INSTITUT FÜR INFORMATIK Entwurf und Implementierung - Ludwig ...

Kapitel 4 Implementierung des SeizureAnalyzer
4.3 Datenverarbeitung
Wie sich im Zuge der Anforderungsanalyse (Abschnitt 3.3.3) herausgestellt hat, ist
die zuverlässige und robuste Verarbeitung der zu analysierenden Daten eines der
kritischen Punkte des Projektes. Verschiedenartige Probleme mit den einzulesenden
Daten müssen sowohl explizit erkannt, als auch behandelt werden. Soweit es sinnvoll
ist, sollte durch Probleme oder Lücken der Daten kein völliger Abbruch der Vorhersagemethoden
eintreten, sondern nur eine Unterbrechung erfolgen, während dessen
keine Vorhersage möglich ist.
Dem Entwurf entsprechend wurden diese Anforderungen in der Klasse DataReader
umgesetzt. Diese wird vom PatientAnalyzer benutzt, welcher den in der Projekt-
Konguration angegebenen Pfad der angegebenen Datenquelle(n) nach zu verwendenden
Dateien durchsucht, und die Namen dieser Dateien dem DataReader übergibt.
Dessen Funktion ReadNextBlock() sucht den als nächstes zu verwendenden Datenblock
und liest diesen ein parallel für eventuell mehrere vorliegende Features. Für jeden
Patienten einzeln werden als Dierenzmenge der explizit eingeschlossenen und ausgeschlossenen
Zeiträume jene periodsToUse bestimmt, für welche die Vorhersage erfolgen
soll.
Der erste Datenblock beginnt mit dem Startpunkt des ersten Zeitraumes, während die
weiteren aufeinander folgen. Im Falle von Unterbrechungen wird der aktuell behandelte
Datenblock beendet, und der Beginn des nachfolgenden Zeitraumes ermittelt,
ab dem dann ein neuer Block begonnen werden kann.
Die Daten der berechneten charakteristischen Zeitreihen werden standardmäÿig spaltenweise
in ASCII-Dateien gespeichert. Die meisten der Probleme betreen Einträge
in diesen Dateien, für die entweder keine oder ungültige Daten vorliegen, welche z. B.
nicht im angegebenen Wertebereich liegen. In diesem Falle werden die fehlerhaften
Daten ignoriert, mit dem nächsten gültigen Datensatz ein nächster Block begonnen
und ein Hinweis in die Logdatei geschrieben.
Alle Module, die zur anschlieÿenden Vorverarbeitung der Daten benutzt werden sollen,
müssen der Schnittstelle DataProcessor genügen (siehe 3.3.3.2) und insbesondere
die Funktion ProcessDataBlock() anbieten, über welche sie ihren Algorithmus auf einen
Datenblock anwenden können.
Implementiert, getestet und verwendet wurde ein Median-Filter, der kontinuierlich
von einem über die Daten laufenden Fenster die Zentralwerte bestimmt, und sie als
Ergebnis-Zeitreihe zurückliefert. Hierdurch werden Ausreiÿer herausgeltert, und
die Daten entsprechend geglättet. Lücken von weniger als der Hälfte der Fenster-
42