Prostate MRI image segmentation has been an area of intense research due to the increased use of MRI as a modality for the clinical workup of prostate cancer. Segmentation is useful for various tasks, e.g. to accurately localize prostate boundaries for radiotherapy or to initialize multi-modal registration algorithms. In the past, it has been difficult for research groups to evaluate prostate segmentation algorithms on multi-center, multi-vendor and multi-protocol data. Especially because we are dealing with MR images, image appearance, resolution and the presence of artifacts are affected by differences in scanners and/or protocols, which in turn can have a large influence on algorithm accuracy. The Prostate MR Image Segmentation (PROMISE12) challenge was setup to allow a fair and meaningful comparison of segmentation methods on the basis of performance and robustness. In this work we will discuss the initial results of the online PROMISE12 challenge, and the results obtained in the live challenge workshop hosted by the MICCAI2012 conference. In the challenge, 100 prostate MR cases from 4 different centers were included, with differences in scanner manufacturer, field strength and protocol. A total of 11 teams from academic research groups and industry participated. Algorithms showed a wide variety in methods and implementation, including active appearance models, atlas registration and level sets. Evaluation was performed using boundary and volume based metrics which were combined into a single score relating the metrics to human expert performance. The winners of the challenge where the algorithms by teams Imorphics and ScrAutoProstate, with scores of 85.72 and 84.29 overall. Both algorithms where significantly better than all other algorithms in the challenge (p<0.05) and had an efficient implementation with a run time of 8 min and 3 s per case respectively. Overall, active appearance model based approaches seemed to outperform other approaches like multi-atlas registration, both on accuracy and computation time. Although average algorithm performance was good to excellent and the Imorphics algorithm outperformed the second observer on average, we showed that algorithm combination might lead to further improvement, indicating that optimal performance for prostate segmentation is not yet obtained. All results are available online at http://promise12.grand-challenge.org/.

Among ‘big data’ initiatives, the ENIGMA ( E nhancing N euroImaging G enetics through M eta- A nalysis) Consortium—a worldwide alliance of over 2,000 scientists diversified into over 50 Working Groups—has yielded some of the largest studies of the healthy and diseased brain. Integration of multisite datasets to assess transdiagnostic similarities and differences and to contextualize findings with respect to neural organization, however, have been limited. Here, we introduce the ENIGMA Toolbox, a Python/Matlab ecosystem for ( i ) accessing 100+ ENIGMA datasets, facilitating cross-disorder analysis, ( ii ) visualizing data on brain surfaces, and ( iii ) contextualizing findings at the microscale ( postmortem cytoarchitecture and gene expression) and macroscale (structural and functional connectomes). Our Toolbox equips scientists with tutorials to explore molecular, histological, and network correlates of noninvasive neuroimaging markers of brain disorders. Moreover, our Toolbox bridges the gap between standardized data processing protocols and analytic workflows and facilitates cross-consortia initiatives. The Toolbox is documented and openly available at http://enigma-toolbox.readthedocs.io . Abstract Figure

ABSTRACT Complex structural and functional changes occurring in typical and atypical development necessitate multidimensional approaches to better understand the risk of developing psychopathology. Here, we simultaneously examined structural and functional brain network patterns in relation to dimensions of psychopathology in the Adolescent Brain Cognitive Development dataset. Several components were identified, recapitulating the psychopathology hierarchy, with the general psychopathology ( p ) factor explaining most covariance with multimodal imaging features, while the internalizing, externalizing, and neurodevelopmental dimensions were each associated with distinct morphological and functional connectivity signatures. Connectivity signatures associated with the p factor and neurodevelopmental dimensions followed the sensory-to-transmodal axis of cortical organization, which is related to the emergence of complex cognition and risk for psychopathology. Results were consistent in two separate data subsamples, supporting generalizability, and robust to variations in analytical parameters. Our findings help in better understanding biological mechanisms underpinning dimensions of psychopathology, and could provide brain-based vulnerability markers.

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.

