POLCER, S. Detekce fibrilace síní v dlouhodobých signálech EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Student Simon Polcer se v bakalářské práci zabýval automatickou detekcí fibrilace síní v EKG signálech. Práce obsahuje podrobnou rešerši týkající se patofyziologie fibrilace síní a metod používaných pro její automatickou detekci. V praktické části práce student realizoval výpočet dvou typů parametrů (celkem 33 různých). Vyhodnotil jejich kvalitu za pomoci statistického otestování a 15 z nich, které vykazovaly dobré výsledky, následně použil pro detekci fibrilací za pomoci klasifikátorů SVM a k-NN. Parametry také vyzkoušel rozdělit do několika skupin a vyhodnotil, které skupiny parametrů v kombinaci s jakým typem klasifikátoru vykazují nejlepší výsledky. Metody otestoval na celé MIT-BIH Arrhthmia databázi. Dosažené výsledky jsou velice kvalitní a také pečlivě porovnány s ostatními autory. Student využíval konzultací a aktivně a samostatně pracoval v průběhu celého semestru. Práce je kvalitní a přináší nové, dobře využitelné, poznatky. Hodnotím ji stupněm A, 95 bodů.
Bakalářská práce je zaměřena na automatickou detekci fibrilace síní (FS) v dlouhodobých signálech EKG. K úvodní kompilační části práce věnované signálům EKG a popisu FS (str. 11 až 18) nemám připomínky. V úvodu do problematiky automatické klasifikace FS (str. 18 až 26) autor uvádí 10 různých metod, z nichž v souladu se zadáním dvě realizoval a to v několika variantách. Jako první si zvolil metodu vycházející z nepravidelnosti intervalů RR, kde popsal sedm příznaků; poznámku mám k výpočtu příznaku TPR podle vzorce (25), kde se TPR nevyskytuje (str.28). Další připomínky mám k popisu metody vycházející ze stacionární vlnkové transformace (SWT), odkud bylo odvozeno 24 příznaků. Popis SWT není správný, dále není jasné, co autor míní koeficienty SWT, protože si na str. 25 a 26 protiřečí. Rozpaky budí popis vzorců (17) a (18), kde symbol E patrně nereprezentuje Fourierovu transformaci (jak tvrdí autor), ve vzorcích (19) a (20) není jasné, co představuje symbol F. V mnoha vzorcích autor používá pro součin operátor „*“, což je velmi neobvyklé. K testování programů použil autor veřejně dostupnou databázi MIT-BIH Atrial Fibrillation Database, ze které převzal 616 úseků s FS a 548 úseků bez FS. Po aplikaci statistických testů s využitím programu STATISTICA zredukoval celkový počet příznaků na 15. Z klasifikačních metod použil metodu podpůrných vektorů (SVM) a metodu k-nejbližších sousedů. Uvedl, jak použil převzaté funkce a popsal trénování i testování klasifikátorů. Na str. 39 až 41 se nacházejí tabulky s výsledky klasifikace obou typů klasifikátorů při různých kombinacích příznaků, jak původních, tak i normalizovaných. Následuje několik ukázek správných i chybných klasifikací s komentářem. V závěrečné tabulce na str. 46 porovnává své výsledky s výsledky jiných autorů. Výsledky dosažené některými variantami klasifikátoru jsou srovnatelné s publikovanými výsledky jiných autorů. Přes výše uvedené připomínky hodnotím předloženou práci jako velmi dobrou po formální i věcné stránce. Konstatuji, že autor v plném rozsahu splnil zadání projektu.
eVSKP id 110522