Abstract This paper extends our frequency domain quantitative electroencephalography (qEEG) methods pursuing higher sensitivity to detect Brain Developmental Disorders. Prior qEEG work lacked integration of cross-spectral information omitting important functional connectivity descriptors. Lack of geographical diversity precluded accounting for site-specific variance, increasing qEEG nuisance variance. We ameliorate these weaknesses. i) Create lifespan Hermitian Riemannian multinational qEEG norms for cross-spectral tensors. These norms result from the HarMNqEEG project fostered by the Global Brain Consortium. We calculate the norms with data from 9 countries, 12 devices, and 14 studies, including 1564 subjects. Instead of raw data, only anonymized metadata and EEG cross-spectral tensors were shared. After visual and automatic quality control developmental equations for the mean and standard deviation of qEEG traditional and Hermitian Riemannian descriptive parameters were calculated using additive mixed-effects models. We demonstrate qEEG “batch effects” and provide methods to calculate harmonized z-scores. ii) We also show that the multinational harmonized Hermitian Riemannian norms produce z-scores with increased diagnostic accuracy to predict brain dysfunction at school-age produced by malnutrition only in the first year of life. We provide data and software for constructing norms. iii) We offer open code and data to calculate different individual z-scores from the HarMNqEEG dataset. These results contribute to developing bias-free, low-cost neuroimaging technologies applicable in various health settings. Highlights We create lifespan Hermitian Riemannian qEEG norms for cross-spectral tensors. The norms are based on 9 countries, 12 devices, and 14 studies, with 1564 subjects. We demonstrate qEEG “batch effects”, providing harmonization methods to remove them. Multinational harmonized z-scores increase diagnostic accuracy of brain dysfunction. Data and software are available for norm and individual z-scores calculation.

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 Using functional resonance imaging (fMRI), we studied the relationship between perceptual organization and network topology within the primary visual cortex (V1). Twenty-six humans (male and female) were recorded during active observation of two Global and two Local Navon letters. Correlations between fMRI fluctuations from different V1 sites were measured (after removing stimulus-evoked signals) in windows specific to each condition. Intra-V1, like brain-wide networks, presented an overall decrease of correlations during stimulation compared to baseline and increased statistical dimensionality. Massive edgewise testing and network based-statistics (both corrected by FDR) identified differences between conditions of connection strengths that were mapped to the visual field. Global letters elicited long links mainly connecting V1 sites mapping the lower left/right visual quadrants. Shorter links were associated with Local letters, primarily mapped within the lower-left visual quadrant. Frequently link lengths exceeded V1 population receptive field sizes. These connections were not observed in the time-locked (feedforward) responses shared across participants. Thus, these networks reflect activity idiosyncratic to each participant, possibly generated by interactions within or feedback to V1. Perception would sculpt V1 connectivity, with specific increases in link strengths (in a background of decreases). These findings could help shed light on V1 as a “cognitive blackboard”.

Background: The EEG constitutes a powerful neuroimaging technique for assessing functional brain impairment in COVID-19 patients. Objective: The current investigation compared the EEG among COVID-19 survivors, close contacts and the Cuban EEG normative database, using semi-quantitative visual EEG inspection, quantitative and the current source density measures EEG analysis. Methods: The resting-state EEG activity, quantitative QEEG, and VARETA inverse solution, were evaluated in 173 subjects: 87 patients confirmed cases by the positive reverse transcription polymerase chain reaction (RT-PCR), 86 close contacts (negative PCR) and the Cuban EEG normative database. All patients were physical, neurological, and clinically assessed using neurological retrospective survey and version 2.1 of the Schedules for Clinical Assessment in Neuropsychiatry (SCAN). Results: The GTE score showed significant differences in terms of frequency scores of backgrounds rhythmic activity, diffuse slow activity, and focal abnormality. The QEEG analysis showed a pattern of abnormality with respect to the Cuban EEG normative values, displaying an excess of alpha and beta activities in the fronto-central-parietal areas in both groups. The anomalies, of COVID-19 patients and close contacts, differs in the right fronto-centro parietal area. The COVID 19 group differed-s from the close control group in theta band of the right parieto-central. The symptomatic group of COVID-19 patients differs from asymptomatic patients in delta and theta activities of the parieto-central region. The sources of activation using VARETA showed a difference in cortical activation patterns at alpha and beta frequencies in the groups studied with respect to the normative EEG database. In beta frequency were localized in right middle temporal gyrus in both groups and right angular gyrus in Covid 19 group only. In alpha band, the regions were the left supramarginal gyrus for Covid 19 group and the left superior temporal gyrus for Control group. Greater activation was found in the right middle temporal gyrus at alpha frequency in COVID-19 patients than in their close contacts.

Physical and cognitive decline at an older age is preceded by changes that accumulate over time until they become clinically evident difficulties. These changes, frequently overlooked by patients and health professionals, may respond better than fully established conditions to strategies designed to prevent disabilities and dependence in later life. The objective of this study was twofold; to provide further support for the need to screen for early functional changes in older adults and to look for an early association between decline in mobility and cognition. A cross-sectional cohort study was conducted on 95 active functionally independent community-dwelling older adults in Havana, Cuba. We measured their gait speed at the usual pace and the cognitive status using the MMSE. A value of 0.8 m/s was used as the cut-off point to decide whether they presented a decline in gait speed. A quantitative analysis of their EEG at rest was also performed to look for an associated subclinical decline in brain function. Results show that 70% of the sample had a gait speed deterioration (i.e., lower than 0.8 m/s), of which 80% also had an abnormal EEG frequency composition for their age. While there was no statistically significant difference in the MMSE score between participants with a gait speed above and below the selected cut-off, individuals with MMSE scores below 25 also had a gait speed<0.8 m/s and an abnormal EEG frequency composition. Our results provide further evidence of early decline in older adults–even if still independent and active—and point to the need for clinical pathways that incorporate screening and early intervention targeted at early deterioration to prolong the years of functional life in older age.