@PhdThesis{macau_mods_00001639,
  author = 	{Kress, Maximilian James},
  title = 	{Fehleranalyse zur Beurteilung der Qualit{\"a}t automatisierter FreeSurfer Segmentierungen von MRT Aufnahmen in einer neurogeriatrischen Kohorte},
  year = 	{2021},
  publisher = 	{Christian-Albrechts-Universit{\"a}t zu Kiel},
  address = 	{Kiel},
  keywords = 	{Segmentierungsqualit{\"a}t; FreeSurfer; Geriatrie; Neurologie; Hirn; MRT; Brain; MRI},
  abstract = 	{Strukturelle Bildgebung und deren vollautomatische Verarbeitung haben in der Neuroradiologie ihren festen Platz und unterliegen einer permanenten Weiterentwicklung. Eingebettet in eine explorative, multizentrische Studie zur Untersuchung des Zusammenhangs von Kognition und Motorik (ComOn) an einer Kohorte von multimorbiden Patienten mit neurologischen Erkrankungen, die einer fr{\"u}hrehabilitativen geriatrischen Komplexbehandlung zugef{\"u}hrt wurde, wurden an einer Subgruppe von n=53 standardisierte magnetresonanztomographische T1 Aufnahmen des Gehirns gefertigt. Diese wurden mit dem frei verf{\"u}gbaren Programm FreeSurfer segmentiert, sodass den T1-Bildpunkten (Voxel) anatomische Regionen zugeordnet werden, und Volumenwerte generiert werden konnten. Da die visuelle Kontrolle der Segmentierungsergebnisse sehr variable Qualit{\"a}t ergeben hat, war es Gegenstand dieser Arbeit, einerseits ein neu entwickeltes Qualit{\"a}tsbewertungssystem der FreeSurfer Segmentierung vorzustellen und andererseits die Anwendbarkeit von FreeSurfer-Volumetrie an der Kohorte zu {\"u}berpr{\"u}fen. Im vorgestellten Verfahren werden Fehler in der Segmentierung zun{\"a}chst in ihrer Raumausdehnung beschrieben und danach ihre Schwere bewertet. Anhand der Verteilung und der Schwere der Fehler wird das gesamte Segmentierungsergebnisses des Datensatzes eines Probanden einer der drei Kategorien „GUT``, „MITTEL`` oder „SCHLECHT`` zuf{\"u}hrt. Angewandt wurde es von zwei Ratern an n = 45 Segmentierungen, wobei einer der beiden der Doktorand selbst und der andere ein erfahrener neuroradiologischer Oberarzt war. Ein f{\"u}r Pr{\"a}valenz und Bias adjustiertes Cohens Kappa mit quadratischer Wichtung der Kategorien ergab einen Wert von $\kappa$ = 0.59, welches nach g{\"a}ngiger Interpretation f{\"u}r eine moderate {\"U}bereinstimmung der beiden Rater spricht und die {\"U}bertragbarkeit und Anwendbarkeit der vorgestellten Methode best{\"a}tigt. Die {\"U}berpr{\"u}fung der Anwendbarkeit von FreeSurfer als Methode zur Volumetrie an der beschriebenen Kohorte erfolgte an den Volumina von sechs Hirnarealen (Summe aus linker und rechter Hemisph{\"a}re f{\"u}r Frontallappen, Temporallappen, Parietallappen, Okzipitallappen, Basalganglien und Kleinhirn). Um auszuschlie{\ss}en, dass ein systematischer Fehler in Form einer Beeinflussung der Volumenwerte durch schlechtere Segmentierungsqualit{\"a}t vorliegt, wurde, je nach Status der Normalverteilung der Variablen, eine einfaktorielle ANOVA bzw. ein Kruskal-Wallis Test zur Varianzanalyse berechnet und die Varianzhomogenit{\"a}t mittels Bartlett- oder Fligner-Killeen Test untersucht. Nach Korrektur f{\"u}r Fehler erster Art mit der Bonferroni-Methode ergaben sich keine statistisch signifikanten Unterschiede der Volumendurchschnitte der sechs Hirnareale hinsichtlich der Qualit{\"a}tsstufen GUT, MITTEL oder SCHLECHT, sodass auch Segmentierungen von schlechter Qualit{\"a}t in weiterf{\"u}hrende volumetrische Untersuchungen eingeschlossen werden k{\"o}nnen, falls man volumetrischen Fragestellungen auf Ebene der Hirnlappen nachgeht. Eine explorative Analyse der 10 am h{\"a}ufigsten von Fehlern betroffenen Regionen, sowie des mutma{\ss}lich fehleranf{\"a}lligen Balkens, ergab ein {\"a}hnliches Ergebnis. Hier sollten die Untersuchungen insbesondere auf Areale, die am meisten von schweren Fehlern betroffen sind, ausgeweitet werden, da sich bei der Betrachtung der nicht f{\"u}r multiples Testen korrigierten Werte Hinweise auf eine systematische Beeinflussung der Volumenwerte durch schlechtere Segmentierungsqualit{\"a}t f{\"u}r einzelne Areale (Lobulus parietalis superior, Trend f{\"u}r mittleren posterioren Balken) ergeben hat. Um das vorgestellte System zur Qualit{\"a}tsbewertung von FreeSurfer Segmentierungen klinisch nutzbar zu machen, bedarf es noch einiger Weiterentwicklungen. In Zukunft m{\"u}sste es vollautomatisch durchf{\"u}hrbar sein, eine sch{\"a}rfere Differenzierung von technisch- versus pathologiebedingten Fehlern in der Segmentierung gew{\"a}hrleisten und um eine Erfassung von korrekt segmentierten Hirnpathologien erweitert werden. F{\"u}r diese Entwicklungsschritte sind weitere cMRT Datens{\"a}tze mit gr{\"o}{\ss}eren Probandenzahlen notwendig.},
  url = 	{https://macau.uni-kiel.de/receive/macau_mods_00001639},
  file = 	{:https://macau.uni-kiel.de/servlets/MCRFileNodeServlet/macau_derivate_00002726/210818_Veröffentlichung_Dissertation_Kress.pdf:PDF},
  language = 	{de}
}