Several recent reports in large, independent samples have demonstrated the influence of motion artifact on resting-state functional connectivity MRI (rsfc-MRI). Standard rsfc-MRI preprocessing typically includes regression of confounding signals and band-pass filtering. However, substantial heterogeneity exists in how these techniques are implemented across studies, and no prior study has examined the effect of differing approaches for the control of motion-induced artifacts. To better understand how in-scanner head motion affects rsfc-MRI data, we describe the spatial, temporal, and spectral characteristics of motion artifacts in a sample of 348 adolescents. Analyses utilize a novel approach for describing head motion on a voxelwise basis. Next, we systematically evaluate the efficacy of a range of confound regression and filtering techniques for the control of motion-induced artifacts. Results reveal that the effectiveness of preprocessing procedures on the control of motion is heterogeneous, and that improved preprocessing provides a substantial benefit beyond typical procedures. These results demonstrate that the effect of motion on rsfc-MRI can be substantially attenuated through improved preprocessing procedures, but not completely removed.

It has recently been reported (Van Dijk et al., 2011) that in-scanner head motion can have a substantial impact on MRI measurements of resting-state functional connectivity. This finding may be of particular relevance for studies of neurodevelopment in youth, confounding analyses to the extent that motion and subject age are related. Furthermore, while Van Dijk et al. demonstrated the effect of motion on seed-based connectivity analyses, it is not known how motion impacts other common measures of connectivity. Here we expand on the findings of Van Dijk et al. by examining the effect of motion on multiple types of resting-state connectivity analyses in a large sample of children and adolescents (n = 456). Following replication of the effect of motion on seed-based analyses, we examine the influence of motion on graphical measures of network modularity, dual-regression of independent component analysis, as well as the amplitude and fractional amplitude of low frequency fluctuation. In the entire sample, subject age was highly related to motion. Using a subsample where age and motion were unrelated, we demonstrate that motion has marked effects on connectivity in every analysis examined. While subject age was associated with increased within-network connectivity even when motion was accounted for, controlling for motion substantially attenuated the strength of this relationship. The results demonstrate the pervasive influence of motion on multiple types functional connectivity analysis, and underline the importance of accounting for motion in studies of neurodevelopment.

Significance Sex differences are of high scientific and societal interest because of their prominence in behavior of humans and nonhuman species. This work is highly significant because it studies a very large population of 949 youths (8–22 y, 428 males and 521 females) using the diffusion-based structural connectome of the brain, identifying novel sex differences. The results establish that male brains are optimized for intrahemispheric and female brains for interhemispheric communication. The developmental trajectories of males and females separate at a young age, demonstrating wide differences during adolescence and adulthood. The observations suggest that male brains are structured to facilitate connectivity between perception and coordinated action, whereas female brains are designed to facilitate communication between analytical and intuitive processing modes.

The profile of brain structural abnormalities in schizophrenia is still not fully understood, despite decades of research using brain scans. To validate a prospective meta-analysis approach to analyzing multicenter neuroimaging data, we analyzed brain MRI scans from 2028 schizophrenia patients and 2540 healthy controls, assessed with standardized methods at 15 centers worldwide. We identified subcortical brain volumes that differentiated patients from controls, and ranked them according to their effect sizes. Compared with healthy controls, patients with schizophrenia had smaller hippocampus (Cohen's d=-0.46), amygdala (d=-0.31), thalamus (d=-0.31), accumbens (d=-0.25) and intracranial volumes (d=-0.12), as well as larger pallidum (d=0.21) and lateral ventricle volumes (d=0.37). Putamen and pallidum volume augmentations were positively associated with duration of illness and hippocampal deficits scaled with the proportion of unmedicated patients. Worldwide cooperative analyses of brain imaging data support a profile of subcortical abnormalities in schizophrenia, which is consistent with that based on traditional meta-analytic approaches. This first ENIGMA Schizophrenia Working Group study validates that collaborative data analyses can readily be used across brain phenotypes and disorders and encourages analysis and data sharing efforts to further our understanding of severe mental illness.

Since initial reports regarding the impact of motion artifact on measures of functional connectivity, there has been a proliferation of participant-level confound regression methods to limit its impact. However, many of the most commonly used techniques have not been systematically evaluated using a broad range of outcome measures. Here, we provide a systematic evaluation of 14 participant-level confound regression methods in 393 youths. Specifically, we compare methods according to four benchmarks, including the residual relationship between motion and connectivity, distance-dependent effects of motion on connectivity, network identifiability, and additional degrees of freedom lost in confound regression. Our results delineate two clear trade-offs among methods. First, methods that include global signal regression minimize the relationship between connectivity and motion, but result in distance-dependent artifact. In contrast, censoring methods mitigate both motion artifact and distance-dependence, but use additional degrees of freedom. Importantly, less effective de-noising methods are also unable to identify modular network structure in the connectome. Taken together, these results emphasize the heterogeneous efficacy of existing methods, and suggest that different confound regression strategies may be appropriate in the context of specific scientific goals.

