Abstract Reward processing is essential for our mental-health and well-being. Here, we present the development and validation of a scalable fMRI-informed EEG model related to reward processing in the ventral-striatum (VS); a central reward circuit node. Simultaneous EEG/fMRI data were acquired from 17 healthy individuals listening to pleasurable music, and used to construct a one-class regression model for predicting the reward-related VS-BOLD signal using spectro-temporal features from the EEG. Validation analyses, applied on EEG/fMRI data from a different group (N=14), revealed that the EEG model predicted VS-BOLD activation from the simultaneous EEG to a greater extent than a model derived from another anatomical region. The VS-EEG-model was also modulated by musical pleasure and predictive of the VS-BOLD during a monetary reward task, further indicating it functional relevance. These findings provide compelling evidence for the use of a scalable yet precise EEG-only probe of VS-originated reward processing, which could serve for process specific neruo-monitoring and -modulation.

Abstract Negative and positive valence systems (NVS and PVS) pertain to processing of aversive and rewarding stimuli, respectively. Post-Traumatic Stress Disorder (PTSD) has been typically associated with hyper-responsivity of the NVS, and more recently, with deficient PVS functionality. The respective roles of these systems in early PTSD development have yet to be resolved. Here, we assessed neurobehavioral indicators of PVS and NVS longitudinally among 171 adult civilians at 1-, 6-, and 14-months following trauma exposure (TP1, TP2, and TP3). Using the ‘Safe or Risky Domino Choice’ (SRDC) game during fMRI, NVS and PVS functionality (i.e., activity and connectivity) were indicated by the amygdala and ventral striatum (VS) responses to punishments and rewards, respectively. The complementary functionality of these systems was behaviorally assessed as the percentage of risky choices taken during the game. Results revealed that increased amygdala functionality at TP1 was associated with greater PTSD severity at TP1 and TP3, specifically with hyperarousal and intrusion. Decreased VS functionality at TP1 was associated with greater PTSD severity at TP3, specifically with avoidance. Explainable machine learning revealed the primacy of PVS over NVS functionality at TP1 in predicting PTSD severity at TP3. Behaviorally, fewer risky choices were associated with more severe symptoms at TP1, especially with intrusion and avoidance. Overall, these results suggest a differential and potentially complementary involvement of NVS and PVS in PTSD development following trauma. Early therapeutics for PTSD in the immediate aftermath of trauma may thus target both negative and positive valence processing.

Abstract Real-time fMRI neurofeedback is an increasingly popular neuroimaging technique that allows an individual to gain control over his/her own brain signals, which can lead to improvements in behavior in healthy participants as well as to improvements of clinical symptoms in patient populations. However, a considerably large ratio of participants undergoing neurofeedback training do not learn to control their own brain signals and, consequently, do not benefit from neurofeedback interventions, which limits clinical efficacy of neurofeedback interventions. As neurofeedback success varies between studies and participants, it is important to identify factors that might influence neurofeedback success. Here, for the first time, we employed a big data machine learning approach to investigate the influence of 20 different design-specific (e.g. activity vs. connectivity feedback), region of interest-specific (e.g. cortical vs. subcortical) and subject-specific factors (e.g. age) on neurofeedback performance and improvement in 608 participants from 28 independent experiments. With a classification accuracy of 60% (considerably different from chance level), we identified two factors that significantly influenced neurofeedback performance: Both the inclusion of a pre-training no-feedback run before neurofeedback training and neurofeedback training of patients as compared to healthy participants were associated with better neurofeedback performance. The positive effect of pre-training no-feedback runs on neurofeedback performance might be due to the familiarization of participants with the neurofeedback setup and the mental imagery task before neurofeedback training runs. Better performance of patients as compared to healthy participants might be driven by higher motivation of patients, higher ranges for the regulation of dysfunctional brain signals, or a more extensive piloting of clinical experimental paradigms. Due to the large heterogeneity of our dataset, these findings likely generalize across neurofeedback studies, thus providing guidance for designing more efficient neurofeedback studies specifically for improving clinical neurofeedback-based interventions. To facilitate the development of data-driven recommendations for specific design details and subpopulations the field would benefit from stronger engagement in Open Science and data sharing.

1. Abstract Sleep loss has detrimental effects on cognitive and emotional functioning. These impairments have been associated with alterations in EEG measures of power spectrum and event-related potentials, however the impact of sleep loss on inter trial phase coherence (ITPC), a measure of phase consistency over experimental trials, remains mostly unknown. ITPC is thought to reflect the ability of the neural response to temporally synchronize with relevant events, thus optimizing information processing. In the current study we investigated the effects of sleep deprivation on information processing by evaluating the phase consistency of steady-state visual evoked potentials (ssVEPs) as well as amplitude-based measures of ssVEP, obtained from a group of 18 healthy individuals following 24 hours of total sleep deprivation and after a night of habitual sleep. An ssVEP task was utilized, which included the presentation of dots flickering at 7.5 Hz, along with a cognitive-emotional task. Our results show that ITPC is significantly reduced under sleep deprivation relative to habitual sleep. Interestingly, decreased ITPC under sleep deprivation was associated with decreased behavioral performance in the psychomotor vigilance task (PVT), a validate measure of reduced vigilance following lack of sleep. The results suggest that the capability of the brain to synchronize with rhythmic stimuli is disrupted without sleep. Thus, decreased ITPC may represent an objective and mechanistic measure of sleep loss, allowing future work to study the relation between brain-world synchrony and the specific functional impairments associated with sleep deprivation.

