Abstract Resting-state functional MRI (rs-fMRI) allows estimation of individual-specific cortical parcellations. We have previously developed a multi-session hierarchical Bayesian model (MS-HBM) for estimating high-quality individual-specific network-level parcellations. Here, we extend the model to estimate individual-specific areal-level parcellations. While network-level parcellations comprise spatially distributed networks spanning the cortex, the consensus is that areal-level parcels should be spatially localized, i.e., should not span multiple lobes. There is disagreement about whether areal-level parcels should be strictly contiguous or comprise multiple non-contiguous components, therefore we considered three areal-level MS-HBM variants spanning these range of possibilities. Individual-specific MS-HBM parcellations estimated using 10min of data generalized better than other approaches using 150min of data to out-of-sample rs-fMRI and task-fMRI from the same individuals. Resting-state functional connectivity (RSFC) derived from MS-HBM parcellations also achieved the best behavioral prediction performance. Among the three MS-HBM variants, the strictly contiguous MS-HBM (cMS-HBM) exhibited the best resting-state homogeneity and most uniform within-parcel task activation. In terms of behavioral prediction, the gradient-infused MS-HBM (gMS-HBM) was numerically the best, but differences among MS-HBM variants were not statistically significant. Overall, these results suggest that areal-level MS-HBMs can capture behaviorally meaningful individual-specific parcellation features beyond group-level parcellations. Multi-resolution trained models and parcellations are publicly available ( https://github.com/ThomasYeoLab/CBIG/tree/master/stable_projects/brain_parcellation/Kong2022_ArealMSHBM ).

Distinct regions of the cerebellum connect to separate regions of the cerebral cortex forming a complex topography. While key properties of cerebellar organization have been revealed in group-averaged data, in-depth study of individuals provides an opportunity to discover functional-anatomical features that emerge at a higher spatial resolution. Here functional connectivity MRI was used to examine the cerebellum of two intensively-sampled individuals (each scanned across 31 MRI sessions). Connectivity to somatomotor cortex showed the expected crossed laterality and inversion of the body maps between the anterior and posterior lobes. A surprising discovery was connectivity to the primary visual cortex along the vermis with evidence for representation of the central field. Within the hemispheres, each individual displayed a hierarchical progression from the inverted anterior lobe somatomotor map through to higher-order association zones. The hierarchy ended near Crus I/II and then progressed in reverse order through to the upright somatomotor map in the posterior lobe. Evidence for a third set of networks was found in the most posterior extent of the cerebellum. Detailed analysis of the higher-order association networks around the Crus I/II apex revealed robust representations of two distinct networks linked to the default network, multiple networks linked to cognitive control, as well as a separate representation of a language network. While idiosyncratic spatial details emerged between subjects, each of these networks could be detected in both individuals, and small seed regions placed within the cerebellum recapitulated the full extent of the spatially-specific cerebral networks. The observation of multiple networks in juxtaposed regions at the Crus I/II apex confirms the importance of this zone to higher-order cognitive function and reveals new organizational details.

Decades of neuroscience research has shown that macroscale brain dynamics can be reliably decomposed into a subset of large-scale functional networks, but the specific spatial topographies of these networks and the names used to describe them can vary across studies. Such discordance has hampered interpretation and convergence of research findings across the field. To address this problem, we have developed the Network Correspondence Toolbox (NCT) to permit researchers to examine and report spatial correspondence between their novel neuroimaging results and sixteen widely used functional brain atlases, consistent with recommended reporting standards developed by the Organization for Human Brain Mapping. The atlases included in the toolbox show some topographical convergence for specific networks, such as those labeled as default or visual. Network naming varies across atlases, particularly for networks spanning frontoparietal association cortices. For this reason, quantitative comparison with multiple atlases is recommended to benchmark novel neuroimaging findings. We provide several exemplar demonstrations using the Human Connectome Project task fMRI results and UK Biobank independent component analysis maps to illustrate how researchers can use the NCT to report their own findings through quantitative evaluation against multiple published atlases. The NCT provides a convenient means for computing Dice coefficients with spin test permutations to determine the magnitude and statistical significance of correspondence among user-defined maps and existing atlas labels. The NCT also includes functionality to incorporate additional atlases in the future. The adoption of the NCT will make it easier for network neuroscience researchers to report their findings in a standardized manner, thus aiding reproducibility and facilitating comparisons between studies to produce interdisciplinary insights.

Abstract Resting-state fMRI is commonly used to derive brain parcellations, which are widely used for dimensionality reduction and interpreting human neuroscience studies. We previously developed a model that integrates local and global approaches for estimating areal-level cortical parcellations. The resulting local-global parcellations are often referred to as the Schaefer parcellations. However, the lack of homotopic correspondence between left and right Schaefer parcels has limited their use for brain lateralization studies. Here, we extend our previous model to derive homotopic areal-level parcellations. Using resting-fMRI and task-fMRI across diverse scanners, acquisition protocols, preprocessing and demographics, we show that the resulting homotopic parcellations are as homogeneous as the Schaefer parcellations, while being more homogeneous than five publicly available parcellations. Furthermore, weaker correlations between homotopic parcels are associated with greater lateralization in resting network organization, as well as lateralization in language and motor task activation. Finally, the homotopic parcellations agree with the boundaries of a number of cortical areas estimated from histology and visuotopic fMRI, while capturing sub-areal (e.g., somatotopic and visuotopic) features. Overall, these results suggest that the homotopic local- global parcellations represent neurobiologically meaningful subdivisions of the human cerebral cortex and will be a useful resource for future studies. Multi-resolution parcellations estimated from 1479 participants are publicly available (GITHUB_LINK).

The human cerebral cortex is populated by specialized regions that are organized into networks. Here we estimated networks using a Multi-Session Hierarchical Bayesian sModel (MS-HBM) applied to intensively sampled within-individual functional MRI (fMRI) data. The network estimation procedure was initially developed and tested in two participants (each scanned 31 times) and then prospectively applied to 15 new participants (each scanned 8 to 11 times). Detailed analysis of the networks revealed a global organization. Locally organized first-order sensory and motor networks were surrounded by spatially adjacent second-order networks that also linked to distant regions. Third-order networks each possessed regions distributed widely throughout association cortex. Moreover, regions of distinct third-order networks displayed side-by-side juxtapositions with a pattern that repeated similarly across multiple cortical zones. We refer to these as Supra-Areal Association Megaclusters (SAAMs). Within each SAAM, two candidate control regions were typically adjacent to three separate domain-specialized regions. Independent task data were analyzed to explore functional response properties. The somatomotor and visual first-order networks responded to body movements and visual stimulation, respectively. A subset of the second-order networks responded to transients in an oddball detection task, consistent with a role in orienting to salient or novel events. The third-order networks, including distinct regions within each SAAM, showed two levels of functional specialization. Regions linked to candidate control networks responded to working memory load across multiple stimulus domains. The remaining regions within each SAAM did not track working memory load but rather dissociated across language, social, and spatial / episodic processing domains. These results support a model of the cerebral cortex in which progressively higher-order networks nest outwards from primary sensory and motor cortices. Within the apex zones of association cortex there is specialization of large-scale networks that divides domain-flexible from domain-specialized regions repeatedly across parietal, temporal, and prefrontal cortices. We discuss implications of these findings including how repeating organizational motifs may emerge during development.