ŠANDOVÁ, H. Algoritmy pro zlepšení detekce vybraných arytmií v EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Studentka Hana Šandová vypracovala diplomovou práci na téma “Algoritmy pro zlepšení detekce vybraných arytmií v EKG”. Svižná teoretická část práce se opírá o kvalitní rešerši literatury (42 řádně citovaných, převážně zahraničních zdrojů). Zaobírá se především metodami pro augmentaci 1D signálů, hlubokými neuronovými sítěmi. Studentka velmi detailně popisuje využitý dataset, se kterým zachází korektně. Podrobně popisuje arytmie, kterými se v práci zabývá, a nezabíhá do redundantních popisů klasické elektrokardiografie. V praktické části práce představuje 2 přístupy k augmentaci. Nejprve zcela zpracovanou a detailní metodiku všech standardních typů augmentace, včetně generování AV blokád ze sinusových záznamů. Dále potom implementuje podle literatury zcela správně zvolený přístup pomocí generativní kompetitivní sítě (GAN). Autorce se touto cestou nepodařilo úspěšně augmentovat zvolené arytmie, což odpovídá výsledkům dostupným v literatuře. Dosažené výsledky dostatečně diskutuje a srovnává s ostatními autory. Studentka po celou dobu pracovala samostatně, všechny prezentované postupy vymyslela sama, konzultovala podle potřeby. K její práci nemám připomínek a hodnotím stupněm A/100 bodů.
Studentka Hana Šandová vypracovala diplomovou práci, ve které se zabývá vytvářením algoritmů pro zlepšení detekce vybraných arytmií v EKG. Práce má celkem 57 stran (úvod až závěr). Teoretickou část práce lze rozdělit do dvou dílčích úseků. První dvě kapitoly se zabývají popisem neuronových sítí (především CNN a GAN), které jsou v dostupné literatuře používány v souvislosti s řešeným problémem. Třetí kapitola se již věnuje augmentaci dat. V teoretické části studentka prokazuje zdařilou práci s literaturou, jejíž množství odpovídá rozsahu práce. Data použité pro tuto práci jsou detailně popsána v kapitole čtvrté. Studentka zde popisuje, které typy arytmií budou v praktické části augmentovány, a proč. K vybraným arytmiím je doplněný i popis jejich fyziologické podstaty. V praktická části (kapitoly 5–9) studentka předkládá navržené algoritmy pro augmentaci jednotlivých arytmií (flutter síní, AV blok II a III). Augmentace je realizována v prostředí Python. Všechny dílčí kroky jsou řádně komentovány. Dosažené výsledky jsou shrnuty kapitole 10, kde jsou srovnány s v literatuře dostupnou klasifikační neuronovou sítí. Práce je celkově na vysoké formální i věcné úrovni. Jazykové vady jsou maximálně na úrovni překlepů. V práci je pouze pár nejasných věcí a to: nekonzistentnost v označování PQ intervalu (PR – převzaté z literatury a uváděné do strany 32 vs. PQ – zavedené označení v českém prostředí a uváděné od strany 32 včetně), nepřesnost v popisu AV bloku typ Mobitz I na straně 32 (jedná se bradyarytmii, tudíž interval mezi jednotlivými QRS komplexy by měl být delší, nikoli kratší) a nepřesné označení postižené tkáně u AV bloku typ Mobitz II tamtéž (Hisův svazek i Tawarova raménka jsou anatomicky i funkčně již odlišné struktury). I přes tyto mírné nedostatky hodnotím práci jako velice zdařilou, a to konkrétně stupněm A, 92 bodů.
eVSKP id 142102