The Developing Human Connectome Project (dHCP) seeks to create the first 4-dimensional connectome of early life. Understanding this connectome in detail may provide insights into normal as well as abnormal patterns of brain development. Following established best practices adopted by the WU-MINN Human Connectome Project (HCP), and pioneered by FreeSurfer, the project utilises cortical surface-based processing pipelines. In this paper, we propose a fully automated processing pipeline for the structural Magnetic Resonance Imaging (MRI) of the developing neonatal brain. This proposed pipeline consists of a refined framework for cortical and sub-cortical volume segmentation, cortical surface extraction, and cortical surface inflation, which has been specifically designed to address considerable differences between adult and neonatal brains, as imaged using MRI. Using the proposed pipeline our results demonstrate that images collected from 465 subjects ranging from 28 to 45 weeks post-menstrual age (PMA) can be processed fully automatically; generating cortical surface models that are topologically correct, and correspond well with manual evaluations of tissue boundaries in 85% of cases. Results improve on state-of-the-art neonatal tissue segmentation models and significant errors were found in only 2% of cases, where these corresponded to subjects with high motion. Downstream, these surfaces will enhance comparisons of functional and diffusion MRI datasets, supporting the modelling of emerging patterns of brain connectivity.

Abstract The developing Human Connectome Project (dHCP) aims to create a detailed 4-dimensional connectome of early life spanning 20 to 45 weeks post-menstrual age. This is being achieved through the acquisition of multi-modal MRI data from over 1000 in- and ex-utero subjects combined with the development of optimised pre-processing pipelines. In this paper we present an automated and robust pipeline to minimally pre-process highly confounded neonatal resting-state fMRI data, robustly, with low failure rates and high quality-assurance. The pipeline has been designed to specifically address the challenges that neonatal data presents including low and variable contrast and high levels of head motion. We provide a detailed description and evaluation of the pipeline which includes integrated slice-to-volume motion correction and dynamic susceptibility distortion correction, a robust multimodal registration approach, bespoke ICA-based denoising, and an automated QC framework. We assess these components on a large cohort of dHCP subjects and demonstrate that processing refinements integrated into the pipeline provide substantial reduction in movement related distortions, resulting in significant improvements in SNR, and detection of high quality RSNs from neonates. Highlights An automated and robust pipeline to minimally pre-process highly confounded neonatal fMRI data Includes integrated dynamic distortion and slice-to-volume motion correction A robust multimodal registration approach which includes custom neonatal templates Incorporates an automated and self-reporting QC framework to quantify data quality and identify issues for further inspection Data analysis of 538 infants imaged at 26-45 weeks post-menstrual age

Features of brain asymmetry have been implicated in a broad range of cognitive processes; however, their origins are still poorly understood. Using a new left-right symmetric, spatiotemporal cortical surface atlas, we investigated cortical asymmetries in 442 healthy term-born neonates using structural and functional magnetic resonance images from the Developing Human Connectome Project. Cortical asymmetries observed in the term cohort were contextualised in two ways: by comparing them against cortical asymmetries observed in 103 preterm neonates scanned at term-equivalent age, and by comparing structural asymmetries against those observed in 1110 healthy young adults from the Human Connectome Project. Our results demonstrate that the neonatal cortex is markedly asymmetric in both structure and function, and while associations with preterm birth and biological sex were minimal, significant differences exist between birth and adulthood. Although these changes may represent experience-dependent developmental milestones, longitudinal studies across the lifespan are required to fully address these hypotheses.

Abstract Introduction The dynamic nature and complexity of the cellular events that take place during the last trimester of pregnancy make the developing cortex particularly vulnerable to perturbations. Abrupt interruption to normal gestation can lead to significant deviations to many of these processes, resulting in atypical trajectory of cortical maturation in preterm birth survivors. Methods We sought to first map typical cortical micro and macrostructure development using invivo MRI in a large sample of healthy term-born infants scanned after birth (n=270). Then we offer a comprehensive characterisation of the cortical consequences of preterm birth in 78 preterm infants scanned at term-equivalent age (37-44 weeks postmenstrual age). We describe the group-average atypicality, the heterogeneity across individual preterm infants, and relate individual deviations from normative development to age at birth and neurodevelopment at 18 months. Results In the term-born neonatal brain, we observed regionally specific age-associated changes in cortical morphology and microstructure, including rapid surface expansion, cortical thickness increase, reduction in cortical anisotropy and increase in neurite orientation dispersion. By term-equivalent age, preterm infants had on average increased cortical tissue water content and reduced neurite density index in the posterior parts of the cortex, and greater cortical thickness anteriorly compared to term-born infants. While individual preterm infants were more likely to show extreme deviations (over 3.1 standard deviations) from normative cortical maturation compared to term-born infants, these extreme deviations were highly variable and showed very little spatial overlap between individuals. Measures of regional cortical development were associated with age at birth, but not with neurodevelopment at 18 months. Conclusion We showed that preterm birth alters cortical micro and macrostructural maturation near the time of fullterm birth. Deviations from normative development were highly variable between individual preterm infants.

