Deficits in working memory (WM) are commonly observed after brain injuries and cause severe impairments in patients' everyday life. It is still under debate if training can enhance or rehabilitate WM in case of malfunction. The current meta-analysis investigates this issue from a clinical point of view. It addresses under which conditions and for which target group WM training may be justifiable.Relevant WM training studies were identified by searching electronic literature databases with a comprehensive search term. In total, 103 studies, which added up to 112 independent group comparisons (N = 6,113 participants), were included in the analysis.Overall, WM training caused a moderate and long-lasting improvement in untrained WM tasks. Moreover, improvement of WM functioning led to sustainable better evaluation of everyday life functioning, however, effect sizes were small. Concerning transfer effects on other cognitive domains, long-lasting improvements with small effect sizes were observed in cognitive control and reasoning/intelligence. In contrast, small immediate, but no long-term effects were found for attention and long-term memory. Studies with brain injured patients demonstrated long-lasting improvements in WM functions with moderate to large effect sizes. A main moderator variable of intervention efficacy is the number of training sessions applied.WM training produces long-lasting beneficial effects which are strongly pronounced in patients with acquired brain injuries. This finding supports the application of WM training in clinical settings. To determine optimal training conditions, future studies must systematically investigate the characteristics of interventions as they are at present inevitably confounded.

Abstract Immersive virtual reality (VR) enables naturalistic neuroscientific studies while maintaining experimental control, but dynamic and interactive stimuli pose methodological challenges. We here probed the link between emotional arousal, a fundamental property of affective experience, and parieto-occipital alpha power under naturalistic stimulation: 37 young healthy adults completed an immersive VR experience, which included rollercoaster rides, while their EEG was recorded. They then continuously rated their subjective emotional arousal while viewing a replay of their experience. The association between emotional arousal and parieto-occipital alpha power was tested and confirmed by (1) decomposing the continuous EEG signal while maximizing the comodulation between alpha power and arousal ratings and by (2) decoding periods of high and low arousal with discriminative common spatial patterns and a Long Short-Term Memory recurrent neural network. We successfully combine EEG and a naturalistic immersive VR experience to extend previous findings on the neurophysiology of emotional arousal towards real-world neuroscience.

Abstract While many structural and biochemical changes in the brain have been previously associated with aging, the findings concerning electrophysiological signatures, reflecting functional properties of neuronal networks, remain rather controversial. To try resolve this issue, we took advantage of a large population study (N=1703) and comprehensively investigated the association of multiple EEG biomarkers (power of alpha and theta oscillations, individual alpha peak frequency (IAF), the slope of 1/f power spectral decay), aging, and aging and cognitive performance. Cognitive performance was captured with three factors representing processing speed, episodic memory, and interference resolution. Our results show that not only did IAF decline with age but it was also associated with interference resolution over multiple cortical areas. To a weaker extent, 1/f slope of the PSD showed age-related reductions, mostly in frontal brain regions. Finally, alpha power was negatively associated with the speed of processing in the right frontal lobe, despite the absence of age-related alterations. Our results thus demonstrate that multiple electrophysiological features, as well as their interplay, should be considered when investigating the association between age, neuronal activity, and cognitive performance.

