JEŽEK, D. Stanovení kvality a odhad tepové frekvence ze signálu PPG nasnímaného chytrým telefonem z ucha [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Student se ve své práci zabývá stanovením kvality fotopletysmografických (PPG) signálů snímaných z prstu a ucha pomocí chytrého telefonu a také odhadem tepové frekvence (TF) z těchto signálů. Teoretická část práce je plně dostačující. Je zde mimo jiné popsán fyzikální princip snímání PPG a vlastnosti tohoto signálu. Také je zde uvedeno několik metod pro stanovení kvality a TF z PPG. V rámci praktické části student nasnímal data od 10 dobrovolníků. Každé měření trvalo 9 minut, bylo prováděno několik aktivit a paralelně se snímaly: PPG signál z ucha pomocí chytrého telefonu, EKG, akcelerometrická data, dechová křivka, saturace krve kyslíkem, krevní tlak a glykémie. Tato data student synchronizoval a připravil pro anotování experty. Zde oceňuji, že student nasnímal část dat nad rámec zadání BP. Dále student implementoval algoritmus pro stanovení tepové frekvence z PPG založený na vlnkové transformaci. Student také vytvořil algoritmus pro hodnocení kvality PPG signálu založený na 5 pravidlech. Oba algoritmy otestoval na dvou databázích – BUT PPG databázi (z prstu) a vlastní databázi PPG záznamů z ucha. Dosažené výsledky porovnal s referencí, řádně popsal a diskutoval. Tato BP je inovativní v tom, že student snímal a zpracoval PPG signály měřené chytrým telefonem z ucha a zjistil, že tato data nejsou pro další použití ideální. Práce je konzistentní a kapitoly na sebe logicky navazují. Jedinou výtku mám k umístění popisu BUT PPG databáze, která je až v kapitole 9 Vyhodnocení výsledků. Chybí mi zde také ukázky signálů z této databáze. Z formálního hlediska je práce na dobré úrovni. Od úvodu po závěr má solidních 40 stran a je v ní čerpáno z 22 převážně zahraničních literárních zdrojů. Vytknout zde mohu jen horší viditelnost/čitelnost některých obrázků. Student k práci přistupoval zodpovědně a aktivně během celého roku. Zadání práce je splněno.
Student David Ježek ve své práci představuje metodu pro stanovení kvality PPG a pro následný odhad tepové frekvence. V teoretické části práce student popisuje všechny informace potřebné pro vypracování praktické části. Důležité jsou především kapitoly 3 až 5. Do dalších (nejen) vědeckých prací studentovi doporučuji nezabíhat v teoretickém úvodu do podrobností v tématech, která se netýkají práce – kapitoly 1 a 2 mi přijdou zbytečně rozsáhlé. V praktické části student ve spolupráci s dalšími studenty nasnímali signály od celkem 40 subjektů. Princip realizovaného algoritmu je popsán srozumitelně a je také dokumentován vhodnými obrázky. Vytvořené algoritmy pro odhad kvality signálu a tepové frekvence student testoval a optimalizoval na této nasnímané databázi a také na jedné externí databázi. V práci není jasně uvedeno, která databáze/jak velké části databáze byly použity pro optimalizaci algoritmu a kolik signálů bylo použito pro testování. Ve výsledcích algoritmu pro odhad tepové frekvence bych ocenil více metrik pro vyhodnocení. Například průměrný rozdíl (bez absolutní hodnoty) a směrodatnou odchylku. Pomocí použité metriky nelze vyhodnotit, jestli algoritmus měří vyšší nebo nižší hodnoty než skutečné. Výsledky jsou dostatečně diskutovány včetně porovnání s jinými autory. U tabulky 9.4 není jasné, zda se jedná o hodnoty stanovené algoritmem nebo hodnoty referenční. Pravděpodobně se jedná o referenční hodnoty, a tedy by měly být uvedeny dříve u popisu databáze. Po formální stránce lze práci vytknout sníženou kvalitu některých obrázků a špatné odkazování na obrázky v textu (nesedí čísla obrázků). Zadání práce je splněno. Navrhuji známku A, 90 bodů. Otázky k obhajobě: 1. V práci píšete, že algoritmus byl testován a optimalizován na dvou databázích. Kolik přesně signálů bylo použito pro testování a kolik pro optimalizaci? Pokud byly všechny použity pro optimalizaci, zvažte v příští práci použití další externí databáze, pro stanovení tepové frekvence z PPG by byla jistě nějaká dostupná. 2. V tabulce 9.2 se ukazuje, že algoritmus označil jako kvalitní velké množství záznamů, které anotátoři označili jako nekvalitní. Jaká je úspěšnost stanovení tepové frekvence u této podmnožiny záznamů? Není možné, že algoritmus zde vyhodnocuje tepovou frekvenci správně a mýlili se anotátoři?
eVSKP id 142065