Following a first version AAL of the automated anatomical labeling atlas (Tzourio-Mazoyer et al., 2002), a second version (AAL2) (Rolls et al., 2015) was developed that provided an alternative parcellation of the orbitofrontal cortex following the description provided by Chiavaras, Petrides, and colleagues. We now provide a third version, AAL3, which adds a number of brain areas not previously defined, but of interest in many neuroimaging investigations. The 26 new areas in the third version are subdivision of the anterior cingulate cortex into subgenual, pregenual and supracallosal parts; subdivision of the thalamus into 15 parts; the nucleus accumbens, substantia nigra, ventral tegmental area, red nucleus, locus coeruleus, and raphe nuclei. The new atlas is available as a toolbox for SPM, and can be used with MRIcron.

BackgroundIncreasing evidence supported the possible neuro-invasion potential of SARS-CoV-2. However, no studies were conducted to explore the existence of the micro-structural changes in the central nervous system after infection. We aimed to identify the existence of potential brain micro-structural changes related to SARS-CoV-2.MethodsIn this prospective study, diffusion tensor imaging (DTI) and 3D high-resolution T1WI sequences were acquired in 60 recovered COVID-19 patients (56.67% male; age: 44.10 ± 16.00) and 39 age- and sex-matched non-COVID-19 controls (56.41% male; age: 45.88 ± 13.90). Registered fractional anisotropy (FA), mean diffusivity (MD), axial diffusivity (AD), and radial diffusivity (RD) were quantified for DTI, and an index score system was introduced. Regional volumes derived from Voxel-based Morphometry (VBM) and DTI metrics were compared using analysis of covariance (ANCOVA). Two sample t-test and Spearman correlation were conducted to assess the relationships among imaging indices, index scores and clinical information.FindingsIn this follow-up stage, neurological symptoms were presented in 55% COVID-19 patients. COVID-19 patients had statistically significantly higher bilateral gray matter volumes (GMV) in olfactory cortices, hippocampi, insulas, left Rolandic operculum, left Heschl's gyrus and right cingulate gyrus and a general decline of MD, AD, RD accompanied with an increase of FA in white matter, especially AD in the right CR, EC and SFF, and MD in SFF compared with non-COVID-19 volunteers (corrected p value <0.05). Global GMV, GMVs in left Rolandic operculum, right cingulate, bilateral hippocampi, left Heschl's gyrus, and Global MD of WM were found to correlate with memory loss (p value <0.05). GMVs in the right cingulate gyrus and left hippocampus were related to smell loss (p value <0.05). MD-GM score, global GMV, and GMV in right cingulate gyrus were correlated with LDH level (p value <0.05).InterpretationStudy findings revealed possible disruption to micro-structural and functional brain integrity in the recovery stages of COVID-19, suggesting the long-term consequences of SARS-CoV-2.FundingShanghai Natural Science Foundation, Youth Program of National Natural Science Foundation of China, Shanghai Sailing Program, Shanghai Science and Technology Development, Shanghai Municipal Science and Technology Major Project and ZJ Lab.

Abstract Background Patients with major depressive disorder (MDD) exhibit concurrent deficits in sensory processing and high-order cognitive functions such as self-awareness and rumination. Connectome mapping studies have suggested a principal primary-to-transmodal gradient in functional brain networks, supporting the spectrum from sensation to cognition. However, whether this principal connectome gradient is disrupted in patients with MDD and how this disruption is associated with gene expression profiles remain unclear. Methods Using a large cohort of resting-state functional magnetic resonance imaging data from 2,234 participants (1,150 patients with MDD and 1,084 healthy controls) recruited at 10 sites, we investigated MDD-related alterations in the principal connectome gradient. We further used Neurosynth and postmortem gene expression data to assess the cognitive functions and transcriptional profiles related to the gradient alterations in MDD, respectively. Results Relative to controls, patients with MDD exhibited abnormal global topography of the principal primary-to-transmodal gradient, as indicated by reduced explanation ratio, gradient range, and gradient variation (Cohen’s d = −0.16∼-0.21). Focal alterations of gradient scores were mostly in the primary systems involved in sensory processing and in the transmodal systems implicated in high-order cognition. The transcriptional profiles explained 53.9% of the spatial variance in the altered gradient patterns, with the most correlated genes enriched in transsynaptic signaling and calcium ion binding. Conclusions These results highlight the dysfunction of the core connectome hierarchy in MDD and its linkage with gene expression profiles, providing insights into the neurobiological and molecular genetic underpinnings of sensory-cognitive deficits in this disorder.

