Studentka se ve své bakalářské práci zabývá klasifikací vybraných typů srdečních rytmů do tří kategorií (SR, AF a ostatní arytmie) z PPG signálů. Teoretická část práce o rozsahu 25 stran poskytuje dostatečný a přehledně zpracovaný úvod do této problematiky.
Praktická část práce, která čítá přibližně 30 stran, je zpracována systematicky a na velmi dobré úrovni. Studentka se nejprve seznámila s použitou databází obsahující záznamy od 91 pacientů a provedla její základní analýzu. Následně navrhla a implementovala detektor systolických peaků, jehož funkčnost ověřila jak na záznamech se SR, tak na záznamech obsahujících arytmie. Studentka využila detekované systolické peaky k výpočtu příznaků založených na PRV analýze a následně je rozšířila o další příznaky, čímž dosáhla celkového počtu 29 příznaků. Tyto příznaky následně podrobila vizuální i statistické analýze, vhodně je předzpracovala a využila pro návrh tří různých klasifikačních modelů (KNN, LR a RF).
Pozitivně hodnotím zejména korektní rozdělení dat na trénovací, validační a testovací část a systematický přístup k návrhu klasifikátorů. Pro každý model studentka hledala optimální kombinaci příznaků i hyperparametrů a provedla jejich vzájemné porovnání. Nejlepších výsledků dosáhl RF, který na nezávislé testovací sadě dosahuje velmi dobré klasifikační úspěšnosti.
V diskusi se studentka kriticky věnuje dosaženým výsledkům a analyzuje možné příčiny chybných klasifikací, přičemž své závěry vhodně podporuje vizualizací konkrétních případů. Oceňuji také vlastní zpracování velké části obrázků.
Studentka ve své práci využívá 54 relevantních literárních zdrojů. Práce je napsána v anglickém jazyce a po obsahové i formální stránce je na velmi dobré úrovni. Studentka pracovala aktivně a samostatně.
Zadání bakalářské práce bylo splněno v plném rozsahu. Práci doporučuji k obhajobě. Points proposed by supervisor: 95

Bakalářská práce se zabývá problematikou klasifikace srdečních arytmií z fotopletysmografického (PPG) signálu. Cílem je návrh algoritmu schopného rozlišit tři skupiny: sinusový rytmus, fibrilaci síní a heterogenní třídu ostatních arytmií (komorové a síňové extrasystoly, komorová a supraventrikulární tachykardie). Teoretická část přehledně uvádí do problematiky a obsahuje kvalitní rešerši srovnávající tři aktuální přístupy jiných autorů.
Praktická část v rozsahu přibližně 29 stran je logicky členěná. Autorka nejprve navrhla vlastní detektor systolických vrcholů PPG založený na detekci průchodů nulou, řádně jej validovala na nezávislých anotovaných databázích a objektivně porovnala s dalšími třemi volně dostupnými detektory. Velmi kladně hodnotím, že u vlastního řešení neskončila, ale na základě objektivního srovnání zvolila pro další práci nejvhodnější detektor, u nějž navíc odhalila a opravila systematickou chybu.
Jádrem práce je klasifikace PPG segmentů do tří tříd. Autorka extrahovala 29 příznaků, provedla jejich statistické i vizuální zhodnocení a natrénovala tři modely strojového učení. Z metodického hlediska oceňuji především korektní rozdělení dat na úrovni pacientů, které zabraňuje úniku informace mezi trénovací, validační a testovací sadou, dále dopřednou selekci příznaků a ladění hyperparametrů. Nejlepších výsledků dosáhl náhodný les s přesností 84,35%.
Za nejcennější část práce považuji analýzu chybných klasifikací (kapitola 9.1), ze které jasně vyplývá, že třída „ostatních arytmií“ je vnitřně velmi nesourodá. Tachykardie jsou rozpoznávány spolehlivě, zatímco předčasné komplexy jsou systematicky zaměňovány za fibrilaci síní. Toto zjištění je věcně i klinicky správné a autorka jej dobře interpretuje. K práci mám dvě věcné připomínky. První se týká ošetření odlehlých hodnot příznaků: ty jsou nahrazeny v trénovací sadě, zatímco v testovací sadě ponechány, čímž vzniká nesymetrie mezi tréninkem a testem. Navíc u intervalových příznaků mohou být extrémní hodnoty nositelem informace o arytmii, takže není zřejmé, zda toto ošetření nemaže právě tu informaci, kterou je třeba klasifikovat. Druhým omezením je, že všechna data pocházejí z jediné databáze a úzce vymezené populace (ablační pacienti), takže práce neověřuje generalizaci ani robustnost na reálná data z nositelných zařízení. Autorka to uvádí mezi limity práce.
Po formální stránce je práce na velmi dobré úrovni. Je přehledně strukturovaná, typograficky čistá a srozumitelně napsaná. Celkově předložená bakalářská práce splňuje zadání v plném rozsahu, vyznačuje se nadprůměrnou metodickou pečlivostí a přináší relevantní výsledky srovnatelné s pracemi jiných autorů. Práci doporučuji k obhajobě a hodnotím stupněm A. Topics for thesis defence:

1. Odlehlé hodnoty příznaků jsou určeny pomocí mezí odvozených z IQR. Nehrozí, že tímto postupem odstraníte i hodnoty, které sice leží mimo stanovené meze, ale jsou fyziologicky reálné a charakteristické právě pro arytmie? Ověřovala jste, zda mezi nahrazenými hodnotami nejsou právě ty, které nesou informaci o patologii?
2. Navržený postup nezahrnuje posouzení kvality vstupního PPG signálu. Jak by se dala kontrola kvality do řetězce doplnit a jaký vliv by mohla mít při nasazení na reálná data z nositelných zařízení?

Points proposed by reviewer: 95