Diffusion-weighted imaging can potentially be used to infer the connectivity of the human brain in vivo using fibre-tracking techniques, and is therefore of great interest to neuroscientists and clinicians. A key requirement for fibre tracking is the accurate estimation of white matter fibre orientations within each imaging voxel. The diffusion tensor model, which is widely used for this purpose, has been shown to be inadequate in crossing fibre regions. A number of approaches have recently been proposed to address this issue, based on high angular resolution diffusion-weighted imaging (HARDI) data. In this study, an experimental model of crossing fibres, consisting of water-filled plastic capillaries, is used to thoroughly assess three such techniques: constrained spherical deconvolution (CSD), super-resolved CSD (super-CSD) and Q-ball imaging (QBI). HARDI data were acquired over a range of crossing angles and b-values, from which fibre orientations were computed using each technique. All techniques were capable of resolving the two fibre populations down to a crossing angle of 45°, and down to 30° for super-CSD. A bias was observed in the fibre orientations estimated by QBI for crossing angles other than 90°, consistent with previous simulation results. Finally, for a 45° crossing, the minimum b-value required to resolve the fibre orientations was 4000s/mm2 for QBI, 2000s/mm2 for CSD, and 1000s/mm2 for super-CSD. The quality of estimation of fibre orientations may profoundly affect fibre tracking attempts, and the results presented provide important additional information regarding performance characteristics of well-known methods.

Abstract White matter bundle segmentation using diffusion MRI fiber tractography has become the method of choice to identify white matter fiber pathways in vivo in human brains. However, like other analyses of complex data, there is considerable variability in segmentation protocols and techniques. This can result in different reconstructions of the same intended white matter pathways, which directly affects tractography results, quantification, and interpretation. In this study, we aim to evaluate and quantify the variability that arises from different protocols for bundle segmentation. Through an open call to users of fiber tractography, including anatomists, clinicians, and algorithm developers, 42 independent teams were given processed sets of human whole-brain streamlines and asked to segment 14 white matter fascicles on six subjects. In total, we received 57 different bundle segmentation protocols, which enabled detailed volume-based and streamline-based analyses of agreement and disagreement among protocols for each fiber pathway. Results show that even when given the exact same sets of underlying streamlines, the variability across protocols for bundle segmentation is greater than all other sources of variability in the virtual dissection process, including variability within protocols and variability across subjects. In order to foster the use of tractography bundle dissection in routine clinical settings, and as a fundamental analytical tool, future endeavors must aim to resolve and reduce this heterogeneity. Although external validation is needed to verify the anatomical accuracy of bundle dissections, reducing heterogeneity is a step towards reproducible research and may be achieved through the use of standard nomenclature and definitions of white matter bundles and well-chosen constraints and decisions in the dissection process.

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.

Recent advances in diffusion MRI tractography permit the generation of dense weighted structural connectomes that offer greater insight into brain organization. However, these efforts are hampered by the lack of consensus on how to extract topological measures from the resulting graphs. Here we evaluate the common practice of removing the graphs' weak connections, which is primarily intended to eliminate spurious connections and emphasize strong connections. Because this processing step requires arbitrary or heuristic-based choices (e.g., setting a threshold level below which connections are removed), and such choices might complicate statistical analysis and inter-study comparisons, in this work we test whether removing weak connections is indeed necessary. To this end, we systematically evaluated the effect of removing weak connections on a range of popular graph-theoretical metrics. Specifically, we investigated if (and at what extent) removal of weak connections introduces a statistically significant difference between two otherwise equal groups of healthy subjects when only applied to one of the groups. Using data from the Human Connectome Project, we found that removal of weak connections had no statistical effect even when removing the weakest ~70-90% connections. Removing yet a larger extent of weak connections, thus reducing connectivity density even further, did produce a predictably significant effect. However, metric values became sensitive to the exact connectivity density, which has ramifications regarding the stability of the statistical analysis. This pattern persisted whether connections were removed by connection strength threshold or connectivity density, and for connectomes generated using parcellations at different resolutions. Finally, we showed that the same pattern also applies for data from a clinical-grade MRI scanner. In conclusion, our analysis revealed that removing weak connections is not necessary for graph-theoretical analysis of dense weighted connectomes. Because removal of weak connections provides no practical utility to offset the undesirable requirement for arbitrary or heuristic-based choices, we recommend that this step is avoided in future studies.

ABSTRACT Background Neuroimage literature of autism spectrum disorder (ASD) has a moderate-to-high risk of bias, partially because those combined with intellectual impairment (II) and/or minimally verbal (MV) status are generally ignored. We aimed to provide more comprehensive insights into white matter alterations of ASD, inclusive of individuals with II (ASD-II-Only) or MV expression (ASD-MV). Methods Sixty-five participants with ASD (ASD-Whole; 16.6±5.9 years; comprising 34 intellectually able youth, ASD-IA, and 31 intellectually impaired youth, ASD-II, including 24 ASD-II-Only plus 7 ASD-MV) and 38 demographic-matched typically developing controls (TDC; 17.3±5.6 years) were scanned in accelerated diffusion-weighted MRI. Fixel-based analysis was undertaken to investigate the categorical differences in fiber density (FD), fiber cross-section (FC), and a combined index (FDC), and brain-symptom/cognition associations. Results ASD-Whole had reduced FD in the anterior and posterior corpus callosum and left cerebellum Crus I, and smaller FDC in right cerebellum Crus II, compared to TDC. ASD-II, relative to TDC, showed almost identical alterations to those from ASD-Whole vs. TDC. ASD-II-Only had greater FD/FDC in the isthmus-splenium of callosum than ASD-MV. Autistic severity negatively correlated with FC in right Crus I. Non-verbal full-scale IQ positively correlated with FC/FDC in cerebellum VI. FD/FDC of the right dorsolateral prefrontal cortex showed a diagnosis-by-executive function interaction. Limitations We could not preclude the potential effects of age and sex from the ASD cohort, although statistical tests suggested that these factors were not influential. Our results could be confounded by variable psychiatric comorbidities and psychotropic medication uses in our ASD participants recruited from outpatient clinics, which is nevertheless closer to a real-world presentation of ASD. The outcomes related to ASD-MV were considered preliminaries due to the small sample size within this subgroup. Finally, our study design did not include intellectual impairment-only participants without ASD to disentangle the mixture of autistic and intellectual symptoms. Conclusions ASD-associated white matter alterations appear driven by individuals with II and potentially further by MV. Results suggest that changes in the corpus callosum and cerebellum are key for psychopathology and cognition associated with ASD. Our work highlights an essential to include understudied sub-populations on the spectrum in research.