This article proposes a new measure called Apparent Fibre Density (AFD) for the analysis of high angular resolution diffusion-weighted images using higher-order information provided by fibre orientation distributions (FODs) computed using spherical deconvolution. AFD has the potential to provide specific information regarding differences between populations by identifying not only the location, but also the orientations along which differences exist. In this work, analytical and numerical Monte-Carlo simulations are used to support the use of the FOD amplitude as a quantitative measure (i.e. AFD) for population and longitudinal analysis. To perform robust voxel-based analysis of AFD, we present and evaluate a novel method to modulate the FOD to account for changes in fibre bundle cross-sectional area that occur during spatial normalisation. We then describe a novel approach for statistical analysis of AFD that uses cluster-based inference of differences extended throughout space and orientation. Finally, we demonstrate the capability of the proposed method by performing voxel-based AFD comparisons between a group of Motor Neurone Disease patients and healthy control subjects. A significant decrease in AFD was detected along voxels and orientations corresponding to both the corticospinal tract and corpus callosal fibres that connect the primary motor cortices. In addition to corroborating previous findings in MND, this study demonstrates the clear advantage of using this type of analysis by identifying differences along single fibre bundles in regions containing multiple fibre populations.

Voxel-based analysis of diffusion MRI data is increasingly popular. However, most white matter voxels contain contributions from multiple fibre populations (often referred to as crossing fibres), and therefore voxel-averaged quantitative measures (e.g. fractional anisotropy) are not fibre-specific and have poor interpretability. Using higher-order diffusion models, parameters related to fibre density can be extracted for individual fibre populations within each voxel (‘fixels’), and recent advances in statistics enable the multi-subject analysis of such data. However, investigating within-voxel microscopic fibre density alone does not account for macroscopic differences in the white matter morphology (e.g. the calibre of a fibre bundle). In this work, we introduce a novel method to investigate the latter, which we call fixel-based morphometry (FBM). To obtain a more complete measure related to the total number of white matter axons, information from both within-voxel microscopic fibre density and macroscopic morphology must be combined. We therefore present the FBM method as an integral piece within a comprehensive fixel-based analysis framework to investigate measures of fibre density, fibre-bundle morphology (cross-section), and a combined measure of fibre density and cross-section. We performed simulations to demonstrate the proposed measures using various transformations of a numerical fibre bundle phantom. Finally, we provide an example of such an analysis by comparing a clinical patient group to a healthy control group, which demonstrates that all three measures provide distinct and complementary information. By capturing information from both sources, the combined fibre density and cross-section measure is likely to be more sensitive to certain pathologies and more directly interpretable.

In brain regions containing crossing fibre bundles, voxel-average diffusion MRI measures such as fractional anisotropy (FA) are difficult to interpret, and lack within-voxel single fibre population specificity. Recent work has focused on the development of more interpretable quantitative measures that can be associated with a specific fibre population within a voxel containing crossing fibres (herein we use fixel to refer to a specific fibre population within a single voxel). Unfortunately, traditional 3D methods for smoothing and cluster-based statistical inference cannot be used for voxel-based analysis of these measures, since the local neighbourhood for smoothing and cluster formation can be ambiguous when adjacent voxels may have different numbers of fixels, or ill-defined when they belong to different tracts. Here we introduce a novel statistical method to perform whole-brain fixel-based analysis called connectivity-based fixel enhancement (CFE). CFE uses probabilistic tractography to identify structurally connected fixels that are likely to share underlying anatomy and pathology. Probabilistic connectivity information is then used for tract-specific smoothing (prior to the statistical analysis) and enhancement of the statistical map (using a threshold-free cluster enhancement-like approach). To investigate the characteristics of the CFE method, we assessed sensitivity and specificity using a large number of combinations of CFE enhancement parameters and smoothing extents, using simulated pathology generated with a range of test-statistic signal-to-noise ratios in five different white matter regions (chosen to cover a broad range of fibre bundle features). The results suggest that CFE input parameters are relatively insensitive to the characteristics of the simulated pathology. We therefore recommend a single set of CFE parameters that should give near optimal results in future studies where the group effect is unknown. We then demonstrate the proposed method by comparing apparent fibre density between motor neurone disease (MND) patients with control subjects. The MND results illustrate the benefit of fixel-specific statistical inference in white matter regions that contain crossing fibres.

