MOLÍK, M. Identifikace spánkových poruch z dat aktigrafie a spánkových deníků [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Student vypracoval diplomovou práci samostatně a postup dostatečně konzultoval. S přihlédnutím k množství klinicky získaných dat adekvátně přizpůsobil řešení práce a navrhl funkční model založený na metodě podpůrných vektorů pro klasifikaci spánku pacientů s Parkinsonovou chorobou. V teoretické části práce student popsal vhodným způsobem spánek a spánkové parametry, dále se věnoval neurodegenerativním onemocněním a jejich vlivu na spánkové parametry. Následoval popis metod strojového učení. Práce s literaturou byla na dobré úrovni. Problematika byla popsána v přiměřené šíři. V praktické části student popsal datovou množinu, zvolil vhodnou metodu strojového učení adekvátní k množství dat, které nebylo dopředu známé, navrhl a otestoval několik modelů založených na metodě podpůrných vektorů pro klasifikaci Parkinsonovy choroby. Zvolené řešení dosáhlo dobrých výsledků v klasifikační úloze. Některé části mohli být více rozvedeny, informace jsou k dispozici v podobě zdrojových kódů, které jsou dobře členěny a na jejichž základě lze experiment replikovat a plně ověřit funkčnost řešení. Práce studenta je na výborné úrovni a spolupráce byla bez problémů, cíle byly splněny.
Student nastudoval problematiku poruch spánku a teorii spojenou s jejich kvantitativní analýzou. Následně navrhl metodologii podpůrné diagnózy Parkinsonovy nemoci založenou na strojovém modelování dat z aktigrafu a ze spánkového deníku. Metodologie byla ověřena na databázi zaznamenané ve Fakultní nemocnici u sv. Anny v Brně, přičemž student dosáhl dobrých výsledků. Práce rovněž přinesla nové poznatky v oblasti spánkových poruch u synukleinopatií. Některé části práce jsou méně přehledné, především evaluace na jednotlivých databázích. Proces experimentů mohl být např. znázorněn na diagramu. Kapitola 2 (strojové učení) zmiňuje úplné základy, které nebylo nutné pro účely této práce popisovat. Také nebylo nutné popisovat teorii neuronových sítí, které nebyly nakonec využity. Z metodologického hlediska není jasné, jestli bylo dělení na trénovací/testovací množinu provedeno jen jednou, nebo opakovaně. Zde by se navíc nabízela spíše křížová validace. Konečně věta “MCI se ale stejně jak PD projevuje až v pozdním věku, a tudíž není vhodná jako vstupní parametr pro predikci.” je trochu zavádějící. Důvod, proč nebylo MCI zařazeno na vstup klasifikátoru je ten, že se práce zaměřovala pouze na diagnózu založenou na spánku (nikoliv kognici). Samotná práce má dobrou prezentační i formální úroveň. V textu se nachází několik překlepů. S literaturou pracoval student velmi intenzivně. Cíle byly splněny.
eVSKP id 141365