Optimization of the preprocessing steps of MEG measurement data in Meggie application

Abstract

Tutkielma optimoi MEG (magnetoenkefalografia) mittausaineiston esikäsittelyyn, analysointiin ja visualisointiin kehitetyn Meggie-käyttöliittymän esikäsittelyvaiheita pääasiassa lisäämällä mahdollisuuden rinnakkaislaskentaan. Optimointi toimi tutkielman käytännön osuutena ja sen tukena oli kattava lista vaatimuksia. Optimoinnissa suurin osa työstä meni vanhan koodin refaktorointiin, mutta myös käyttöliittymäkomponentteihin tuli pieniä muutoksia ja itse ohjelmaan muutama uusi toiminnallisuus. Teoreettisessa osuudessa keskitytään Meggien nykyiseen tilaan tutkimalla sen arkkitehtuuria, minkä lisäksi tarkastellaan kehitysvaiheita vaatimuslistan pohjalta sekä tuodaan esiin muistinhallinnan ongelmia rinnakkaislaskennassa.

This thesis examines the optimization of the preprocessing steps of MEG (magnetoencephalography) measurement data preprocessing, analyzing and visualizing software Meggie, mostly by adding batch processing functionality. A comprehensive list of requirements helped with the development that covered the practical phase of the thesis. The development mostly consisted of refactoring the old code with minor user interface modifications and few new functionalities. The theoretical phase focuses on the architecture at the current state of the software, the memory management, and the requirements with some details about their implementation.