Abstract The early life environment programmes cortical architecture and cognition across the life course. A measure of cortical organisation that integrates information from multi-modal MRI and is unbound by arbitrary parcellations has proven elusive, which hampers efforts to uncover the perinatal origins of cortical health. Here, we use the Vogt-Bailey index to provide a fine-grained description of regional homogeneities and sharp variations in cortical microstructure based on feature gradients, and we investigate the impact of being born preterm on cortical development. Preterm infants have a homogeneous microstructure in temporal and occipital lobes, and the medial parietal, cingulate, and frontal cortices, compared with term infants. These observations replicated across two independent datasets and were robust to differences that remain in the data after matching samples and alignment of processing and quality control strategies. We conclude that cortical microstructural architecture is altered in preterm infants in a spatially distributed rather than localised fashion.

In the perinatal brain, regional cortical architecture and connectivity lay the foundations for functional circuits and emerging behaviour. Interruptions or atypical development during or before this period may therefore have long-lasting consequences. However, to be able to investigate these deviations, we need a measure of how this architecture evolves in the typically developing brain. To this end, in a large cohort of 241 term-born infants we used Magnetic Resonance Imaging to estimate cortical profiles based on morphometry and microstructure over the perinatal period (37-44 weeks post-menstrual age, PMA). Using the covariance of these profiles as a measure of inter-areal network similarity (Morphometric Similarity Networks; MSN), we clustered these networks into distinct modules. The resulting modules were consistent and symmetric, and corresponded to known functional distinctions, including sensory-motor, limbic and association regions and were spatially mapped onto known cytoarchitectonic tissue classes. Posterior (parietal, occipital) regions became more morphometrically similar with increasing PMA, while peri-cingulate and medial temporal regions became more dissimilar. Network strength was associated with PMA: Within-network similarity increased over PMA suggesting emerging network distinction. These changes in cortical network architecture over an eight-week period are consistent with, and likely underpin, the highly dynamic behavioural and cognitive development occurring during this critical period. The resulting cortical profiles might provide normative reference to investigate atypical early brain development.

Background: Abnormal macrostructural development of the cerebral cortex has been associated with hypoxia in infants with congenital heart disease (CHD). Animal studies have suggested that hypoxia results in cortical dysmaturation at the cellular level. New magnetic resonance imaging (MRI) techniques offer the potential to investigate the relationship between cerebral oxygen delivery and microstructural development of the cortex in newborn infants with CHD. Methods: We measured macrostructural and microstructural properties of the cortex in 48 newborn infants with complex CHD and 48 age-matched healthy controls. Cortical volume and gyrification index were calculated from high resolution structural MRI. Neurite density and orientation dispersion indices were modelled using high angular resolution diffusion MRI. Cerebral oxygen delivery was estimated in infants with CHD using phase contrast MRI and pre-ductal pulse oximetry. We used tract-based spatial statistics to examine voxel-wise group differences in cortical microstructure. Results: Microstructural development of the cortex was abnormal in 48 infants with CHD, with regions of increased fractional anisotropy (FA) and reduced orientation dispersion index (ODI) compared to 48 healthy controls, correcting for gestational age at birth and scan (FWE-corrected for multiple comparisons at P<0.05). Regions of reduced cortical ODI in infants with CHD were related to impaired cerebral oxygen delivery (R2=0.637, n=39). Cortical ODI was associated with gyrification index (R2=0.589, P<0.0001, n=48). Conclusions: This study suggests that the primary component of cerebral cortex dysmaturation in CHD is impaired dendritic arborisation, which may underlie abnormal macrostructural findings reported in this population. The degree of impairment was related to cerebral oxygen delivery, supporting the hypothesis that maternal oxygen therapy may be beneficial in this population.

