ŘEHOŘKOVÁ, I. Anotace kvality záznamů EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Studentka se ve své práci věnovala problematice odhadu kvality záznamu EKG a jeho anotaci. V teoretické části práce popsala možné druhy přítomného rušení, známé metody používané pro odhad kvality záznamů EKG a dostupné databáze. V praktické části práce se potom věnuje návrhu dvou vlastních metod a jejich testování na umělých datech a datech z databáze BUT QDB. Zadání diplomové práce tak považuji za splněné. Po formální stránce je práce na průměrné úrovni. Od úvodu po závěr má práce solidních 53 stran textu, z čehož je 31 stran věnováno praktické části. Musím vytknout zejména často chybějící křížové odkazy na použité obrázky a tabulky v textu. Vhodnější by bylo také jejich číslování podle kapitol, jako je tomu u vzorců. Vytýkám také zhoršenou kvalitu a špatné popisky os u některých obrázků (např. obr. 26). Práce obsahuje 29 zdrojů převážně zahraniční literatury. Po odborné stránce je práce také na průměrné úrovni. Obě navržené metody jsou řádně popsány a otestovány. Dosažené výsledky obou metod by bylo vhodné také přímo porovnat s přesností jednotlivých expertů vůči jejich konsensu. Studentka během semestru pracovala poměrně samostatně a využívala konzultací ke kontrole dosažených výsledků. Celkově práci hodnotím stupněm dobře/C.
Diplomová práce se zabývá odhadem kvality EKG signálu a představuje návrh dvou vlastních metod pro jeho kontinuální hodnocení, implementovaných v prostředí Matlab. V teoretické části autorka podrobně analyzuje různé typy rušení, která mohou ovlivnit kvalitu EKG záznamu, a věnuje se přehledu existujících přístupů k odhadu kvality signálu. Praktická část obsahuje návrh vlastních algoritmů, jejich implementaci a testování. K první metodě založené na odhadu SNR mám několik vážnějších připomínek. První spočívá ve zvoleném stupni rozkladu 3 vlnkového filtru, který považuji za velmi nízký. Spolu se vzorkovací frekvencí 1kHz to znamená, že rušení o frekvenci menší než 62,5 Hz neovlivní výsledný odhad SNR. Ani volba dalších parametrů vlnkového filtru jako je vlnka, typ prahování atd. není v práci hlouběji zdůvodněná. Metoda využívá dva prahy pro odhadnutý SNR signál k rozlišení tří tříd kvality. Spodní práh je stanoven napevno na 10 dB, horní je závislý na odhadu SNR a stanoví se jako průměr SNR hodnot. Tuto volbu nepovažuji za příliš šťastnou. Znamená to, že i když bude celý signál nasnímán ve vysoké kvalitě, algoritmus klasifikuje právě polovinu signálu do horší třídy kvality. Ke druhé metodě založené na strojovém učení, vážnější výhrady nemám. Nicméně z mého pohledu chybí hlubší rozbor využitých příznaků, jejich síla, korelace atd. Obě navržené metody jsou i přes jejich nedostatky funkční a otestované na standardní databázi. Přímé srovnání jejich úspěšností znesnadňuje fakt, že pro jejich hodnocení byla nepochopitelně použita rozdílná metrika. V práci chybí i diskuse nad tím, jak si algoritmus stojí při porovnání s algoritmy uváděnými v kapitole 3. Z formálního pohledu má práce rovněž mnoho nedostatků. V textu často chybí odkazy na obrázky, text se odkazuje pouze vágně níže/výše, případně vůbec. Export obrázků z Matlabu je nekvalitní. Hodnoty v tabulky 5-2 až 5-17 jsou uvedeny bez jednotek, naopak jednotky při zobrazování EKG signálů naznačují, že by signál měl dosahovat výchylek 2 V. Práce na některých místech používá vágní, nepřesné nebo netechnické vyjadřování. Přes uvedené výhrady práce ukazuje schopnost samostatně řešit technický problém, má praktický přesah a zvolenému tématu se věnuje v odpovídající šíři. Diplomovou práci proto doporučuji k obhajobě.
eVSKP id 167550