bakalářská práce

Detekce spánku za pomoci strojového učení a nositelných senzorů

Text práce 3.55 MB

Autor práce: Josef Caha

Ak. rok: 2025/2026

Vedoucí: Ing. Martin Rosa

Oponent: Ing. Anzhelika Mezina, Ph.D.

Abstrakt:

Rostoucí zájem o neinvazivní monitorování spánku podpořil rozvoj metod pro zpracování aktigrafických dat z nositelných senzorů pomocí strojového učení. Cílem této práce je detekovat spánek formou binární klasifikace spánek/bdělost. Pozornost je věnována výběru vhodné datové sady, návrhu postupů předzpracování dat a implementaci klasifikačních modelů. Tři klasické modely strojového učení a pět neuronových modelů, včetně dvou vlastních architektur DG-SleepNet a OAM-TCN, byly trénovány a hodnoceny pomocí vybraných metrik kvality. Výsledky ukazují, že OAM-TCN dosáhla nejvyšší celkové správnosti (accuracy = 84,9%), model náhodný les nejlépe udržel rovnováhu mezi správnou detekcí stavů spánek a bdělost (BACC = 80,4%, MCC = 61,4%) a DG-SleepNet měla nejlepší schopnost rozlišovat mezi těmito třídami napříč rozhodovacími prahy (ROC AUC = 87,2%). Navržené metody dosáhly výsledků srovnatelných se současnými přístupy a potvrzují využitelnost jednoho akcelerometrického senzoru pro automatizovanou detekci spánku (state-of-the-art).

Klíčová slova:

aktigrafie, strojové učení, binární klasifikace, nositelný senzor, detekce spánku.

Termín obhajoby

16.06.2026

Výsledek obhajoby

obhájeno (práce byla úspěšně obhájena)

znamkaBznamka

Klasifikace

B

Průběh obhajoby

Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta. Otázky: 1) Ako by sa zmenil navrh modelu v prípade, že by vstupom boli 2 signály, napríklad z chrbta a zo stehna. 2) Možu mať demografické údaje človeka vplyv na výsledkú predikciu. 3) Ako by boli spojené rozdielne výsledky v prípade klasifikácie na 2 miestach naraz.

Jazyk práce

čeština

Fakulta

Fakulta elektrotechniky a komunikačních technologií

Ústav

Ústav telekomunikací

Studijní program

Telekomunikační a informační systémy (BPC-TLI)

Složení komise

prof. Ing. Dan Komosný, Ph.D. (předseda)
doc. Ing. David Kubánek, Ph.D. (místopředseda)
Ing. Pavel Vajsar, Ph.D. (člen)
Ing. Michal Kohoutek, Ph.D. (člen)
Ing. Ondřej Mokrý, Ph.D. (člen)
Ing. Lukáš Benešl, Ph.D. (člen)
Ing. Ondřej Klíčník (člen)

Posudek vedoucího
Ing. Martin Rosa

Študent Josef Caha vypracoval bakalársku prácu na tému Detekcia spánku pomocou strojového učenia a nositeľných senzorov. Študent pracoval usilovne, sám prichádzal s riešeniami a prácu pravidelne konzultoval. Študent preukázal dobrú orientáciu v problematike, o čom svedčí dobre spracovaná rešerš a teoretická časť. V praktickej časti študent trénoval rozličné modely strojového učenia na vybranej dátovej sade. Následne navrhol 2 vlastné architektúry a taktiež ich natrénoval. Študent tu preukázal dobrú praktickú znalosť strojového učenia. Vlastné architektúry boli porovnané s ostatnými modelmi, čím sa zistilo, že dosahujú výsledky podobné súčasnému stavu vedy a techniky – čo považujem za dobrý prínos. Po formálnej stránke je práca dobre napísaná, dodržuje štandardnú štruktúru a rozsahovo je tiež v poriadku. Vytkol by som iba drobné typografické a gramatické chyby a občasné používanie neformálneho jazyka.
Celkovo prácu hodnotím veľmi dobre a navrhujem ju na obhajobu s hodnotením 95 b – A. Výsledný počet bodů navržený vedoucím: 95

Známka navržená vedoucím: A

Posudek oponenta
Ing. Anzhelika Mezina, Ph.D.

Student Bc. Josef Caha se v rámci diplomové práce zabýval problematikou detekce spánku s využitím metod umělé inteligence. Celkově je práce zpracována na dobré úrovni, nicméně mám několik připomínek.

Obrázky v teoretické části nejsou v textu dostatečně odkazovány a jejich kvalita je poměrně nízká. Bylo by vhodné použít vektorovou podobu schémat. Text dále obsahuje typografické chyby a několik překlepů. Teoretická část však poskytuje přehled o dané problematice i o aktuálně používaných metodách.

Praktická část detailně popisuje vybrané metody a neuronové sítě, avšak chybí přehledné znázornění celého experimentu. Pozitivně hodnotím návrh vlastních komplexních architektur a využití aktuálního datasetu. Výsledky a diskuze jsou zpracovány kvalitně.

S ohledem na uvedené připomínky hodnotím práci známkou B. Otázky k obhajobě:
  1. Jak by se změnil návrh modelu v případě, že by vstupem byly dva signály, například ze zad a ze stehna?
  2. Mohou mít demografické údaje člověka vliv na výslednou predikci? Pokud ano, jak byste jejich vliv zohlednil?
Výsledný počet bodů navržený oponentem: 86

Známka navržená oponentem: B

Odpovědnost: Mgr. et Mgr. Hana Odstrčilová