Bakalářská práce Jakuba Hekala se zabývá stanovením systolického objemu z kontinuálních signálů fotopletysmografie. Práce je logicky členěna do osmi kapitol a obsahuje přibližně 44 stran vlastního textu (Úvod–Závěr), což odpovídá standardnímu rozsahu bakalářské práce. Teoretická část je zpracována na vysoké odborné úrovni a poskytuje přehled metod stanovení systolického objemu, klinického významu tohoto parametru, principů fotopletysmografie i základů strojového učení. Pozitivně hodnotím zejména propojení medicínské problematiky s metodami zpracování biosignálů a strojového učení. Některé pasáže teoretické části, především kapitola věnovaná metodám strojového učení, jsou však poměrně rozsáhlé a místy působí spíše jako obecný přehled než jako rešerše přímo navázaná na řešený problém. Celkově je však prezentační úroveň práce velmi dobrá a jednotlivé kapitoly na sebe logicky navazují.
V praktické části se student aktivně účastnil experimentálního měření fotopletysmografických signálů a referenčních hodnot systolického objemu u skupiny dobrovolníků za různých podmínek. Následně provedl předzpracování signálů, návrh algoritmů pro detekci klíčových bodů PPG křivky, extrakci příznaků a implementaci několika modelů strojového učení včetně konvoluční neuronové sítě. Metodika práce je popsána dostatečně podrobně a je vhodně doplněna schématy, obrázky a tabulkami. Kladně hodnotím systematický přístup k výběru příznaků, využití křížové validace i porovnání více predikčních modelů. Výsledky jsou prezentovány přehledně a jsou podloženy vhodnými statistickými metrikami.
Z formálního a jazykového hlediska je práce na velmi dobré úrovni. Text je přehledný, odborně formulovaný a grafická úprava odpovídá požadavkům kladeným na závěrečné práce. Obrázky, tabulky i rovnice jsou vhodně zařazeny do textu a podporují jeho srozumitelnost. V práci se však objevují drobné stylistické nedostatky, místy delší a hůře čitelné věty či drobné jazykové nepřesnosti. Tyto nedostatky však nemají zásadní vliv na celkovou kvalitu zpracování.
Práce využívá rozsáhlé množství odborných zdrojů, převážně zahraničních článků a publikací z oblasti hemodynamiky, fotopletysmografie a strojového učení. Literární rešerše je zpracována pečlivě a poskytuje dostatečný teoretický základ pro řešenou problematiku.
Za největší přínos práce považuji její praktické zaměření a vlastní realizační výstupy. Student navrhl a implementoval kompletní zpracovatelský řetězec od akvizice dat přes extrakci příznaků až po návrh predikčních modelů. Součástí práce je porovnání klasických regresních metod a hlubokých neuronových sítí pro odhad systolického objemu. Přestože dosažené výsledky ukazují limity dané velikostí a variabilitou datového souboru, práce potvrzuje potenciál využití fotopletysmografie pro neinvazivní monitorování hemodynamických parametrů. Vytvořené algoritmy a zpracovatelské postupy mohou sloužit jako vhodný základ pro navazující výzkum v této oblasti.
Rovněž chci pochválit studenta, že vedl celý akademický rok skupinu mladších studentů v projektu měření baroreflexní senzitivity u obézních dětí a zpracoval článek na téma BP na konferenci EEICT.
Student během semestru pracoval aktivně, pravidelně konzultoval postup řešení, podílel se na realizaci experimentálních měření a samostatně řešil implementaci jednotlivých algoritmů i následnou analýzu dat. Kladně hodnotím zejména jeho iniciativní přístup při zpracování rozsáhlého množství dat a schopnost samostatně nastudovat a aplikovat pokročilé metody strojového učení. Bakalářská práce je svým zpracováním nadprůměrná. Zadání práce považuji za splněné ve všech bodech a práci hodnotím 98 body, známka A. Points proposed by supervisor: 98

Předložená bakalářská práce studenta Jakuba Hekala je zameřena na stanovení odhadu systolického objemu ze signálu fotopletysmografie. Studentova práce je rozdělena na teoretickou a praktickou část.
Teoretická část je zpracována přehledně a systematicky z velkého množství literárních pramenů. Autor shrnul současné metody stanovení systolického objemu a podrobně popsal principy i možnosti analýzy fotopletysmografického signálu. Také prostudoval metody strojového učení včetně popisu a výběrů příznaků.
Praktická část obsahuje popis experimentální části včetně protokolu měření, které bylo schváleno Etickou komisí. Student se podílel i na experimentálních měření 20 subjektů, přičemž část dat z 10 měření zpracovával v rámci bakalářské práce. Dále je popsán soubor dat, postup zpracování včetně názorných popisných obrázků a ukázek dat a podrobný popis práce s příznaky, křížovou validací, regresních modelů včetně využití konvoluční neuronové sítě. V kapitole 7 je pak uveden podrobný přehled srovnání výsledků pro regresní modely s různými kombinacemi příznaků, výsledky konvolučních neuronových sítí. Také student uvedl studii, kdy data od 10 probandů (ve věku 20-30 let) doplnil o data od 18 dětských probandů, jejichž věkové rozmezí není uvedeno. Diskuze nad problémem odhadu systolického objemu pomocí uvedených přístupů v kapitole 8 je věcná a obsahuje konkrétní závěry.
Po formální stránce je práce zpracována velmi pečlivě, text je srozumitelný a věcný v přiměřené délce, je logicky sestaven a je doplněn odpovídajícími grafickými a tabulkovými výstupy. Práce splňuje zadání v plném rozsahu a svým rozsahem i kvalitou zpracování odpovídá požadavkům kladeným na bakalářské práce.
Jedinou výtkou je používání anglických textů v převzatých obrázcích, kdy by bylo vhodné české termíny dát alespoň do popisu obrázku.

Práci doporučuji k obhajobě a navrhuji hodnocení A – výborně. Topics for thesis defence:

1. Můžete popsat synchronizaci dat podle referenčních dat z Finapres Nova?

Points proposed by reviewer: 95