Abstract Alterations in hippocampal function have been shown in older adults, expressed as changes in hippocampal activity and connectivity. While hippocampal activation during memory demands have been demonstrated to decrease with age, some older individuals present increased activity, or hyperactivity, of the hippocampus which is associated with increased neuropathology and poorer memory function. In addition, lower functional coherence between the hippocampus and core hubs of the default mode network (DMN), namely the posteromedial and medial prefrontal cortices, as well as increased local intrahippocampal connectivity, were also demonstrated in cognitively intact older adults. Aerobic exercise has been shown to elicit neuroprotective effects on hippocampal structure and vasculature in aging, and improvements in maximal aerobic capacity (MAC) have been suggested to mediate these exercise-related effects. However, how these lifestyle factors relate to hippocampal function is not clear. Fifty-two cognitively intact older adults (age 65-80) have been recruited and divided into physically active (n=29) or non-active (n=23) groups based on their aerobic activity lifestyle habits. Participants underwent resting-state as well as task-based fMRI experiments which included an associative memory encoding paradigm followed by a post-scan memory recognition test. In addition, forty-four participants also performed cardiopulmonary exercise tests to evaluate MAC. While both groups demonstrated increased anterior hippocampal activation during memory encoding, physically active lifestyle was associated with significantly lower activity level and higher memory performance in the recognition task. In addition, the physically active group also demonstrated higher functional connectivity of the anterior and posterior hippocampi with the core hubs of the DMN, and lower local intra-hippocampal connectivity within and between hemispheres. MAC was negatively associated with hippocampal activation level and demonstrated positive correlation with hippocampal-DMN connectivity. According to these findings, aerobically active lifestyle may be associated with attenuation of hippocampal dysfunction in cognitively healthy older adults.

Abstract Contemporary symptom-based diagnosis of Post-traumatic Stress Disorder (PTSD) largely overlooks related neurobehavioral findings and rely entirely on subjective interpersonal reporting. Previous studies associating objective biomarkers with PTSD have mostly used the disorder’s symptom-based diagnosis as main outcome measure, overlooking the actual clustering and richness of phenotypical features associated with PTSD. Here, we aimed to computationally derive potential neurocognitive biomarkers that could efficiently differentiate PTSD subtypes, based on an observational cohort study of recent trauma survivors. A three-staged semi-unsupervised method (“3C”) was used to categorize trauma survivors based on current PTSD diagnostics, derive clusters of PTSD based on features related to symptom load, and to classify participants’ cluster membership using objective features. A total of 256 features were extracted from psychometrics, cognitive, structural and functional neuroimaging data, obtained from 101 adult civilians (age=34.80±11.95, 51 females) evaluated within a month of trauma exposure. Multi-domain features that best differentiated cluster membership were indicated by using importance analysis, classification trees, and ANOVA. Results revealed that entorhinal and rostral anterior cingulate cortices volumes (structural domain), in-task amygdala’s functional connectivity with the insula and thalamus (functional domain), executive function and cognitive flexibility (cognitive domain) best differentiated between two clusters related to PTSD severity. Cross-validation established the results’ robustness and consistency within this sample. Multi-domain biomarkers revealed by the 3C analytics offer objective classifiers of post-traumatic morbidity shortly following trauma. They also map onto previously documented neurobehavioral PTSD features, supporting the future use of standardized and objective measurements to more precisely identify psychopathology subgroups shortly after trauma.

Abstract Emotional reactivity to negative content profoundly impacts our mental well-being and is a hallmark of disorders characterized by emotion dysregulation. Traditional approaches have examined emotional responses and regulation in isolation, neglecting their temporal dynamics. Movie designs can capture both, in their natural progression throughout time, yet they pose complexity due to the mix of relevant and irrelevant information. To address these challenges and uncover general neural mechanisms of affect, we used dynamic predictive modeling across different narratives, emotional contexts, and participant groups. We analyzed two independent data sets containing different narratives of highly emotionally negative content and one neutral narrative during functional magnetic resonance imaging (fMRI). Following fMRI scanning, individuals provided continuous subjective annotations of emotional intensity throughout these movie clips. Patterns of dynamic functional connectivity predicting group response of emotional disengagement in negative movies generalized to diverse narratives and participants, demonstrating specificity to negative content. This prediction involved widespread between-network connections increases. Conversely, emotional engagement generalized across narratives and participants, including neutral contexts, with a less intense emotional intensity induction. Prediction for engagement was marked by widespread between-network connections decreases. Activation analyses distinguished brain regions for disengagement in the default network and engagement in the dorsal attention and visual network. These patterns remained consistent across studies and emotional contexts, revealing generic engagement and disengagement responses even in less emotional movie contexts. These findings demonstrate that movies elicit behavioral and neural responses that contribute to understanding the ecological generalizability of emotional cinematic experiences. Together this work helps to better understand cognitive and neural mechanisms underpinning engagement in and disengagement from emotionally evocative narratives. Significance statement How emotions unfold over time has been a subject of significant theoretical debate. In real life, negative emotional reactions often trigger a subsequent phase of regulation aimed at returning to a state of emotional equilibrium. However, the neural processes underlying these phases are rarely studied in their natural temporal progression. Functional MRI experiments using movies offer an opportunity to simulate these real-life scenarios, enabling individuals to empathize with characters and immerse themselves in hypothetical real-life situations. These experiments have revealed that emotional responses to negative movie content, along with the regulation of these responses, lead to significant reorganizations in the brain’s architecture. Notably, these reorganizations differ when individuals react emotionally compared to when the emotional experience wanes.