A bstract It is increasingly recognized that multiple psychiatric conditions are underpinned by shared neural pathways, affecting similar brain systems. Here, we assessed i) shared dimensions of alterations in cortical morphology across six major psychiatric conditions (autism spectrum disorder, attention deficit/hyperactivity disorder, major depression, obsessive-compulsive disorder, bipolar disorder, schizophrenia) and ii) carried out a multiscale neural contextualization, by cross-referencing shared anomalies against cortical myeloarchitecture and cytoarchitecture, as well as connectome and neurotransmitter organization. Pooling disease-related effects on MRI-based cortical thickness measures across six ENIGMA working groups, including a total of 28,546 participants (12,876 patients and 15,670 controls), we computed a shared disease dimension on cortical morphology using principal component analysis that described a sensory-fugal pattern with paralimbic regions showing the most consistent abnormalities across conditions. The shared disease dimension was closely related to cortical gradients of microstructure and intrinsic connectivity, as well as neurotransmitter systems, specifically serotonin and dopamine. Our findings embed the shared effects of major psychiatric conditions on brain structure in multiple scales of brain organization and may provide novel insights into neural mechanisms into transdiagnostic vulnerability.

Abstract Schizophrenia is widely recognized as a neurodevelopmental disorder. Abnormal cortical development may by revealed using polygenic risk scoring for schizophrenia (PRS-SCZ). We assessed PRS-SCZ and cortical morphometry in typically developing children (3–21 years) using whole genome genotyping and T1-weighted MRI (n=390) from the Pediatric Imaging, Neurocognition and Genetics (PING) cohort. We contextualise the findings using (i) age-matched transcriptomics, (ii) histologically-defined cytoarchitectural types and functionally-defined networks, (iii) case-control differences of schizophrenia and other major psychiatric disorders. Higher PRS-SCZ was associated with greater cortical thickness, which was most prominent in areas with heightened gene expression of dendrites and synapses. PRS-SCZ related increases in vertex-wise cortical thickness were especially focused in the ventral attention network, while koniocortical type cortex (i.e. primary sensory areas) was relatively conserved from PRS-SCZ related differences. The large-scale pattern of cortical thickness increases related to PRS-SCZ mirrored the pattern of cortical thinning in schizophrenia and mood-related psychiatric disorders. Age group models illustrate a possible trajectory from PRS-SCZ associated cortical thickness increases in early childhood towards thinning in late adolescence, which resembles the adult brain phenotype of schizophrenia. Collectively, combining imaging-genetics with multi-scale mapping, our work provides novel insight into how genetic risk for schizophrenia impacts the cortex early in life.

The hippocampus has a unique microarchitecture, is situated at the nexus of multiple macroscale functional networks, contributes to numerous cognitive as well as affective processes, and is highly susceptible to brain pathology across common disorders. These features make the hippocampus a model to understand how brain structure covaries with function, in both health and disease. Here, we introduce HippoMaps, an open access toolbox and online data warehouse for the mapping and contextualization of hippocampal data in the human brain (http://hippomaps.readthedocs.io). HippoMaps capitalizes on a novel hippocampal unfolding approach as well as shape intrinsic registration capabilities to allow for cross-subject and cross-modal data aggregation. We initialize this repository with data spanning 3D post-mortem histology, ex-vivo 9.4 Tesla MRI, as well as in-vivo structural MRI and resting-state functional MRI (rsfMRI) obtained at 3 and 7 Tesla, together with intracranial encephalography (iEEG) recordings in epilepsy patients. HippoMaps also contains validated tools for spatial map association analysis in the hippocampus that correct for autocorrelation. All code and data are compliant with community standards, and comprehensive online tutorials facilitate broad adoption. Applications of this work span methodologies and modalities, spatial scales, as well as clinical and basic research contexts, and we encourage community feedback and contributions in the spirit of open and iterative scientific resource development.

