Abstract Diffusion tractography MRI can infer changes in network connectivity in patients with traumatic brain injury (TBI), but pathological substrates of disconnected tracts have not been well-defined due to a lack of high-resolution imaging with histopathological validation. We developed an ex vivo MRI protocol to analyze tract terminations at 750 μm resolution, followed by histopathologic evaluation of white matter pathology, and applied these methods to a 60-year-old man who died 26 days after TBI. Analysis of 74 cerebral hemispheric white matter regions revealed a heterogeneous distribution of tract disruptions. Associated histopathology identified variable white matter injury with patchy deposition of amyloid precursor protein and loss of neurofilament-positive axonal processes, myelin dissolution, astrogliosis, microgliosis, and perivascular hemosiderin-laden macrophages. Multiple linear regression revealed that tract disruption strongly correlated with neurofilament loss. Ex vivo diffusion MRI can detect tract disruptions in the human brain that reflect axonal injury.

Abstract Alzheimer’s disease (AD) is the most common cause of dementia in older adults. Neuropathological and imaging studies have demonstrated a progressive and stereotyped accumulation of protein aggregates, but the underlying molecular and cellular mechanisms driving AD progression and vulnerable cell populations affected by disease remain coarsely understood. The current study harnesses single cell and spatial genomics tools and knowledge from the BRAIN Initiative Cell Census Network to understand the impact of disease progression on middle temporal gyrus cell types. We used image-based quantitative neuropathology to place 84 donors spanning the spectrum of AD pathology along a continuous disease pseudoprogression score and multiomic technologies to profile single nuclei from each donor, mapping their transcriptomes, epigenomes, and spatial coordinates to a common cell type reference with unprecedented resolution. Temporal analysis of cell-type proportions indicated an early reduction of Somatostatin-expressing neuronal subtypes and a late decrease of supragranular intratelencephalic-projecting excitatory and Parvalbumin-expressing neurons, with increases in disease-associated microglial and astrocytic states. We found complex gene expression differences, ranging from global to cell type-specific effects. These effects showed different temporal patterns indicating diverse cellular perturbations as a function of disease progression. A subset of donors showed a particularly severe cellular and molecular phenotype, which correlated with steeper cognitive decline. We have created a freely available public resource to explore these data and to accelerate progress in AD research at SEA-AD.org .

We present open-source tools for 3D analysis of photographs of dissected slices of human brains, which are routinely acquired in brain banks but seldom used for quantitative analysis. Our tools can: (i) 3D reconstruct a volume from the photographs and, optionally, a surface scan; and (ii) produce a high-resolution 3D segmentation into 11 brain regions, independently of the slice thickness. Our tools can be used as a substitute for ex vivo magnetic resonance imaging (MRI), which requires access to an MRI scanner, ex vivo scanning expertise, and considerable financial resources. We tested our tools on synthetic and real data from two NIH Alzheimer's Disease Research Centers. The results show that our methodology yields accurate 3D reconstructions, segmentations, and volumetric measurements that are highly correlated to those from MRI. Our method also detects expected differences between post mortem confirmed Alzheimer's disease cases and controls. The tools are available in our widespread neuroimaging suite "FreeSurfer" ( https://surfer.nmr.mgh.harvard.edu/fswiki/PhotoTools ).