ABSTRACT The cerebral cortex is a highly convoluted structure with distinct morphologic features, namely the gyri and sulci, which are associated with the functional segregation or integration in the human brain. During the lifespan, the brain atrophy that is accompanied by cognitive decline is a well-accepted aging phenotype. However, the detailed patterns of cortical folding change during aging, especially the changing trajectories of gyri and sulci, which is essential to brain functioning, remain unclear. In this study, we investigated the morphology of the gyral and sulcal regions from pial and white matter surfaces using MR imaging data of 417 healthy participants across the lifespan (21-92y). To elucidate the age-related changes in the cortical pattern, we fitted cortical thickness and intrinsic curvature of gyri and sulci using the quadratic model to evaluate their trajectories during normal aging. Our findings show that comparing to gyri, the sulcal thinning is the most prominent pattern during the aging process, and the gyrification of pial and white matter surfaces were also affected differently, which implies the vulnerability of functional segregation during aging. Taken together, we propose a morphological model of aging that may provide a framework for understanding the mechanisms underlying the gray matter degeneration.

Abstract Major depressive disorder (MDD) is the most burdensome psychiatric disorder characterized by remarkably heterogeneous clinical phenotypes. It remains challenging to delineate the heterogeneity of neurobiological abnormalities underlying the clinical variance and, on this basis, to identify neurophysiological subtypes of MDD patients. Here, using a large multisite resting-state functional MRI data from 1,148 MDD patients and 1,079 healthy controls, we generated lifespan normative models of functional connectivity strengths, mapped the heterogeneity of patients’ individual deviations, and identified neurobiological MDD subtypes. MDD patients showed positive deviations mainly in the default mode and subcortical areas, and negative deviations widely distributed over the cortex. However, there was a great inter-subject heterogeneity as indicated by that no more than 3.14% of patients deviated from the normative range for any brain region. Two neurophysiological MDD subtypes were identified. Subtype 1 showed severe deviations with positive deviations in the default mode, limbic, and subcortical areas, and negative deviations in the sensorimotor, dorsal and ventral attention areas, while subtype 2 showed a moderate but conversed deviation pattern. The severe-deviation subtype had older age, higher medicated proportion, and higher Suicide item score, while the moderate-deviation subtype showed higher Work and Activities and Depressed Mood item scores. Moreover, the baseline deviations in the severe-deviation subtype were predictive of 6-month antidepressant treatment effects in a subsample. To our knowledge, the current study is the largest multisite analysis of neurophysiological MDD subtyping to date and the findings shed light on our understanding of the biological mechanisms underlying the intersubject heterogeneity of clinical phenotypes, which are informative for the development of personalized treatments for this disorder.

Abstract The preprocessing of diffusion magnetic resonance imaging (dMRI) data involves numerous steps, including the corrections for head motion, susceptibility distortion, low signal-to-noise ratio, and signal drifting. Researchers or clinical practitioners often need to configure different preprocessing steps depending on disparate image acquisition schemes, which increases the technical threshold for dMRI analysis for non-expert users. This could cause disparities in data processing approaches and thus hinder the comparability between studies. To make the dMRI data processing steps transparent and adapt to various dMRI acquisition schemes for researchers, we propose a semi-automated pipeline tool for dMRI named integrated Diffusion Image Operator or iDIO. This pipeline integrates features from a wide range of advanced dMRI software tools and targets at providing a one-click solution for dMRI data analysis, via automatic configuration for a set of optimal processing steps based on the image header of the input data. Additionally, the pipeline provides options for post-processing, such as estimation of diffusion tensor metrics and whole-brain tractography-based connectomes reconstruction using common brain atlases. The iDIO pipeline also outputs an easy-to-interpret quality control report to facilitate users to assess the data quality. To keep the transparency of data processing, the execution log and all the intermediate images produced in the iDIO’s workflow are accessible. The goal of iDIO is to reduce the barriers for clinical or non-specialist users to adopt the state-of-art dMRI processing steps.