The rate of progress in human neurosciences is limited by the inability to easily apply a wide range of analysis methods to the plethora of different datasets acquired in labs around the world. In this work, we introduce a framework for creating, testing, versioning and archiving portable applications for analyzing neuroimaging data organized and described in compliance with the Brain Imaging Data Structure (BIDS). The portability of these applications (BIDS Apps) is achieved by using container technologies that encapsulate all binary and other dependencies in one convenient package. BIDS Apps run on all three major operating systems with no need for complex setup and configuration and thanks to the comprehensiveness of the BIDS standard they require little manual user input. Previous containerized data processing solutions were limited to single user environments and not compatible with most multi-tenant High Performance Computing systems. BIDS Apps overcome this limitation by taking advantage of the Singularity container technology. As a proof of concept, this work is accompanied by 22 ready to use BIDS Apps, packaging a diverse set of commonly used neuroimaging algorithms.

Alzheimer's disease is increasingly considered a large-scale network disconnection syndrome, associated with progressive aggregation of pathological proteins, cortical atrophy, and functional disconnections between brain regions. These pathological changes are posited to arise in a stereotypical spatiotemporal manner, targeting intrinsic networks in the brain, most notably the default mode network. While this network-specific disruption has been thoroughly studied with functional neuroimaging, changes to specific white matter fibre pathways within the brain's structural networks have not been closely investigated, largely due to the challenges of modelling complex white matter structure. Here, we applied a novel technique known as 'fixel-based analysis' to comprehensively investigate fibre tract-specific differences at a within-voxel level (called 'fixels') to assess potential axonal loss in subjects with Alzheimer's disease and mild cognitive impairment. We hypothesized that patients with Alzheimer's disease would exhibit extensive degeneration across key fibre pathways connecting default network nodes, while patients with mild cognitive impairment would exhibit selective degeneration within fibre pathways connecting regions previously identified as functionally implicated early in Alzheimer's disease. Diffusion MRI data from Alzheimer's disease (n = 49), mild cognitive impairment (n = 33), and healthy elderly control subjects (n = 95) were obtained from the Australian Imaging, Biomarkers and Lifestyle study of ageing. We assessed microstructural differences in fibre density, and macrostructural differences in fibre bundle morphology using fixel-based analysis. Whole-brain analysis was performed to compare groups across all white matter fixels. Subsequently, we performed a tract of interest analysis comparing fibre density and cross-section across 11 selected white matter tracts, to investigate potentially subtle degeneration within fibre pathways in mild cognitive impairment, initially by clinical diagnosis alone, and then by including amyloid status (i.e. a positive or negative amyloid PET scan). Our whole-brain analysis revealed significant white matter loss manifesting both microstructurally and macrostructurally in Alzheimer's disease patients, evident in specific fibre pathways associated with default mode network nodes. Reductions in fibre density and cross-section in mild cognitive impairment patients were only exhibited within the posterior cingulum when statistical analyses were limited to tracts of interest. Interestingly, these degenerative changes did not appear to be associated with high amyloid accumulation, given that amyloid-negative, but not positive, mild cognitive impairment subjects exhibited subtle focal left posterior cingulum deficits. The findings of this study demonstrated a stereotypical distribution of white matter degeneration in patients with Alzheimer's disease, which was in line with canonical findings from other imaging modalities, and with a network-based conceptualization of the disease.

