BARTOŠ, D. Stanovení kvality a tepové frekvence ze signálů PPG snímaných z obličeje pomocí chytrého telefonu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Bakalářská práce Daniela Viliama Bartoše je poměrně obsáhlá jak po teoretické, tak po praktické stránce. Student v práci vytvořil dvě metody pro stanovení kvality PPG celkem čtyři metody pro stanovení tepové frekvence. Práce obsahuje řadu nejasností a otázek. Abstrakt je velmi stručný a postrádá důležité informace. V kapitole 3.3 student uvádí, že pro dosažení lepších výsledků snímání PPG je potřeba kalibrace zařízení. Není zde ale uveden žádný zdroj, ani toto tvrzení není zohledněno v praktické části práce. V kapitole 4.2 píše student o filtrovaném signálu, přičemž není uvedeno, jak byl signál filtrován. Výhrady mám k vzorci 4.5, kde chybí index N nad sumou a správnost celého vzorce závisí na tom, jak vypadá onen filtrovaný signál. Vzorce 5.2 a 5.3 neodpovídají těm, které jsou uvedeny v citovaném zdroji. Z protokolu měření nejsou zřejmé některé důležité informace jako je např. ohnisko objektivu kamery, výšková pozice kamery vzhledem k obličeji měřeného, světelné podmínky v okolí. Autor uvádí, že pro automatickou detekci obličeje byla zvolena metoda podle článku [37], kterou blíže nepopisuje. Nemůžu souhlasit s tím, že na obrázku 8.1 je znázorněno blokové schéma stanovení kvality PPG. Titulek rovněž neodpovídá obsahu a blokové schéma nedává smysl. Z popisu algoritmů stanovení kvality záznamů není jasné, jaké signály do obou modelů vstupovaly (surové PPG, filtrované PPG, derivace). Popis stanovení referenční kvality je uveden mezi řádky, což je matoucí. Není zde blíže popsán způsob synchronizace EKG a PPG. Není jasné ani použití PCA. Ve výsledcích stanovení kvality chybí metriky jako F1 skóre, senzitivita, specificita – ty jsou uvedeny až v závěru práce. Když už si student dal práci s testování různých nastavení modelů, je škoda, že má v práci jen některé výsledky a některé závěry pouze konstatuje bez podložení výsledky. Vzorec 9.4 není uveden v citovaném zdroji [45]. V závěru práce student uvádí, že bylo provedeno snímání za různých podmínek. V práci je však popsáno, že měření bylo prováděno před a po provedení 30 dřepů. Nicméně s tímto údajem se dále nepracovalo. 6. bod zadání tedy považuji za částečně nesplněný, protože přesnost stanovení TF není vyhodnocena s ohledem na podmínky snímání, ale pouze na kvalitu dat. Od úvodu po závěr práce čítá solidních 51 stran. Je logicky členěna až na kapitolu 10, která by se lépe hodila do teoretické části práce. Seznam literatury čítá 48 relevantních položek, z nichž 13 časopiseckých zdrojů je z posledních 5 let. Citace jsou nekonzistentní a místy chybí některé informace či kurzíva. Práce obsahuje některé gramatické chyby či překlepy, které však výrazněji nesnižují její čitelnost. Nejsou vysvětleny některé zkratky (např. ROC, SS, POS). V obrázcích 6.2 a 7.8 je špatně uvedena jednotka napětí na ose y (mají to být mikrovolty). Místy jsou v práci zbytečná volná místa. Student pracoval samostatně a svou práci konzultoval minimálně. S ohledem na výše a nesplnění jednoho bodu zadání doporučuji práci k dopracování a hodnotím stupněm F/45 bodů.
Student Daniel Bartoš vypracoval bakalářskou práci zaměřenou na zpracování signálů PPG snímaných kamerou mobilního telefonu. Teoretické kapitoly práce jsou přehledně členěny a srozumitelně sepsány. Našla by se místa, kde by bylo možné popis zestručnit ale je jich malé množství. V teorii se také objevují performance metriky, které nejsou v práci nijak využity (Specificita, Senzitivita, F1 skóre). Student naměřil vlastní databázi videí, ze kterých extrahoval signály rPPG. Z popsané metodiky není zcela jasné, jak probíhala synchronizace EKG a PPG, když oba signály byly snímány jinými přístroji. Signály jsou předzpracovány a jsou z nich odvozeny příznaky pro model umělé inteligence. Prvotní rozdělení na kvalitní a nekvalitní signály probíhá pouze na základě rozdílu tepové frekvence mezi PPG a EKG. Pro vizualizaci student přikládá snímek 8.3, ze kterého je patrné, že signály by byly jen těžko oddělitelné pomocí prvních dvou komponent. Nabízí se tedy otázka, zdali je tento způsob dělení signálů na kvalitní a nekvalitní vhodný. Při hodnocení úspěšnosti KNN je zmíněno, že byly zvoleny různé kombinace příznaků, to, ale není v práci ani přílohách doloženo. Pomocí statistického testu je ukázáno (tabulka 8.1), že některé příznaky by samy o sobě mohly mít dobrou diskriminační vlastnost, tato skutečnost, ale není nikde reflektována. Celkově lze práci hodnotit jako zdařilou. Napříč tomuto hodnocení je nutné konstatovat, že bod číslo 6 zadání není splněn a tudíž hodnotím práci stupněm F, 40 bodů a doporučuji k dopracování.
eVSKP id 159683