MATOUŠEK, Š. Metody detekce spánkových vřeten ze záznamů EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Student Šimon Matoušek se ve své práci zabýval detekcí spánkových vřeten v záznamech EEG. Úvodní část práce obsahuje teoretický rozbor problematiky elektroencefalografie, grafoelementů a možnostmi detekce spánkových vřeten. Tato část je dostatečně podrobná a nemám k ní výhrady. V praktické části práce pak student pracoval s volně dostupnou databází záznamů EEG s anotacemi spánkových vřeten. Student realizoval tři metody detekce spánkových vřeten, výsledky pak prezentoval a srovnal s dostupnou literaturou. Vzhledem k problematice dosahuje student dobrých výsledků, bohužel je ale prezentace výsledků a jejich diskuze mírně chaotická a snižuje tak čtivost práce. Student k práci přistupoval svědomitě, průběh a výsledky konzultoval průběžně a s vyšší četností, než u předchozí semestrální práce. Zadání práce považuji za splněné a navrhuji hodnocení B, 85 bodů.
Předložená práce studenta Šimona Matouška pojednává o detekci spánkových vřeten v EEG záznamech. Práce má logickou struktura, je členěna do čtyř kapitol na 32 stranách. V úvodní teoretické části práce je čtenář seznámen s problematikou měření EEG signálu včetně popisu polysomnografie. K této kapitole nemám výhrady – je napsána srozumitelnou formou a odkazuje na relevantní počet literárních zdrojů. Jedinou výtku mám k označení síťového brumu jako stejnosměrné složky. Další kapitola se věnuje zpracování EEG signálu se zaměřením na detekci spánkových vřeten. Jsou popsány metody založené na vlnkové transformaci, prahování střední kvadratické odchylky filtrovaného EEG signálu a odhad pomocí obálky signálu. Popis vlnkové transformace v kapitole 2.1.1 působí kostrbatě, bylo by vhodné si tuto problematiku nastudovat i z jiných zdrojů. V této teoretické kapitole bych také očekával popis metody založené na Teager-Kaiserově energetickém operátoru (TKEO), který je v práci dále použit. Praktická část práce se věnuje realizaci a vyhodnocení tří metod pro detekci spánkových vřeten na zadané databázi signálů DREAMS. První metodou je aplikace operátoru TKEO na filtrovaný signál s následným prahováním. V této části student píše, že hodnota prahu byla volena empiricky, nicméně vzhledem k velké variabilitě hodnot senzitivity a specificity by bylo možná vhodnější uvažovat o různých hodnotách prahu pro jednotlivé subjekty. Druhá metoda využívá vlnkovou transformaci. Tato metoda dává nejlepší výsledky a bylo by vhodné ji více analyzovat. Obrázek 3.5 nemá žádnou vypovídací hodnotu a považuji jej v práci za nadbytečný. Třetí metoda je založena na obálce signálu. U všech realizovaných metod postrádám širší diskuzi výstupů se zobrazením ukázkových signálů, ve kterých dochází ke shodě nebo rozporu s anotacemi. V hodnocení shodně nalezených dvousekundových sekvencí v tabulkách 3.4, 3.8 a 3.12 není vysvětlen různý počet detekcí ve sloupcích 3, 5 a 7 – patrně je to dáno faktem, že experti nehodnotili celou délku signálu. Ve čtvrté kapitole student provádí srovnání svojí metody s jinými publikovanými přístupy (tab. 4.1). V této části práce nerozumím, jak student získal hodnoty jednotlivých parametrů senzitivity, specificity a FDR u odkazovaných studií [11, 17, 18, 27], protože v daných článcích tyto hodnoty nejsou. Podobné hodnoty včetně shodného označení metod je možné nalézt v publikaci [29], která ale není ve čtvrté kapitole citována. Tento fakt by měl student u obhajoby vysvětlit. V dané práci jsou hodnoceny další dvě metody, které také mohl student do srovnání zahrnout. Po formální stránce mám výhrady k použité velikosti písma ve vývojových diagramech. Práce cituje 3O položek literatury, u položky 13 chybí povinné bibliografické údaje. Zadání práce považuji za splněné v celém rozsahu. Nicméně větší důraz mohl být kladen na diskuzi výstupů jednotlivých metod, případně na nastavení parametrů metod. Práci doporučuji k obhajobě a vzhledem k výše uvedeným nedostatkům ji hodnotím známkou dobře (C – 70 bodů). Přikládám otázky k obhajobě.
eVSKP id 134376