Validation of Synthesised T1-weighted Images from FLAIR
Translated title
Validering af syntetiseret T1-vægtet billeder fra FLAIR
Author
Term
4. term
Education
Publication year
2025
Submitted on
2025-06-02
Pages
46
Abstract
Baggrund: Magnetisk Resonans billeddannelse (MR) anvendes hyppigt klinisk til vurdering af apopleksi, hvor Fluid Attenued Inversion Recovery (FLAIR) er en central sekvens til detektering og karakterisering af patologi. Dog er T1-vægtede sekvenser, som ofte kræves til avanceret neurobilledanalyse og forskningssoftwareværktøjer, ofte utilgængelige, hvilket udgør en betydelig begrænsning. SynthSR, et neuralt netværk der kan syntetisere manglende T1-vægtet billeder ud fra andre MR-sekvenser, tilbyder en potentiel løsning. Formålet med dette studie var at validere SynthSR’s evne til at syntetisere realistiske T1-vægtet billeder ud fra FLAIR, og at vurdere ligheden af de syntetiserede T1-vægtet billeder sammenlignet med referencedata. Metode: Data bestod af FLAIR og T1-vægtet MR-billeder fra 95 apopleksipatienter. FLAIR billederne fungerede som input til SynthSR for at syntetisere T1 billeder. Efter syntetisering, blev både de originale og syntetiserede T1 billeder registreret til MNI-152 skabelon og normaliseret før udregning af Mean Squared Error (MSE) og Structural Similarity Index (SSIM), samt subjektiv vurdering. Resultater: 87 FLAIR og T1-vægtet billede par blev inkluderet til syntetisering. Objektiv vurdering viste en gennemsnits MSE på 0.56±0.17 og en gennemsnits SSIM på 0.35±0.66 når de syntetiserede T1-vægtet billeder blev sammenlignet med de originale T1-vægtet billeder. Sammenlignet med MNI-152 skabelonen viste de originale T1-vægtet billeder en gennemsnits MSE på 1.12±0.17 og en gennemsnits SSIM på 0.32±0.06, hvor de syntetiserede T1-vægtet billeder viste en gennemsnits MSE på 0.99±0.04 og en gennemsnits SSIM på 0.32±0.01. Konklusion: SynthSR syntetiserede T1-vægtet billeder ud fra FLAIR der visuelt lignede de originale T1-vægtet billeder. Dog viste objektive målinger forskelle i både pixelintensitet og strukturel lighed, hvilket understreger behovet for yderligere forskning.
Background: Magnetic Resonance Imaging (MRI) is widely used clinically for stroke assessment, with Fluid-Attenuated Inversion Recovery (FLAIR) being a key sequence for detecting and characterising pathology. However, T1-weighted sequences, often required for advanced neuroimaging analysis and research software tools, are frequently unavailable, posing a limitation. SynthSR, a neural network capable of synthesising missing T1-weighted images from other MRI sequences, offers a potential solution. The aim of this study was to validate SynthSR’s capability to synthesise realistic T1-weighted images from FLAIR, and to assess the similarity of the synthesised T1-weighted images compared to the ground truth. Method: Data consisted of FLAIR and T1-weighted MRI images from 95 stroke patients. FLAIR images served as input for SynthSR to synthesise T1-weighted images. After synthesis, both the original and synthesised T1-weighted images were registered to the MNI-152 template and normalised before computing Mean Squared Error (MSE) and Structural Similarity Index (SSIM), alongside subjective validation. Results: 87 FLAIR and T1-weighted image pairs were included for synthesis. Objective assessment revealed a mean MSE of 0.56±0.17 and mean SSIM of 0.35±0.66 when synthesised T1-weighted images were compared against original T1-weighted images. Against the MNI-152 template, original T1-weighted images exhibited a mean MSE of 1.12±0.17 and mean SSIM of 0.32±0.06, whereas synthesised T1-weighted images showed a mean MSE of 0.99±0.04 and mean SSIM of 0.32±0.01. Conclusion: SynthSR synthesised T1-weighted images from FLAIR that were visually similar to the original T1-weighted images. However, objective measurements revealed differences in both pixel intensity and structural similarity, emphasising the need for further research.
Documents