The rate of progress in human neurosciences is limited by the inability to easily apply a wide range of analysis methods to the plethora of different datasets acquired in labs around the world. In this work, we introduce a framework for creating, testing, versioning and archiving portable applications for analyzing neuroimaging data organized and described in compliance with the Brain Imaging Data Structure (BIDS). The portability of these applications (BIDS Apps) is achieved by using container technologies that encapsulate all binary and other dependencies in one convenient package. BIDS Apps run on all three major operating systems with no need for complex setup and configuration and thanks to the richness of the BIDS standard they require little manual user input. Previous containerized data processing solutions were limited to single user environments and not compatible with most multi-tenant High Performance Computing systems. BIDS Apps overcome this limitation by taking advantage of the Singularity container technology. As a proof of concept, this work is accompanied by 22 ready to use BIDS Apps, packaging a diverse set of commonly used neuroimaging algorithms.

White matter hyperintensities (WMH) are commonly observed in elderly individuals, and are typically more prevalent in Alzheimer’s disease subjects than in healthy subjects. These lesions can be identified on fluid attenuated inversion recovery (FLAIR) MRI, on which they are hyperintense compared to their surroundings. These MRI-visible lesions appear homogeneously hyperintense despite known heterogeneity in their pathological underpinnings, and are commonly regarded as surrogate markers of small vessel disease in in vivo studies. Consequently, the extent to which these lesions contribute to Alzheimer’s disease remains unclear, likely due to the somewhat limited way in which these lesions are assessed in vivo . Diffusion MRI is sensitive to white matter microstructure, and might thus be used to investigate microstructural changes within WMH. In this study, we applied a method called single-shell 3-tissue constrained spherical deconvolution, which models white matter microstructure while also accounting for other tissue compartments, to investigate WMH in vivo . Diffusion MRI data and FLAIR images were obtained from Alzheimer’s disease ( n = 48) and healthy elderly control ( n = 94) subjects from the Australian Imaging, Biomarkers and Lifestyle study of ageing. WMH were automatically segmented and classified as periventricular or deep lesions from FLAIR images based on their continuity with the lateral ventricles, and the 3-tissue profile of different classes of WMH was characterised by three metrics, which together characterised the relative tissue profile in terms of the white matter-, grey matter-, and fluid-like characteristics of the diffusion signal. Our findings revealed that periventricular and deep lesion classes could be distinguished from one another, and from normal-appearing white matter based on their 3-tissue profile, with substantially higher free water content in periventricular lesions than deep. Given the higher lesion load of periventricular lesions in Alzheimer’s disease patients, the 3-tissue profile of these WMH could be interpreted as reflecting the more deleterious pathological underpinnings that are associated with disease. However, when alternatively classifying lesion sub-regions in terms of distance contours from the ventricles to account for potential heterogeneity within confluent lesions, we found that the highest fluid content was present in lesion areas most proximal to the ventricles, which were common to both Alzheimer’s disease subjects and healthy controls. We argue that whatever classification scheme is used when investigating WMH, failure to account for heterogeneity within lesions may result in classification-scheme dependent conclusions. Future studies of WMH in Alzheimer’s Disease would benefit from inclusion of microstructural information when characterising lesions.* AIBL : Australian Imaging Biomarkers and Lifestyle study of ageing CSD : Constrained spherical deconvolution CSF : cerebrospinal fluid DTI : Diffusion tensor imaging DWI : Diffusion-weighted imaging FLAIR : Fluid-attenuated inversion recovery FOD : Fibre orientation distribution GM : grey matter HIST : HyperIntensity Segmentation Tool NAWM : Normal-appearing white matter SS3T-CSD : Single-shell 3-tissue constrained spherical deconvolution TC : Cerebrospinal fluid-like signal fraction TG : Grey matter-like signal fraction TW : White matter-like signal fraction WM : white matter WMH : White matter hyperintensities

MRtrix3 is an open-source, cross-platform software package for medical image processing, analysis and visualization, with a particular emphasis on the investigation of the brain using diffusion MRI. It is implemented using a fast, modular and flexible general-purpose code framework for image data access and manipulation, enabling efficient development of new applications, whilst retaining high computational performance and a consistent command-line interface between applications. In this article, we provide a high-level overview of the features of the MRtrix3 framework and general-purpose image processing applications provided with the software.