Diffusion tensor imaging (DTI) is a well-established magnetic resonance imaging (MRI) technique used for studying microstructural changes in the white matter. As with many other imaging modalities, DTI images suffer from technical between-scanner variation that hinders comparisons of images across imaging sites, scanners and over time. Using fractional anisotropy (FA) and mean diffusivity (MD) maps of 205 healthy participants acquired on two different scanners, we show that the DTI measurements are highly site-specific, highlighting the need of correcting for site effects before performing downstream statistical analyses. We first show evidence that combining DTI data from multiple sites, without harmonization, may be counter-productive and negatively impacts the inference. Then, we propose and compare several harmonization approaches for DTI data, and show that ComBat, a popular batch-effect correction tool used in genomics, performs best at modeling and removing the unwanted inter-site variability in FA and MD maps. Using age as a biological phenotype of interest, we show that ComBat both preserves biological variability and removes the unwanted variation introduced by site. Finally, we assess the different harmonization methods in the presence of different levels of confounding between site and age, in addition to test robustness to small sample size studies.

A critical issue in many neuroimaging studies is the comparison between brain maps. Nonetheless, it remains unclear how one should test hypotheses focused on the overlap or spatial correspondence between two or more brain maps. This “correspondence problem” affects, for example, the interpretation of comparisons between task-based patterns of functional activation, resting-state networks or modules, and neuroanatomical landmarks. To date, this problem has been addressed with remarkable variability in terms of methodological approaches and statistical rigor. In this paper, we address the correspondence problem using a spatial permutation framework to generate null models of overlap by applying random rotations to spherical representations of the cortical surface, an approach for which we also provide a theoretical statistical foundation. We use this method to derive clusters of cognitive functions that are correlated in terms of their functional neuroatomical substrates. In addition, using publicly available data, we formally demonstrate the correspondence between maps of task-based functional activity, resting-state fMRI networks and gyral-based anatomical landmarks. We provide open-access code to implement the methods presented for two commonly-used tools for surface based cortical analysis (https://www.github.com/spin-test). This spatial permutation approach constitutes a useful advance over widely-used methods for the comparison of cortical maps, thereby opening new possibilities for the integration of diverse neuroimaging data.

Considerable uncertainty exists about the defining brain changes associated with bipolar disorder (BD). Understanding and quantifying the sources of uncertainty can help generate novel clinical hypotheses about etiology and assist in the development of biomarkers for indexing disease progression and prognosis. Here we were interested in quantifying case–control differences in intracranial volume (ICV) and each of eight subcortical brain measures: nucleus accumbens, amygdala, caudate, hippocampus, globus pallidus, putamen, thalamus, lateral ventricles. In a large study of 1710 BD patients and 2594 healthy controls, we found consistent volumetric reductions in BD patients for mean hippocampus (Cohen’s d=−0.232; P=3.50 × 10−7) and thalamus (d=−0.148; P=4.27 × 10−3) and enlarged lateral ventricles (d=−0.260; P=3.93 × 10−5) in patients. No significant effect of age at illness onset was detected. Stratifying patients based on clinical subtype (BD type I or type II) revealed that BDI patients had significantly larger lateral ventricles and smaller hippocampus and amygdala than controls. However, when comparing BDI and BDII patients directly, we did not detect any significant differences in brain volume. This likely represents similar etiology between BD subtype classifications. Exploratory analyses revealed significantly larger thalamic volumes in patients taking lithium compared with patients not taking lithium. We detected no significant differences between BDII patients and controls in the largest such comparison to date. Findings in this study should be interpreted with caution and with careful consideration of the limitations inherent to meta-analyzed neuroimaging comparisons.

The protracted development of structural and functional brain connectivity within distributed association networks coincides with improvements in higher-order cognitive processes such as executive function. However, it remains unclear how white-matter architecture develops during youth to directly support coordinated neural activity. Here, we characterize the development of structure–function coupling using diffusion-weighted imaging and n -back functional MRI data in a sample of 727 individuals (ages 8 to 23 y). We found that spatial variability in structure–function coupling aligned with cortical hierarchies of functional specialization and evolutionary expansion. Furthermore, hierarchy-dependent age effects on structure–function coupling localized to transmodal cortex in both cross-sectional data and a subset of participants with longitudinal data ( n = 294). Moreover, structure–function coupling in rostrolateral prefrontal cortex was associated with executive performance and partially mediated age-related improvements in executive function. Together, these findings delineate a critical dimension of adolescent brain development, whereby the coupling between structural and functional connectivity remodels to support functional specialization and cognition.

Neurobiological abnormalities associated with psychiatric disorders do not map well to existing diagnostic categories. High co-morbidity suggests dimensional circuit-level abnormalities that cross diagnoses. Here we seek to identify brain-based dimensions of psychopathology using sparse canonical correlation analysis in a sample of 663 youths. This analysis reveals correlated patterns of functional connectivity and psychiatric symptoms. We find that four dimensions of psychopathology - mood, psychosis, fear, and externalizing behavior - are associated (r = 0.68-0.71) with distinct patterns of connectivity. Loss of network segregation between the default mode network and executive networks emerges as a common feature across all dimensions. Connectivity linked to mood and psychosis becomes more prominent with development, and sex differences are present for connectivity related to mood and fear. Critically, findings largely replicate in an independent dataset (n = 336). These results delineate connectivity-guided dimensions of psychopathology that cross clinical diagnostic categories, which could serve as a foundation for developing network-based biomarkers in psychiatry.