Abstract Previous studies have shown that timing of sensory stimulation during the cardiac cycle interacts with perception. Given the natural coupling of respiration and cardiac activity, we investigated here their joint effects on tactile perception. Forty-one healthy female and male human participants reported conscious perception of finger near-threshold electrical pulses (33% null trials) and decision confidence while electrocardiography, respiratory activity, and finger photoplethysmography were recorded. Participants adapted their respiratory cycle to expected stimulus onsets to preferentially occur during late inspiration / early expiration. This closely matched heart rate variation (sinus arrhythmia) across the respiratory cycle such that most frequent stimulation onsets occurred during the period of highest heart rate probably indicating highest alertness and cortical excitability. Tactile detection rate was highest during the first quadrant after expiration onset. Inter-individually, stronger respiratory phase-locking to the task was associated with higher detection rates. Regarding the cardiac cycle, we confirmed previous findings that tactile detection rate was higher during diastole than systole and newly specified its minimum at 250 - 300 ms after the R-peak corresponding to the pulse wave arrival in the finger. Expectation of stimulation induced a transient heart deceleration which was more pronounced for unconfident decision ratings. Inter-individually, stronger post-stimulus modulations of heart rate were linked to higher detection rates. In summary, we demonstrate how tuning to the respiratory cycle and integration of respiratory-cardiac signals are used to optimize performance of a tactile detection task. Significance statement Mechanistic studies on perception and cognition tend to focus on the brain neglecting contributions of the body. Here, we investigated how respiration and heartbeat influence tactile perception: Respiration phase-locking to expected stimulus onsets corresponds to highest heart rate (and presumably alertness/cortical excitability) and correlates with detection performance. Tactile detection varies across the heart cycle with a minimum when the pulse reaches the finger and a maximum in diastole. Taken together with our previous finding of unchanged early ERPs across the cardiac cycle we conclude that these effects are not a peripheral physiological artifact but a result of cognitive processes that model our body’s internal state, make predictions to guide behavior, and might also tune respiration to serve the task.

Abstract The size of the human head is determined by growth in the first years of life, while the rest of the body typically grows until early adulthood 1 . Such complex developmental processes are regulated by various genes and growth pathways 2 . Rare genetic syndromes have revealed genes that affect head size 3 , but the genetic drivers of variation in head size within the general population remain largely unknown. To elucidate biological pathways underlying the growth of the human head, we performed the largest genome-wide association study on human head size to date (N = 79,107). We identified 67 genetic loci, 50 of which are novel, and found that these loci are preferentially associated with head size and mostly independent from height. In subsequent neuroimaging analyses, the majority of genetic variants demonstrated widespread effects on the brain, whereas the effects of 17 variants could be localized to one or two specific brain regions. Through hypothesis-free approaches, we find a strong overlap of head size variants with both cancer pathways and cancer genes. Gene set analyses showed enrichment for different types of cancer and the p53, Wnt and ErbB signalling pathway. Genes overlapping or close to lead variants – such as TP53 , PTEN and APC – were enriched for genes involved in macrocephaly syndromes (up to 37-fold) and high-fidelity cancer genes (up to 9-fold), whereas this enrichment was not seen for human height variants. This indicates that genes regulating early brain and cranial growth are associated with a propensity to neoplasia later in life, irrespective of height. Our results warrant further investigations of the link between head size and cancer, as well as its clinical implications in the general population.

Abstract Cross-frequency synchronization (CFS) has been proposed as a mechanism for integrating spatially and spectrally distributed information in the brain. However, investigating CFS in Magneto- and Electroencephalography (MEG/EEG) is hampered by the presence of spurious neuronal interactions due to the non-sinusoidal waveshape of brain oscillations. Such waveshape gives rise to the presence of oscillatory harmonics mimicking genuine neuronal oscillations. Until recently, however, there has been no methodology for removing these harmonics from neuronal data. In order to address this long-standing challenge, we introduce a novel method (called HARMOnic miNImization - Harmoni) that removes the signal components which can be harmonics of a non-sinusoidal signal. Harmoni’s working principle is based on the presence of CFS between harmonic components and the fundamental component of a non-sinusoidal signal. We extensively tested Harmoni in realistic EEG simulations. The simulated couplings between the source signals represented genuine and spurious CFS and within-frequency phase synchronization. Using diverse evaluation criteria, including ROC analyses, we showed that the within- and cross-frequency spurious interactions are suppressed significantly, while the genuine activities are not affected. Additionally, we applied Harmoni to real resting-state EEG data revealing intricate remote connectivity patterns which are usually masked by the spurious connections. Given the ubiquity of non-sinusoidal neuronal oscillations in electrophysiological recordings, Harmoni is expected to facilitate novel insights into genuine neuronal interactions in various research fields, and can also serve as a steppingstone towards the development of further signal processing methods aiming at refining within- and cross-frequency synchronization in electrophysiological recordings.