Pharmacotherapy is substantially hindered by poor drug targeting, resulting in low specificity and efficacy. Here, we tested a novel, non-invasive targeting approach (termed functional-pharmacology), which couples drug administration with a task that activates the drug sites-of-action in the brain, thus possibly improving absorption and efficacy. Methylphenidate (MPH) or Placebo were administered to healthy subjects, which then performed a cognitive induction or a control task. N-Back fMRI before and after drug-task coupling measured therapeutic effects. Only following MPH, subjects that performed better in the cognitive induction task showed greater improvements in N-back performance. Moreover, only under MPH-Cognitive induction condition, there existed a significant correlation between improved recruitment of N-Back rDLPFC activation, and a concurrent improvement in task performance. Importantly, mediation analysis suggested a causal role of rDLPFC activation in these coupling effects. Our results support the functional-pharmacology concept feasibility and efficacy, hence opening a new horizon for patient-tailored, context-driven drug therapy.

Background: Deep neural networks have revolutionised machine learning, with unparalleled performance in object classification. However, in brain imaging (e.g. fMRI), the direct application of Convolutional Neural Networks (CNN) to decoding subject states or perception from imaging data seems impractical given the scarcity of available data. New method: In this work we propose a robust method to transfer information from deep learning (DL) features to brain fMRI data with the goal of decoding. By adopting Reduced Rank Regression with Ridge Regularisation we establish a multivariate link between imaging data and the fully connected layer (fc7) of a CNN. We exploit the reconstructed fc7 features by performing an object image classification task on two datasets: one of the largest fMRI databases, taken from different scanners from more than two hundred subjects watching different movie clips, and another with fMRI data taken while watching static images. Results: The fc7 features could be significantly reconstructed from the imaging data, and led to significant decoding performance. Comparison with existing methods: The decoding based on reconstructed fc7 outperformed the decoding based on imaging data alone. Conclusion: In this work we show how to improve fMRI-based decoding benefiting from the mapping between func- tional data and CNN features. The potential advantage of the proposed method is twofold: the extraction of stimuli representations by means of an automatic procedure (unsupervised) and the embedding of high- dimensional neuroimaging data onto a space designed for visual object discrimination, leading to a more manageable space from dimensionality point of view.

Background Low hippocampal volume could serve as an early risk factor for Post-traumatic Stress Disorder (PTSD) in interaction with other brain anomalies of developmental origin. One such anomaly may well be a presence of large Cavum Septum Pellucidum (CSP), which has been loosely associated with PTSD. Here, we performed a longitudinal prospective study of recent trauma survivors. We hypothesized that at one-month after trauma exposure, the relation between hippocampal volume and PTSD symptom severity will be moderated by CSP volume, and that this early interaction will account for persistent PTSD symptoms at subsequent time-points.Methods 171 adults (87 females, average age=34.22, range=18-65) admitted to a general hospital’s emergency department following a traumatic event, underwent clinical assessment and structural MRI within one-month after trauma. Follow-up clinical evaluations were conducted at six (n=97) and fourteen (n=78) months after trauma. Hippocampus and CSP volumes were measured automatically by FreeSurfer software and verified manually by a neuroradiologist.Results At one-month following trauma, CSP volume significantly moderated the relation between hippocampal volume and PTSD severity (p=0.026), and this interaction further predicted symptom severity at fourteen months post-trauma (p=0.018). Specifically, individuals with smaller hippocampus and larger CSP at one-month post-trauma, showed more severe symptoms at one-and fourteen months following trauma exposure.Conclusions Our study provides evidence for an early neuroanatomical risk factors for PTSD, which could also predict the progression of the disorder in the year following trauma exposure. Such a simple-to-acquire neuroanatomical signature for PTSD could guide early management, as well as long-term monitoring.Trial Registration Neurobehavioral Moderators of Post-traumatic Disease Trajectories. ClinicalTrials.gov registration: [NCT03756545][1]. [1]: /lookup/external-ref?link_type=CLINTRIALGOV&access_num=NCT03756545&atom=%2Fbiorxiv%2Fearly%2F2019%2F11%2F08%2F721134.atom