The insula is a complex structure involved in a wide range of functions. Tracing studies on nonhuman primates reveal a wide array of cortical connections in the frontal (orbitofrontal and prefrontal cortices, cingulate areas and supplementary motor area), parietal (primary and secondary somatosensory cortices) and temporal (temporal pole, auditory, prorhinal and entorhinal cortices) lobes. However, recent human tractography studies have not observed connections between the insula and the cingulate cortices, although these structures are thought to be functionally intimately connected. In this work, we try to unravel the structural connectivity between these regions and other known functionally connected structures, benefiting from a higher number of subjects and the latest state-of-the-art high angular resolution diffusion imaging (HARDI) tractography algorithms with anatomical priors. By performing an HARDI tractography analysis on 46 young normal adults, our study reveals a wide array of connections between the insula and the frontal, temporal, parietal and occipital lobes as well as limbic regions, with a rostro-caudal organization in line with tracing studies in macaques. Notably, we reveal for the first time in humans a clear structural connectivity between the insula and the cingulate, parahippocampal, supramarginal and angular gyri as well as the precuneus and occipital regions.

Abstract Recent evidence show that neuroinflammation plays a role in many neurological diseases including mild cognitive impairment (MCI) and Alzheimer’s disease (AD), and that free water (FW) modeling from clinically acquired diffusion MRI (DTI-like acquisitions) can be sensitive to this phenomenon. This FW index measures the fraction of the diffusion signal explained by isotropically unconstrained water, as estimated from a bi-tensor model. In this study, we developed a simple FW processing pipeline that uses a safe white matter (WM) mask without gray matter (GM)/CSF partial volume contamination ( WM safe ) near ventricles and sulci. We investigated if FW inside the WM safe mask, including and excluding areas of white matter damage such as white matter hyperintensities (WMHs) as shown on T2 FLAIR, computed across the whole white matter could be indicative of diagnostic grouping along the AD continuum. After careful quality control, 81 cognitively normal controls (NC), 103 subjects with MCI and 42 with AD were selected from the ADNIGO and ADNI2 databases. We show that MCI and AD have significantly higher FW measures even after removing all partial volume contamination. We also show, for the first time, that when WMHs are removed from the masks, the significant results are maintained, which demonstrates that the FW measures are not just a byproduct of WMHs. Our new and simple FW measures can be used to increase our understanding of the role of inflammation-associated edema in AD and may aid in the differentiation of healthy subjects from MCI and AD patients.

Abstract In Diffusion MRI (dMRI), pathological brains are a challenge for tractography processing, where most pipelines are not are not robust to white matter lesions. Intensity of white matter lesions on T1 images can have similar contrasts to gray matter tissue, which leads to misclassifications or “holes” in the white matter mask. These holes produce premature stop for tracking algorithms. To handle these issues, we developed TractoFlow-ABS ( A tlas- B ased S egmentation). TractoFlow-ABS uses the Freesurfer atlas to compute tissue masks instead of FSL fast in standard TractoFlow . TractoFlow-ABS is therefore a derived version of TractoFlow that is robust to white matter anomalies such as hyperintensities and lesions.

Abstract Assessing the consistency of quantitative MRI measurements is critical for inclusion in longitudinal studies and clinical trials. Intraclass coefficient correlation and coefficient of variation were used to evaluate the different consistency aspects of diffusion- and myelinbased MRI measures. Multi-shell diffusion and inhomogeneous magnetization transfer datasets were collected from twenty healthy adults at a high-frequency of five MRI sessions. The consistency was evaluated across whole bundles and the track-profile along the bundles. The impact of the fiber populations on the consistency was also evaluated using the number of fiber orientations map. For whole and profile bundles, moderate to high reliability of diffusion and myelin measures were observed. We report higher reliability of measures for multiple fiber populations than single. The overall portrait of the most consistent measurements and bundles drawn from a wide range of MRI techniques presented here will be particularly useful for identifying reliable biomarkers capable of detecting, monitoring and predicting white matter changes in clinical applications and has the potential to inform patient-specific treatment strategies. Key points Reliability and variability are excellent to good for DWI measurements, and good to moderate for MT measures for whole bundles and along the bundles. The number of fiber populations affects the reliability and variability of the MRI measurements. The reliability and variability of MRI measurements are also bundle dependent.

