ONDREJKOVÁ, E. Odhad respirační aktivity z křivky elektrokardiogramu pomocí strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Studentka se ve svojí bakalářské práci zabývala odhadem dechové aktivity z křivky elektrokardiogramu pomocí strojového učení. V teoretické části práce provedla úvod do anatomie a fyziologie respirace a uvedla běžné způsoby, jakými se respirační aktivita měří. Provedla také obdobný úvod do činnosti kardiovaskulárního systému až po popis způsobu měření srdeční aktivity pomocí elektrokardiografie. Zmínila vliv respirace na EKG signál a vcelku detailně shrnula tři vybrané metody pro získání respirační křivky z EKG signálu. Následně navazuje popis dat a jejich přípravy včetně rozdělení, architektury sítě, tréninku a testu. Ukazuje také, kde vyvinutá metoda pracuje špatně a diskutuje proč. Práce má logickou strukturu a adekvátní rozsah 43 stran. Použité ilustrace, které nevytvořila autorka, mají ocitované zdroje; práce celkově cituje 20 zdrojů. Přílohy obsahují zdrojové kódy v jazyce Python, kde autorka zřetelně vyznačuje, které kódy jsou její vlastní a které poskytlo pracoviště vedoucího práce, případně které kódy přejala a dále upravila. Zásadním výstupem práce je model hlubokého učení s IOU 0.75±0.09 na datech zcela oddělených od tréninku, validace či ladění hyper-parametrů; lze jej tedy považovat za korektně zpracovaný a fungující. Studentka byla v počátcích práce spíše méně iniciativní; ve spojení s nepříjemnou chybou autorů zdrojových dat ze serveru PhysioNet (chybné a nahodilé sesazení EKG a respirační křivky) to vedlo na časovou ztrátu, které znemožnila experimentovat s různými formami předzpracování dat, architekturou použité sítě, či způsoby výstupu (skutečná dechová křivka namísto binárního výstupu pro nádechy). Nicméně i přes tuto nepříjemnost dosáhla prokazatelně funkčního modelu a musím vyzdvihnout její nasazení a sebereflexi při dokončování výsledků a sestavování textové podoby bakalářské práce. Studentka zadání práce splnila. Navrhuji známku B, 85 bodů.
Studentka nastudovala a ve své práci popsala problematiku odhadu respirační aktivity z křivky elektrokardiogramu s využitím strojového učení. V praktické části práce navrhla, realizovala a na datech z databáze Physionet řádně otestovala algoritmus umělé neuronové sítě s architekturou ResNet. Dosažené výsledky studentka diskutovala. Zadání bakalářské práce tak považuji za splněné. Po formální stránce je práce na dobré úrovni. Od úvodu po závěr má práce průměrných 30 stran, z čehož je polovina věnována praktické části. Práce obsahuje 20 zdrojů literatury. Vytýkám horší kvalitu některých obrázků (nebyla použita vektorová grafika), malé popisky os a chybějící jednotky (např. obr. 2.3, osa y) a drobné překlepy. Po odborné stránce je práce také na solidní úrovni. Navržená metoda, stejně jako způsob jejího učení, validace a testování jsou zcela v pořádku. Musím však vytknout absenci přímého porovnání dosažených výsledků s výsledky jiných autorů. Kvalitu dosaženého výsledku binární klasifikace respirační aktivity (IOU = 0.75 ± 0.09) je tak obtížné nezávisle posoudit. Vzhledem k uvedeným výhradám práci hodnotím stupněm dobře/C.
eVSKP id 142077