Premature birth increases the risk of developing neurocognitive and neurobehavioural disorders. The mechanisms of altered brain development causing these disorders are yet unknown. Studying the morphology and function of the brain during maturation provides us not only with a better understanding of normal development, but may help us to identify causes of abnormal development and their consequences. A particular difficulty is to distinguish abnormal patterns of neurodevelopment from normal variation. The Developing Human Connectome Project (dHCP) seeks to create a detailed four-dimensional (4D) connectome of early life. This connectome may provide insights into normal as well as abnormal patterns of brain development. As part of this project, more than a thousand healthy fetal and neonatal brains will be scanned in vivo. This requires computational methods which scale well to larger data sets. We propose a novel groupwise method for the construction of a spatio-temporal model of mean morphology from cross-sectional brain scans at different gestational ages. This model scales linearly with the number of images and thus improves upon methods used to build existing public neonatal atlases, which derive correspondence between all pairs of images. By jointly estimating mean shape and longitudinal change, the atlas created with our method overcomes temporal inconsistencies, which are encountered when mean shape and intensity images are constructed separately for each time point. Using this approach, we have constructed a spatio-temporal atlas from 275 healthy neonates between 35 and 44 weeks post-menstrual age (PMA). The resulting atlas qualitatively preserves cortical details significantly better than publicly available atlases. This is moreover confirmed by a number of quantitative measures of the quality of the spatial normalisation and sharpness of the resulting template brain images.

Abstract Fetal MRI is widely used for quantitative brain volumetry studies. However, currently, there is a lack of universally accepted protocols for fetal brain parcellation and segmentation. Published clinical studies tend to use different segmentation approaches that also reportedly require significant amounts of time-consuming manual refinement. In this work, we propose to address this challenge by developing a new robust deep learning-based fetal brain segmentation pipeline for 3D T2w motion corrected brain images. At first, we defined a new refined brain tissue parcellation protocol with 19 regions-of-interest using the new fetal brain MRI atlas from the Developing Human Connectome Project. This protocol design was based on evidence from histological brain atlases, clear visibility of the structures in individual subject 3D T2w images and the clinical relevance to quantitative studies. It was then used as a basis for developing an automated deep learning brain tissue parcellation pipeline trained on 360 fetal MRI datasets with different acquisition parameters using semi-supervised approach with manually refined labels propagated from the atlas. The pipeline demonstrated robust performance for different acquisition protocols and GA ranges. Analysis of tissue volumetry for 390 normal participants (21-38 weeks gestational age range), scanned with three different acquisition protocols, did not reveal significant differences for major structures in the growth charts. Only minor errors were present in < 15% of cases thus significantly reducing the need for manual refinement. In addition, quantitative comparison between 65 fetuses with ventriculomegaly and 60 normal control cases were in agreement with the findings reported in our earlier work based on manual segmentations. These preliminary results support the feasibility of the proposed atlas-based deep learning approach for large-scale volumetric analysis. The created fetal brain volumetry centiles and a docker with the proposed pipeline are publicly available online at https://hub.docker.com/r/fetalsvrtk/segmentation (tag brain bounti tissue).

The Developing Human Connectome Project (dHCP) seeks to create the first 4-dimensional connectome of early life. Understanding this connectome in detail may provide insights into normal as well as abnormal patterns of brain development. Following established best practices adopted by the WU-MINN Human Connectome Project (HCP), and pioneered by FreeSurfer, the project utilises cortical surface-based processing pipelines. In this paper, we propose a fully automated processing pipeline for the structural Magnetic Resonance Imaging (MRI) of the developing neonatal brain. This proposed pipeline consists of a refined framework for cortical and sub-cortical volume segmentation, cortical surface extraction, and cortical surface inflation, which has been specifically designed to address considerable differences between adult and neonatal brains, as imaged using MRI. Using the proposed pipeline our results demonstrate that images collected from 465 subjects ranging from 28 to 45 weeks post-menstrual age (PMA) can be processed fully automatically; generating cortical surface models that are topologically correct, and correspond well with manual evaluations of tissue boundaries in 85% of cases. Results improve on state-of-the-art neonatal tissue segmentation models and significant errors were found in only 2% of cases, where these corresponded to subjects with high motion. Downstream, these surfaces will enhance comparisons of functional and diffusion MRI datasets, supporting the modelling of emerging patterns of brain connectivity.