Diffusion MRI fiber tractography is widely used to probe the structural connectivity of the brain, with a range of applications in both clinical and basic neuroscience. Despite widespread use, tractography has well-known pitfalls that limits the anatomical accuracy of this technique. Numerous modern methods have been developed to address these shortcomings through advances in acquisition, modeling, and computation. To test whether these advances improve tractography accuracy, we organized the ISBI 2018 3D Validation of Tractography with Experimental MRI (3D VoTEM) challenge. We made available three unique independent tractography validation datasets, a physical phantom and two ex vivo brain specimens, resulting in 176 distinct submissions from 9 research groups. By comparing results over a wide range of fiber complexities and algorithmic strategies, this challenge provides a more comprehensive assessment of tractographys inherent limitations than has been reported previously. The central results were consistent across all sub-challenges in that, despite advances in tractography methods, the anatomical accuracy of tractography has not dramatically improved in recent years. Taken together, our results independently confirm findings from decades of tractography validation studies, demonstrate inherent limitations in reconstructing white matter pathways using diffusion MRI data alone, and highlight the need for alternative or combinatorial strategies to accurately map the fiber pathways of the brain.

Fiber tractography based on non-invasive diffusion imaging is at the heart of connectivity studies of the human brain. To date, the approach has not been systematically validated in ground truth studies. Based on a simulated human brain dataset with ground truth white matter tracts, we organized an open international tractography challenge, which resulted in 96 distinct submissions from 20 research groups. While most state-of-the-art algorithms reconstructed 90% of ground truth bundles to at least some extent, on average they produced four times more invalid than valid bundles. About half of the invalid bundles occurred systematically in the majority of submissions. Our results demonstrate fundamental ambiguities inherent to tract reconstruction methods based on diffusion orientation information, with critical consequences for the approach of diffusion tractography in particular and human connectivity studies in general.

We show that deep learning techniques can be applied successfully to fiber tractography. Specifically, we use feed-forward and recurrent neural networks to learn the generation process of streamlines directly from diffusion-weighted imaging (DWI) data. Furthermore, we empirically study the behavior of the proposed models on a realistic white matter phantom with known ground truth. We show that their performance is competitive to that of commonly used techniques, even when the models are used on DWI data unseen at training time. We also show that our models are able to recover high spatial coverage of the ground truth white matter pathways while better controlling the number of false connections. In fact, our experiments suggest that exploiting past information within a streamline's trajectory during tracking helps predict the following direction.

Because of their massive prevalence, wide-ranging sequelae, and insidious nature, concussions are a potentially devastating neurological condition, especially in children. Shearing forces transmitted across the brain during concussions often result in white matter damage. The neuropathological impact of concussions has been discerned from animal studies and includes inflammation, demyelination, and axonal loss. These pathologies can overlap during the sub-acute stage of recovery. However, due to the challenges of accurately modelling complex white matter structure, these neuropathologies have not yet been differentiated in children in vivo. In the present study, we leveraged recent advances in diffusion imaging modelling, tractography, and tractometry to better understand the neuropathology underlying working memory problems in concussion. Studying a sample of 16 concussed and 46 healthy youths, we used novel tractography methods to isolate 11 working memory tracks. Along these tracks, we measured fractional anisotropy, diffusivities, track volume, apparent fiber density, and free water fraction. In three tracks connecting the right thalamus to the right dorsolateral prefrontal cortex (DLPFC), we found microstructural differences suggestive of myelin alterations. In another track connecting the left anterior-cingulate cortex with the left DLPFC, we found microstructural changes suggestive of axonal loss. Structural differences and tractography reconstructions were reproduced using test-retest analyses. White matter structure in the three thalamo-prefrontal tracks, but not the cingulo-prefrontal track, appeared to play a key role in working memory function. The present results improve understanding of working memory neuropathology in concussions, which constitutes an important first step towards developing neuropathologically-informed biomarkers of concussion in children.

We present a fiber tractography approach based on a random forest classification and voting process, guiding each step of the streamline progression by directly processing raw diffusion-weighted signal intensities. For comparison to the state-of-the-art, i.e. tractography pipelines that rely on mathematical modeling, we performed a quantitative and qualitative evaluation with multiple phantom and in vivo experiments, including a comparison to the 96 submissions of the ISMRM tractography challenge 2015. The results demonstrate the vast potential of machine learning for fiber tractography.