Brain segmentation of infant magnetic resonance (MR) images is vitally important in studying developmental mental health and disease. The infant brain undergoes many changes throughout the first years of postnatal life, making tissue segmentation difficult for most existing algorithms. Here, we introduce a deep neural network BIBSNet (Baby and Infant Brain Segmentation Neural Network), an open-source, community-driven model that relies on data augmentation and a large sample size of manually annotated images to facilitate the production of robust and generalizable brain segmentations.Included in model training and testing were MR brain images on 84 participants with an age range of 0-8 months (median postmenstrual ages of 13.57 months). Using manually annotated real and synthetic segmentation images, the model was trained using a 10-fold cross-validation procedure. Testing occurred on MRI data processed with the DCAN labs infant-ABCD-BIDS processing pipeline using segmentations produced from gold standard manual annotation, joint-label fusion (JLF), and BIBSNet to assess model performance.Using group analyses, results suggest that cortical metrics produced using BIBSNet segmentations outperforms JLF segmentations. Additionally, when analyzing individual differences, BIBSNet segmentations perform even better.BIBSNet segmentation shows marked improvement over JLF segmentations across all age groups analyzed. The BIBSNet model is 600x faster compared to JLF and can be easily included in other processing pipelines.

Over the past 25 years, neuroimaging has become a ubiquitous tool in basic research and clinical studies of the human brain. However, there are no reference standards against which to anchor measures of individual differences in brain morphology, in contrast to growth charts for traits such as height and weight. Here, we built an interactive online resource (www.brainchart.io) to quantify individual differences in brain structure from any current or future magnetic resonance imaging (MRI) study, against models of expected age-related trends. With the goal of basing these on the largest and most inclusive dataset, we aggregated MRI data spanning 115 days post-conception through 100 postnatal years, totaling 122,123 scans from 100,071 individuals in over 100 studies across 6 continents. When quantified as centile scores relative to the reference models, individual differences show high validity with non-MRI brain growth estimates and high stability across longitudinal assessment. Centile scores helped identify previously unreported brain developmental milestones and demonstrated increased genetic heritability compared to non-centiled MRI phenotypes. Crucially for the study of brain disorders, centile scores provide a standardised and interpretable measure of deviation that reveals new patterns of neuroanatomical differences across neurological and psychiatric disorders emerging during development and ageing. In sum, brain charts for the human lifespan are an essential first step towards robust, standardised quantification of individual variation and for characterizing deviation from age-related trends. Our global collaborative study provides such an anchorpoint for basic neuroimaging research and will facilitate implementation of research-based standards in clinical studies.

Abstract Early dietary exposure via human milk (HM) components offers a window of opportunity to support cognitive and temperamental development. While several studies have focused on associations of few pre-selected HM components with cognition and temperament, it is highly plausible that HM components synergistically and jointly support cognitive and behavioral development in early life. We aimed to discern the combined associations of a wide array of HM nutrients with cognition and temperament during the first six months of life and explore if there were persistent effects up to 18 months old, when HM is the primary source of an infant’s nutrition. The Mullen Scales of Early Learning and Infant Behavior Questionnaires-Revised were used to assess cognition and temperament, respectively, of fifty-four exclusively/predominantly breastfed infants in the first 6 months of life, whose follow-ups were conducted at 6-9, 9-12 and 12-18 months old. HM samples were obtained from the mothers of the participants at less than 6 months of life and analyzed for fatty acids (total monounsaturated fatty acids, polyunsaturated fatty acid, total saturated fatty acid (TSFA), arachidonic acid (ARA), docosahexaenoic acid (DHA), ARA/DHA, omega-6/omega-3 polyunsaturated fatty acids ratio (n-6/n-3)), phospholipids (phosphatidylcholine, phosphatidylethanolamine (PE), phosphatidylinositol (PI), sphingomyelin) and choline (free choline, phosphocholine (PCho), glycerophosphocholine). Feature selection was performed to select nutrients associated with cognition and temperament, respectively. The combined effects of selected nutrients were analyzed using multiple regression. A positive association between the arachidonic acid (ARA) and surgency was observed ( p = 0.024). Significant effect of DHA, n-6/n-3, PE and TSFA concentrations on receptive language ( R 2 = 0.39, p = 0.025), and the elevated ARA, PCho, and PI with increased surgency ( R 2 = 0.43, p = 0.003) was identified, suggesting that DHA and ARA may have distinct roles for temperament and language functions. Furthermore, the exploratory association analyses suggest that the effects of HM nutrients on R.L. and surgency may persist beyond the first 6 months of life, particularly surgency at 12-18 months ( p = 0.002). Our studies highlighted that various HM nutrients work together to support the development of cognition and temperament traits during early infancy.

Abstract Imaging the infant brain with MRI has improved our understanding of early stages of neurodevelopment. However, head motion during MRI acquisition is detrimental to both functional and structural MRI scan quality. Though infants are commonly scanned while asleep, they commonly exhibit motion during scanning, causing data loss. Our group has shown that providing MRI technicians with real-time motion estimates via Framewise Integrated Real-Time MRI Monitoring (FIRMM) software helps obtain high-quality, low motion fMRI data. By estimating head motion in real time and displaying motion metrics to the MR technician during an fMRI scan, FIRMM can improve scanning efficiency. Hence, we compared average framewise displacement (FD), a proxy for head motion, and the amount of usable fMRI data (FD ≤ 0.2mm) in infants scanned with (n = 407) and without FIRMM (n = 295). Using a mixed-effects model, we found that the addition of FIRMM to current state-of-the-art infant scanning protocols significantly increased the amount of usable fMRI data acquired per infant, demonstrating its value for research and clinical infant neuroimaging.