MISTROVÁ, J. Detekce síňových extrasystol v EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Studentka Jana Mistrová předložila bakalářskou práci na téma detekce síňových extrasystol v signálu EKG. Práce je dlouhá 36 stran od úvodu po závěr a je rozdělena do 8 kapitol. V první polovině se studentka věnuje rešerši na zadané téma, popisuje fyziologii srdce a srdečních arytmií. Teoreticky pojednává o předzpracování signálu, selekci příznaků pro detekci arytmií, selekci a redukci příznaků. Poslední teoretická kapitola se zabývá klasifikátory pro tento typ arytmií. Rešerše je pro účely bakalářské práce dostatečná, využívá 27 především zahraničních zdrojů, které jsou řádně citovány. V praktické části je aktivně využita většina popsaných metod a postupů, které na sebe logicky navazují. Praktická část práce začíná popisem databáze zpracovávaných signálů a jejich předzpracováním včetně grafických ukázek úprav signálu. Autorka dále extrahuje příznaky, které využívá pro klasifikaci do požadovaných tříd. Jsou analyzovány různé kombinace příznaků, které jsou porovnávány s redukcí příznaků pomocí PCA, což považuji za užitečnou analýzu. Dosažené výsledky jsou dostatečně popsány i diskutovány. Prezentované algoritmy dosahují, i přes svou nízkou náročnost, uspokojivých výsledků. Celková formální úroveň práce je dobrá. Jednotlivé kapitoly na sebe logicky navazují, text je poměrně dobře čitelný, jen ojediněle působící zmateně. Grafické výstupy jsou prezentovány přehledně a v dostatečné míře. Studentka měla k řešení bakalářské práce aktivní přístup a to zejména ve druhém semestru, kdy postupovala více samostatně. Po celou dobu probíhaly konzultace podle potřeby studentky. Celkově se Jana Mistrová zhostila zadání bakalářské práce dobře a prezentuje solidní výstup. Práci doporučuji k obhajobě s hodnocení B/85 bodů.
Studentka Jana Mistrová pracovala na realizaci detektoru síňových extrasystol (PAC) v EKG. Práce má logickou strukturu a začíná rozsáhlou rešerši, která se opírá o dostatečné množství relevantní odborné literatury. Kvalitu rešerše snižují některé nedbalé formulace a nedostatečný a nesourodý popis některých postupů, jako např. popis odstranění síťového brumu z EKG či výpočtu založených na vlnkové transformaci. Při popisu RR příznaků studentka zmiňuje i ty (např. délka průměrného RR intervalu), které nelze považovat za vhodné pro detekci konkrétně PAC (obzvlášť ojedinělých). Postrádám konkrétní údaje o úspěšnosti detekce PAC s využitím zmíněných metod a rovněž o vlivu PAC na hodnoty příznaků. Stejně tak u metod redukce počtu příznaků jsou uvedeny vzorce pro výpočet hlavních a nezávislých komponent, ale není popsán princip snížení dimenze příznakového prostoru. Abstrakt a úvod práce by mohly byt méně strohé a více informativní. Formální stránka práce je na akceptovatelné úrovni, s chaotickým číslováním literárních zdrojů, místy nejednotným zarovnáním titulků u tabulek a obrázků a místy příliš širokými tabulkami. V praktické části oceňuji snahu studentky o popis EKG pomocí několika různých skupin jednoduchých, ale potenciálně přínosných příznaků. Výběr těchto příznaků však nebyl zdůvodněn. Vzhledem k charakteru příznaků, lze očekávat vysokou míru jejich redundance. Studentka redukuje počet příznaků neefektivním způsobem tak, že kombinuje několik různých skupin mezi sebou a již nezkoumá redundanci uvnitř jednotlivých skupin. Postup samotného zpracování a analýzy EKG je hojně ilustrován s využitím názorných grafických ukázek. Výběr klasifikátoru kNN není v práci zdůvodněn. kNN s pouze jedním sousedem nepovažuji za nejvhodnější výběr, jelikož metoda může dávat přehnaně optimistické výsledky (kvůli „přeučení“, přestože se nejedná o klasický učící se model). Pro potvrzení vhodnosti tohoto nastavení by bylo zapotřebí otestování na rozsáhlejší nezávislé databázi. V případě kNN rozhodně není vhodná použitá augmentace dat pouhou jejich duplikaci, jelikož to může vést ke zkreslení výstupu pro odpovídající škálu hodnot „k“. Mám výtky i k práci s daty při trénování/testování klasifikátoru. Z práce nevyplývá, jaký byl původní poměr EKG s PAC a bez patologie v každé množině. U výsledných tabulek není vysvětlení, o které konkrétně hodnoty se jedná: průměrné metriky ze všech 5 validačních cyklů, metriky pro nejlepší klasifikátor z 5 či nějaké jiné. Není jasné, na základě které metriky byl vybrán nejlepší klasifikační postup. Dle mého názoru, z tab. 7.3 nejde usoudit, že RR příznaky jsou nejvhodnější pro detekci, jelikož výsledky s vynechanými nebo naopak ponechanými pouze RR příznaky (ať už globálními či lokálními) v práci chybí. Oceňují experiment s PCA, ale nesouhlasím se závěrem, kdy kvůli zhoršení výsledků osmé kombinace studentka striktně nedoporučuje PCA, přestože výsledky pro všechny kombinace jsou víceméně stejné a shodují se i s výsledky dosaženými bez PCA. Výsledky všech postupů jsou shrnuty v přehledných tabulkách, kde bych uvítala i matice záměn pro detailnější analýzu. Z hlediska interpretace chybných detekcí by bylo vhodné vyhodnotit kvalitu detekce QRS komplexů (alespoň vizuálně) a uvést několik příkladů chybně zařazených signálů. Studentka se bohužel nevyjádřila k dosaženým výsledkům v kontextu jiných prací. Obecně je škoda, že do klasifikace nebyla zařazená skupina Ostatní, která obsahovala různé druhy arytmií. Vícekategoriální klasifikace by více odpovídala reálně řešenému problému a byla by přínosná z praktického hlediska. I přes všechny výtky a komentáře považují zadání za splněné. Studentka pracovala na komplexním problému, udělala hodně práce a dosáhla poměrně slibných výsledků. Práci hodnotím stupněm D/67 b.
eVSKP id 134367