KRUPKA, O. Automatická segmentace dat EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2013.
V první části (druhá kapitola) student popsal metodu snímání EEG, jednotlivé svody a samotnou strukturu EEG. Věnuje se především výčtu a popisu signálů, ze kterého je EEG složen. Pokračuje obecným popisem zpracování EEG signálu. V následující kapitole představuje několik metod segmentace, které je možné použít. Následně student vybral tři metody segmentace, které realizoval. Metody aplikoval na signál, jehož strukturu si sám navrhnul. Signál se skládá z jednoduchých sekvencí, zaznamenaných na zdravém jedinci v bdělém stavu. Výsledky detekce poté vzájemně porovnává a srovnává výpočetní náročnost metod. Student při vypracování postupoval logicky a jednotlivé kroky konzultoval. Při realizaci použil metody s různým principem. Práce vykazuje drobné nedostatky (zobecnění na obrázku 2.5, záměnu popisek na obrázku 5.1, atd.), které však zásadně neovlivňují kvalitu práce. Nedostatkem práce je absence popisu testovaného signálu. Student nepopsal, jaké segmenty jsou v signálu očekávané, a nepopsal jejich charakter. Pro označení bylo použito pouze značek od obsluhy, které nemusí být přesné. Testovány mohly být také jiné signály s obsahem. Jako zdroje uvádí student převážně vysokoškolská skripta a přednášky. Přes zmíněné je práce na dobré úrovni a zcela splňuje obsah zadání.
Student se ve své práci zabýval automatickou segmentací EEG záznamů. V teoretické části popsal základy elektroencefalografie, a také uvedl metody nejčastěji používané pro segmentaci EEG. V praktické části pak implementoval 3 vybrané metody a otestoval je na reálných datech. K této části bych měla několik komentářů. Grafy se vstupním EEG a výstupními segmenty by byly mnohem přehlednější, kdyby obsahovaly označení jednotlivých fází experimentu. Jednotlivé svody EEG nejsou vždy vhodně označeny dle standardních zvyklostí (např. se v práci objevuje nestandardní označení jako "kanál 17" nebo "kanál 11"). Použití začátků a konců fází experimentů jako hranic jednotlivých segmentů je diskutabilní, jelikož některé stimuly nemusí mít zřejmý vliv na EEG (podprahové stimuly). Také průběh změn vyvolaných stimulem může být pomalejší. To může mít negativní vliv i na výsledné hodnocení algoritmu, o čemž se zmiňuje i sám autor. Práce obsahuje příliš málo ukázek výsledků segmentace, obzvlášť pro záznamy z databáze Physionet. Po formální stránce je práce na dostačující úrovni. Největšími nedostatky je nízká kvalita převzatých obrázků, chybějící popisy os u některých grafů, místy nevhodné formulace. Přes zmíněné nedostatky však hodnotím práci kladně.
eVSKP id 65400