LÁZNIČKA, J. Aplikace hlubokého učení v detekci spánkové apnoe [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Práce studenta Jakuba Lázničky se zabývá problematikou hlubokého učení při detekci spánkové apnoe. Teoretická část práce shrnuje oblast spánkových poruch se zaměřením na spánkové apnoe. Zde oceňuji, že se student zbytečně nevěnoval obecným znalostem, ale zaměřil se konkrétně na hluboké učení a přehled použití v odborných článcích. V praktické části se nejprve student věnuje tvorbě datasetu z databáze MESA a následně pak testuje různé metody klasifikace s různými typy použitých signálů. Práci studenta hodnotím kladně, oceňuji zejména fakt, že se student samostatně vypořádal s řadou nástrah, jako jsou objem a nekonzistentnost celonočních PSG záznamů a s prostředím Matlabu, které v aktuálním stavu není 100% přizpůsobené pro aplikaci hlubokého učení na 1D záznamy. Student pravidelně informoval vedoucího o výsledcích a tyto konzultoval. Kladně lze hodnotit i dosažené výsledky, byť při redukování počtu použitých signálů úspěšnost rapidně klesá. Práci doporučuji k obhajobě a navrhuji hodnocení B, 88 bodů.
Studen Láznička se ve své diplomové práci zabýval využitím metod hlubokého učení pro detekci spánkové apnoe. V teoretické části práce se student zabývá spánkovými poruchami a jejich projevy a také principy hlubokého učení. V další části student představil vybrané studie zabývající se obdobným tématem společně s jejich výsledky. V rámci praktické části práce se student věnoval návrhu různých architektur modelů hlubokého učení a v neposlední řadě výběrem a přípravou dat, která zcela jistě zabrala velké množství času. Student si z několik různých databází sám vytvořil vhodný dataset pro testování a trénování modelu. V průběhu tohoto úkolu se musel vypořádat s řadou problémů vyplývající z nejednotnosti dat v nich, jako je například rozdílná vzorkovací frekvence signálů, synchronizace s anotacemi a nevyváženost dat. Oceňuji také kapitolu popisující signály vybrané pro testování, kde student detailně diskutuje výběr každého použitého signálu a uvádí relevantní odkazy na studie toto zdůvodňující. Student provedl návrh dvou architektur modelů a každý z nich vyzkoušel na několika kombinacích vstupních dat. Dosažené výsledky klasifikace spánkových poruch dosahují uspokojivých výsledků. Po formální stránce je práce na dobré úrovni. Dojem z práce kazí pouze to, že jsou v textu občas přítomny zřejmé stylisticky odlišné úseky – a to ty, které student text sepsal sám, a ty, kdy využil, možná zbytečně, chatGPT. Práci považuji za opravdu zdařilou. Velmi oceňuji, že student v mnoha kapitolách práce prokázal, že nad danou problematikou dokáže opravdu důkladně přemýšlet a své výroky doložit i relevantními literárními zdroji. Práci hodnotím stupněm B, 85 bodů.
eVSKP id 159774