Background: Bipolar disorder I (BD-I) is defined by episodes of mania, depression, and euthymic states. These episodes are among other symptoms characterized by altered reward processing and negative symptoms (NS), in particular apathy. However, the neural correlates of these deficits are not well understood. Methods: We first assessed the severity of negative symptoms in 25 euthymic BD-I patients compared to 25 healthy controls (HC) and 27 patients with schizophrenia (SZ). Then, we investigated ventral and dorsal striatal activation during reward anticipation in a Monetary Incentive Delayed Task and its association with NS. Results: In BD-I patients NS were clearly present and the severity of apathy was comparable to SZ patients. Apathy scores in the BD-I group but not in the SZ group correlated with sub-syndromal depression scores. At the neural level, we found significant ventral and dorsal striatal activation in BD-I patients and no group differences with HC or SZ patients. In contrast to patients with SZ, apathy did not correlate with striatal activation during reward anticipation. Explorative whole brain analyses revealed reduced extra-striatal activation in BD-I patients compared to HC and an association between reduced activation of the inferior frontal gyrus and apathy. Conclusion: This study found that in BD-I patients apathy is present to an extent comparable to schizophrenia, but is more strongly related to sub-syndromal depressive symptoms. The findings support the view of different pathophysiological mechanisms underlying apathy in the two disorders and suggest that extra-striatal dysfunction may contribute to impaired reward processing and apathy in BD-I.

Abstract Background Among patients diagnosed with schizophrenia, the presence of substance use poses an aggravating comorbidity, exerting a negative impact on the course of the disease, adherence to therapeutic regimens, treatment outcomes, duration of hospital stays, and the frequency of hospitalizations. The primary objective of the present study is to investigate the relationship between comorbid substance use disorders, antipsychotic treatment, and the length of stay in individuals hospitalized for treatment of schizophrenia. Methods We conducted a retrospective analysis of electronic health records spanning a 12-month period, specifically focusing on adult patients diagnosed with schizophrenia who were discharged from the University Hospital of Psychiatry Zurich between January and December 2019. We documented the number and types of diagnosed substance use disorder, the antipsychotic treatment, the length of stay, and the number of previous hospitalizations for each patient. Results Over a third ( n = 328; 37.1%) of patients with schizophrenia had comorbid substance use with cannabis being the most frequent consumed substance. Patients with substance use (either single or multiple) were more frequently hospitalized; those with multiple substance use more frequently than those with a single substance use ( F (2, 882) = 69.06; p < 0.001). There were no differences regarding the rate of compulsory admission. Patients with no substance use had a lower HoNOS score at discharge ( F (2, 882) = 4.06). Patients with multiple substance use had a shorter length of stay ( F (2, 882) = 9.22; p < 0.001), even after adjusting for duration of illness, previous hospitalizations, diagnosis, and antipsychotic treatment. Conclusions In patients with schizophrenia, comorbid single or multiple substance use has a relevant negative impact on treatment and thus on the course of disease. Substance use in patients with schizophrenia should therefore receive special attention in order to reduce re-hospitalization rates and improve the clinical outcome.

Background: Enhanced drug-related reward sensitivity accompanied by impaired sensitivity to non-drug related rewards in the mesolimbic dopamine system are thought to underlie the broad motivational deficits and dysfunctional decision-making frequently observed in cocaine use disorder (CUD). Effective approaches to modify this imbalance and reinstate non-drug reward responsiveness are urgently needed. Here we examine whether cocaine users (CU) can use mental imagery of non-drug rewards to self-regulate the ventral tegmental area and substantia nigra (VTA/SN). We expected that compulsive and obsessive thoughts about cocaine consumption would hamper the ability to self-regulate the VTA/SN. Finally, we tested if self-regulation of the VTA/SN can be improved with real-time fMRI (rtfMRI) neurofeedback (NFB). Methods: Twenty-two CU and 28 healthy controls (HC) were asked to voluntarily up-regulate VTA/SN activity with rewarding non-drug imagery alone, or combined with rtfMRI NFB of VTA/SN activity. Obsessive-compulsive drug use was measured with the Obsessive Compulsive Cocaine Use Scale (OCCUS). Results: CU were able to induce activity in the dopaminergic midbrain and other reward regions with reward imagery. The ability to self-regulate the VTA/SN was reduced in those with more severe obsessive-compulsive drug use. NFB enhanced the effect of non-drug imagery. Conclusion: CU can voluntary activate their reward system through non-drug related imagery and improve this ability with rtfMRI NFB. Combining reward imagery and rtFMRI NFB has great potential for modifying the maladapted reward sensitivity and reinstating non-drug reward responsiveness. This motivates further work to examine the therapeutic potential of cognitive neurostimulation in CUD.