocí chytrého telefonu. Jako reference byl použit glukometr. Data byla řádně předzpracována, dále byla vyhodnocena kvalita dat měřených chytrým telefonem, na což studentka použila algoritmus vytvořený v rámci její BP. Z PPG signálu bylo extrahováno 27 příznaků, z nichž byla pomocí dvou různých metod vybrána část pro další analýzu. V práci je vytvořeno několik modelů jak pro klasifikaci záznamů do dvou tříd (nízká/vysoká glykémie), tak pro stanovení konkrétní hodnoty glykémie. Úspěšnost modelů je vzhledem k množství dat hodnocena pomocí křížové validace. Modely jsou dále testovány na nezávislých datech z chytrého telefonu. Výsledky jsou přehledně zpracovány a diskutovány. Z výsledků vyplývá, že stanovení glykémie z PPG má potenciál. Po formální i obsahové stránce je práce na výborné úrovni. Od úvodu po závěr čítá 81 stran. Seznam literatury čítá 88 převážně zahraničních zdrojů. Práce byla z lékařského pohledu konzultována s MUDr. Zuzanou Novákovou, Ph.D. z LF MU. Výsledky této práce studentka publikovala v rámci studentské konference EEICT, za což získala 3. místo. Zadání práce je splněno. Nutno podotknout, že se jedná o experimentální práci a aktuální téma s velkým dopadem. Oceňuji aktivní, samostatný a systematický přístup studentky k práci.
Diplomová práce se zabývá velice aktuální a komplikovanou problematikou. Pro její zvládnutí musela studentka naměřit vlastní data, jelikož žádná vhodná dostupná databáze momentálně neexistuje. Práce má spíše experimentální charakter, jelikož výstupy se opírají o limitované množství dat. Kladně hodnotím rozsáhlou rešerši, kde studentka podrobně popisuje nejnovější přístupy, používané v této oblasti. Oceňuji komplexní přístup k řešení problému, kdy studentka použila dva typy zařízení (náramek a telefon) pro snímání dat, vyhodnotila kvalitu záznamů vlastním dříve vytvořeným algoritmem, implementovala algoritmy jak pro klasifikaci subjektů do dvou skupin, tak pro predikci hodnot glykemie, navrhla postup pro selekci vhodných klasifikačních příznaků a využila několik typů modelů strojového učení. Jednotlivé kroky zpracování dat a interpretace výsledků ilustrovala vhodnými obrázky, grafy a tabulky. V práci bych přivítala důkladnější srovnání PPG záznamů pořízených ze dvou různých zařízení, což by mohlo přispět při následné interpretaci výstupů. U predikce glykemie jsou rozdíly MAE v závislosti na hyperparametrech modelů zanedbatelné (řadově desetiny-setiny mmol/l), lze proto zvolit nastavení zajišťující minimální výpočetní náročnost postupů. Nesouhlasím se způsobem použitým pro snížení počtu dat od zdravých osob, kdy studentka zkrátila záznamy a rozdělila je na 10s úseky. Vhodnější by bylo ponechat původní záznamy a vybrat kratší úseky náhodně z různých části PPG, což by mohlo zvýšit variabilitu trénovacích dat. V abstraktu postrádám konkrétní výsledky s uvedením F1 skóre. Po formální stránce je práce na velice dobré úrovni. Vzhledem k trénování a testování modelů na datech změřených u malého počtu osob lze předpokládat, že dosažená úspěšnost algoritmů je nadhodnocená. I přesto považuji práci za velmi zdařilou. Výsledky poukazují na potenciál využití PPG snímaných pomocí chytrých zařízení pro odhalení pacientů s hyperglykemií. Práci proto hodnotím stupněm A/92 b.
eVSKP id 150871