The functional connectome of the human brain represents the fundamental network architecture of neural activity, but its normative growth trajectory over the life course remains unknown. Here, we aggregate the largest, quality-controlled multimodal neuroimaging dataset across 119 global sites, including 33,809 task-free fMRI and structural MRI scans of 32,328 individuals aged from 32 postmenstrual weeks to 80 years old. The lifespan growth charts of the connectome are quantified at the whole cortex, system, and regional levels using generalized additive models for location, scale, and shape. We find critical inflection points in the nonlinear growth trajectories of the whole-brain functional connectome, notably peaking in the fourth decade of life. After establishing the first fine-grained, lifespan-spanning suite of system-level brain atlases, we generate person-specific parcellation maps and further elucidate distinct timelines of maturation for functional segregation within various subsystems. We identify a spatiotemporal gradient axis that governs the life-course growth of regional connectivity, transitioning from primary sensory cortices to higher-order association regions. Using the connectome-based normative model, we demonstrate substantial individual heterogeneities at the network level in patients with autism spectrum disorder and patients with major depressive disorder, respectively. Our findings shed light on the functional connectome9s life-course evolution, serving as normative references for understanding network growth principles of the human brain and assessing individual variations of patients with neuropsychiatric conditions.

ABSTRACT Purpose Recent advances in diffusion-weighted MRI provide ‘restricted diffusion signal fraction’ and restricting pore size estimates. Materials based on co-electrospun oriented hollow cylinders have been introduced to provide validation for such methods. This study extends this work, exploring accuracy and repeatability using an extended acquisition on a 300 mT/m gradient human MRI scanner, in substrates closely mimicking tissue, i.e., non-circular cross-sections, intra-voxel fibre crossing, intra-voxel distributions of pore-sizes and smaller pore-sizes overall. Methods In a single-blind experiment, diffusion-weighted data were collected from a biomimetic phantom on a 3T Connectom system using multiple gradient directions/diffusion times. Repeated scans established short-term and long-term repeatability. The total scan time (54 minutes) matched similar protocols used in human studies. The number of distinct fibre populations was estimated using spherical deconvolution, and median pore size estimated through the combination of CHARMED and AxCaliber3D framework. Diffusion-based estimates were compared with measurements derived from scanning electron microscopy. Results The phantom contained substrates with different orientations, fibre configurations and pore size distributions. Irrespective of one or two populations within the voxel, the pore-size estimates (~5μm) and orientation-estimates showed excellent agreement with the median values of pore-size derived from scanning electron microscope and phantom configuration. Measurement repeatability depended on substrate complexity, with lower values seen in samples containing crossing-fibres. Sample-level repeatability was found to be good. Conclusion While no phantom mimics tissue completely, this study takes a step closer to validating diffusion microstructure measurements for use in vivo by demonstrating the ability to quantify microgeometry in relatively complex configurations.

The neurobiological heterogeneity of schizophrenia is widely accepted, but it is unclear how mechanistic differences converge to produce the observed phenotype. Establishing a pathophysiological model that accounts for both heterogeneity and phenotypic similarity is essential to inform stratified treatment approaches. In this cross-sectional diffusion tensor imaging (DTI) study, we recruited 77 healthy controls (HC), and 71 patients with DSM-IV diagnosis of schizophrenia (SCZ), and reconstructed the structural connectivity of 90 brain regions covering entire cerebral cortex. We first confirmed the heterogeneity in structural connectivity by showing a reduced inter-individual similarity in SCZ compared with HC. Moreover, we found it was not possible to cluster patients into subgroups with shared patterns of dysconnectivity, indicating a high degree of mechanistic divergence in schizophrenia. Instead of the strength of connectivity between any particular brain regions, we investigated the diversity (or statistically, the variance) of the topographic distribution of the strength was reduced. HC had higher topographic diversity in whole brain structural connectivity compared to the patient group (P=2 x 10^(-6), T= 4.96, Cohen's d= 0.87). In 62 of the 90 brain regions, the topographic diversity was significantly reduced in patients compared to controls after FDR correction (<0.05). When topographic diversity was used as a discriminant feature for classification between patients and controls, we significantly (P=4.29x10^(-24)) improved the classification accuracy to 79.6% (sensitivity 78.3%, specificity 81.3%). This finding suggests highly individualized pattern of structural dysconnectivity underlying the heterogeneity of schizophrenia converges to a convergent common pathway as reduced topographic diversity for the clinical construct of the disease.