Neuroimaging biomarkers show promise for improving precision diagnosis and prognosis after mild traumatic brain injury (mTBI), but none has yet been adopted in routine clinical practice. Biophysical modeling of multishell diffusion MRI, using the neurite orientation dispersion and density imaging (NODDI) framework, may improve upon conventional diffusion tensor imaging (DTI) in revealing subtle patterns of underlying white matter microstructural pathology, such as diffuse axonal injury (DAI) and neuroinflammation, that are important for detecting mTBI and determining patient outcome. With a cross-sectional and longitudinal design, we assessed structural MRI, DTI and NODDI in 40 mTBI patients at 2 weeks and 6 months after injury and 14 matched control participants with orthopedic trauma but not suffering from mTBI at 2 weeks. Self-reported and performance-based cognitive measures assessing postconcussive symptoms, memory, executive functions and processing speed were investigated in post-acute and chronic phase after injury for the mTBI subjects. Machine learning analysis was used to identify mTBI patients with the best neuropsychological improvement over time and relate this outcome to DTI and NODDI biomarkers. In the cross-sectional comparison with the trauma control group at 2 weeks post-injury, mTBI patients showed decreased fractional anisotropy (FA) and increased mean diffusivity (MD) on DTI mainly in anterior tracts that corresponded to white matter regions of elevated free water fraction (FISO) on NODDI, signifying vasogenic edema. Patients showed decreases from 2 weeks to 6 months in white matter neurite density on NODDI, predominantly in posterior tracts. No significant longitudinal changes in DTI metrics were observed. The machine learning analysis divided the mTBI patients into two groups based on their recovery. Voxel-wise group comparison revealed associations between white matter orientation dispersion index (ODI) and FISO with degree and trajectory of improvement within the mTBI group. In conclusion, white matter FA and MD alterations early after mTBI might reflect vasogenic edema, as shown by elevated free water on NODDI. Longer-term declines in neurite density on NODDI suggest progressive axonal degeneration due to DAI, especially in tracts known to be integral to the structural connectome. Overall, these results show that the NODDI parameters appear to be more sensitive to longitudinal changes than DTI metrics. Thus, NODDI merits further study in larger cohorts for mTBI diagnosis, prognosis and treatment monitoring.

Cortical volumetric analysis is widely used to study the anatomic basis of neurological deficits in patients with traumatic brain injury (TBI). However, patients with TBI-related lesions are often excluded from analysis, because cortical lesions may compromise the accuracy of reconstructed surfaces upon which volumetric measurements are based. Here, we propose a novel FreeSurfer-based lesion correction method and illustrate its impact on cortical volume measures in patients with chronic moderate-to-severe TBI. We performed MRI in 87 patients at mean+/-SD 10.9+/-9.1 years post-injury using a T1-weighted multi-echo MPRAGE sequence at 1 mm resolution. Following surface reconstruction, we parcellated the cerebral cortex into seven functional networks using FreeSurfer's standard pipeline. Next, we manually labeled vertices on the cortical surface where lesions caused inaccuracies and removed them from network-based cortical volumetric measures. After performing this lesion correction procedure, we measured the surface area of lesion overlap with each network and the percent volume of each network affected by lesions. We identified 120 lesions that caused inaccuracies in the cortical surface in 46 patients. In these 46 patients, the most commonly lesioned networks were the limbic and default mode networks (95.7% each), followed by the executive control (78.3%), and salience (71.7%) networks. The limbic network had the largest average surface area of lesion overlap (4.4+/-3.7%) and the largest percent volume affected by lesions (12.7+/-9.7%). The lesion correction method has the potential to improve the accuracy of cortical volumetric measurements and permit inclusion of patients with lesioned brains in quantitative analyses, providing new opportunities to elucidate network-based mechanisms of neurological deficits in patients with TBI.

Abstract Elucidating mechanisms underlying the clinical heterogeneity observed among individuals with Alzheimer’s disease (AD) is key to facilitate personalized treatments. We categorized 679 individuals with AD into subgroups based on a relative impairment in one cognitive domain (i.e. AD-Memory, AD-Executive-Functioning, AD-Language and AD-Visuospatial-Functioning). We compared atrophy patterns derived from MRI and identified patterns that closely matched the respective cognitive profiles, i.e. medial temporal lobe atrophy in AD-Memory, fronto-parietal in AD-Executive-Functioning, asymmetric left-temporal in AD-Language, and posterior in AD-Visuospatial-Functioning. We then determined spatial correlations between subgroup-specific atrophy and a transcriptomic atlas of gene expression, which revealed both shared (e.g. mitochondrial respiration and synaptic function/plasticity) and subgroup-specific (e.g. cell-cycle for AD-Memory, protein metabolism in AD-Language, and modification of gene expression in AD-Visuospatial-Functioning) biological pathways associated with each subgroup’s atrophy patterns. We conclude that cognitive heterogeneity in AD is related to neuroanatomical differences, and specific biological pathways may be involved in their emergence.