1 Abstract Longitudinal imaging studies are crucial for advancing the understanding of brain development over the lifespan. Thus, more and more studies acquire imaging data at multiple time points or with long follow-up intervals. In these studies changes to magnetic resonance imaging (MRI) scanners often become inevitable which may decrease the reliability of the MRI assessments and introduce biases. We therefore investigated the difference between MRI scanners with subsequent versions (3 Tesla Siemens Verio vs. Skyra fit) on the cortical and subcortical measures of grey matter in 116 healthy, young adults using the well-established longitudinal FreeSurfer stream for T1-weighted brain images. We found excellent between-scanner reliability for cortical and subcortical measures of grey matter structure (intra-class correlation coefficient > 0.8). Yet, paired t-tests revealed statistically significant differences in at least 75% of the regions, with percent differences up to 5%, depending on the outcome measure. Offline correction for gradient distortions only slightly reduced these biases. Further, T1-imaging based quality measures systematically differed between scanners. We conclude that scanner upgrades during a longitudinal study introduce bias in measures of cortical and subcortical grey matter structure. Therefore, before upgrading a MRI scanner during an ongoing study, researchers should prepare to implement an appropriate correction method for these effects.

Abstract In motor learning, sequence-specificity, i.e. the learning of specific sequential associations, has predominantly been studied using task-based fMRI paradigms. However, offline changes in resting state functional connectivity after sequence-specific motor learning are less well understood. Previous research has established that plastic changes following motor learning can be divided into stages including fast learning, slow learning and retention. A description of how resting state functional connectivity after sequence-specific motor sequence learning (MSL) develops across these stages is missing. This study aimed to identify plastic alterations in whole-brain functional connectivity after learning a complex motor sequence by contrasting an active group who learned a complex sequence with a control group who performed a control task matched for motor execution. Resting state fMRI and behavioural performance were collected in both groups over the course of 5 consecutive training days and at follow-up after 12 days to encompass fast learning, slow learning, overall learning and retention. Between-group interaction analyses showed sequence-specific decreases in functional connectivity during overall learning in the right supplementary motor area (SMA). We found that connectivity changes in key regions of the motor network including the superior parietal cortex (SPC) and primary motor cortex (M1) were not a result of sequence-specific learning but were instead linked to motor execution. Our study confirms the sequence-specific role of SMAthat has previously been identified in online task-based learning studies, and extends it to resting state network changes after sequence-specific MSL.

Abstract Brain-age (BA) estimates based on deep learning are increasingly used as neuroimaging biomarker for brain health; however, the underlying neural features have remained unclear. We combined ensembles of convolutional neural networks with Layer-wise Relevance Propagation (LRP) to detect which brain features contribute to BA. Trained on magnetic resonance imaging (MRI) data of a population-based study (n=2637, 18-82 years), our models estimated age accurately based on single and multiple modalities, regionally restricted and whole-brain images (mean absolute errors 3.37-3.86 years). We find that BA estimates capture aging at both small and large-scale changes, revealing gross enlargements of ventricles and subarachnoid spaces, as well as white matter lesions, and atrophies that appear throughout the brain. Divergence from expected aging reflected cardiovascular risk factors and accelerated aging was more pronounced in the frontal lobe. Applying LRP, our study demonstrates how superior deep learning models detect brain-aging in healthy and at-risk individuals throughout adulthood.

Abstract Oscillations and evoked responses are two main types of neuronal activity recorded non-invasively with EEG/MEG. Although typically studied separately, they might in fact represent the same neuronal process. One possibility to unite them is to demonstrate that neuronal oscillations have non-zero mean which would indicate that stimulus- or task-triggered amplitude modulation of oscillations will unavoidably lead to the generation of evoked responses. We validated this mechanism using computational modelling and analysis of a large EEG data set. With a biophysical model, we indeed demonstrated that the mean of alpha oscillations is non-zero for a wide range of model parameters. In EEG data we detected non-zero mean alpha oscillations in about 96% of the participants. Furthermore, using complementary neuronal-ensemble modelling, we provided an explanation for the previously observed discrepancies between evoked responses and oscillatory amplitude changes after stimulus presentation. Overall, our results provide strong support for the unification of neuronal oscillations and evoked responses.