KANTOR, M. Detekce obtížně diferencovatelných skupin srdečních arytmií [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Student Marek Kantor vypracoval diplomovou práci na téma Detekce obtížně diferencovatelných skupin srdečních arytmií. Teoretická část práce pojednává o elektrofyziologii srdce, srdečních arytmiích, metodách klasifikace srdečních arytmií a samotných klasifikátorech a optimalizačních technikách. Vybraná témata s prací dobře souvisí, a většinou na sebe dobře navazují. V praktické části práce potom autor prezentuje 3 přístupy ke klasifikaci fibrilace síně a flutteru síně (klasifikace pomocí spektrogramu, mělká CNN a hluboká CNN). Jde o standardní přístupy k problematice, které jsou v literatuře hojně popsány. Oceňuji studentovo nasazení při vytváření autorského modelu, kdy nevyužil žádnou již dříve implementovanou architekturu. Student dokládá výsledky množstvím tabulek a grafů. Slabším místem práce je diskuse v rámci výsledkové kapitoly, která mohla být detailnější s ohledem na využité zahraniční zdroje. Text postupným přidáváním kapitol utrpěl na plynulosti, někdy jsou myšlenkové pochody poměrně chaotické. Gramatických a syntaktických chyb je v textu minimum. Autor využil 25 zdrojů především zahraniční literatury, které řádně cituje. Student v průběhu semestru konzultoval podle potřeby a pracoval samostatně. Všechny body zadání byly splněny, práci hodnotím stupněm A/90.
Student Marek Kantor ve své práci navrhnul a implementoval algoritmy pro klasifikaci vybraných typů srdečních arytmií v EKG. V práci odkazuje na dostatečné množství relevantní odborné literatury. Avšak struktura práce je chaotická, názvy kapitol jsou místy nelogické až zavádějící (např. zmínění vícevrstvého perceptronů a RBF sítí v kapitole o metodách hlubokého učení). Některé informace se zbytečně opakují nebo jsou uvedeny až v pozdějších kapitolách, kde není jasné, jestli se vztahují ke všem použitým metodám či ne (např. parametry metod použitých pro předzpracování vstupních signálů, rozdělení datasetu na trénovací/testovací/validační apod.). Text místy obsahuje nekorektní názvy metod (zřejmě v důsledku chybného překladu z cizojazyčné literatury). Vysvětlení některých pojmů či postupů je povrchní nebo nesrozumitelné, často zaměřené na implementační stránku se zanedbáním té věcné. Student implementoval několik postupů pro klasifikaci různých typů srdečních arytmií, avšak ani jeden není zdokumentován dost výstižně. Lepšímu pochopení by jistě prospěly nějaké přehledné obecné schéma metod, větší množství grafických ilustrací a detailnější popis uvedených obrázků a tabulek (např. viz obr. 6.5, obr. 6.9, apod.). Z dosažených výsledků se zdá, že model využívající spektrogram provádí binární klasifikaci, zatímco ostatní rozpoznávají 3 kategorie, proto výsledky těchto metod se nedají srovnávat mezi sebou. Evaluace různých postupů je rovněž nekonzistentní: klasifikace založená na spektrogramu je vyhodnocená pouze pomocí přesnosti a ostatní postupy pomocí přesnosti, F1-skóre a senzitivity, což je obecně uznávaným standardem v dané oblasti. V praktické části postrádám objasnění nastavení hyperparametrů modelů, velikosti dávky a počtů epoch učení (z obr. 6.11 se domnívám, že by učení prospělo několik dalších epoch), hlubší analýzu chybných klasifikací (vč. grafických ukázek korektních a chybných klasifikací) a diskuzi limitací a výhod navržených metod. Celkový dojem z práce zbytečně zhoršuje nízká kvalita některých obrázků, chybějící odkazy na obrázky v textu, chybná rovnice pro výpočet RR intervalů, jazyková úprava anglické verze abstraktu. Přes výše uvedené výtky, studentovi se podařilo splnit zadání a dosáhnout slibných výsledků pro různé arytmie, což jistě poslouží základem pro navazující práce na UBMI. Práci hodnotím stupněm C/73 b.
eVSKP id 142093