Abstract There is an increasing interest in quantitative imaging of T 1 , T 2 and diffusion contrast in the brain due to greater robustness against bias fields and artifacts, as well as better biophysical interpretability in terms of microstructure. However, acquisition time constraints are a challenge, particularly when multiple quantitative contrasts are desired and when extensive sampling of diffusion directions, high b-values or long diffusion times are needed for multi-compartment microstructure modeling. Although ultra-high fields of 7 T and above have desirable properties for many MR modalities, the shortening T 2 and the high specific absorption rate (SAR) of inversion and refocusing pulses bring great challenges to quantitative T 1 , T 2 and diffusion imaging. Here, we present the MESMERISED sequence (Multiplexed Echo Shifted Multiband Excited and Recalled Imaging of STEAM Encoded Diffusion). MESMERISED removes the dead time in Stimulated Echo Acquisition Mode (STEAM) imaging by an echo-shifting mechanism. The echo-shift (ES) factor is independent of multiband (MB) acceleration and allows for very high multiplicative (ESxMB) acceleration factors, particularly under moderate and long mixing times. This results in super-acceleration and high time efficiency at 7 T for quantitative T 1 and diffusion imaging, while also retaining the capacity to perform quantitative T 2 and B 1 mapping. We demonstrate the super-acceleration of MESMERISED for whole-brain T 1 relaxometry with total acceleration factors up to 36 at 1.8 mm isotropic resolution, and up to 54 at 1.25 mm resolution qT 1 imaging, corresponding to a 6x and 9x speedup, respectively, compared to MB-only accelerated acquisitions. We then demonstrate highly efficient diffusion MRI with high b-values and long diffusion times in two separate cases. First, we show that super-accelerated multi-shell diffusion acquisitions with 370 whole-brain diffusion volumes over 8 b-value shells up to b = 7000 s/mm 2 can be generated at 2 mm isotropic in under 8 minutes, a data rate of almost a volume per second, or at 1.8 mm isotropic in under 11 minutes, achieving up to 3.4x speedup compared to MB-only. A comparison of b = 7000 s/mm 2 MESMERISED against standard MB pulsed gradient spin echo (PGSE) diffusion imaging shows 70% higher SNR efficiency and greater effectiveness in supporting complex diffusion signal modeling. Second, we demonstrate time-efficient sampling of different diffusion times with 1.8 mm isotropic diffusion data acquired at four diffusion times up to 290 ms, which supports both Diffusion Tensor Imaging (DTI) and Diffusion Kurtosis Imaging (DKI) at each diffusion time. Finally, we demonstrate how adding quantitative T 2 and B 1 + mapping to super-accelerated qT 1 and diffusion imaging enables efficient quantitative multi-contrast mapping with the same MESMERISED sequence and the same readout train. MESMERISED extends possibilities to efficiently probe T 1 , T 2 and diffusion contrast for multi-component modeling of tissue microstructure.

Diffusion MRI (dMRI) has become a crucial imaging technique within the field of neuroscience and has an increasing number of clinical applications. Although most studies still focus on the brain, there is a growing interest in utilizing dMRI to investigate the healthy or injured spinal cord. The past decade has also seen the development of biophysical models that link MR-based diffusion measures to underlying microscopic tissue characteristics. Building upon 13 years of research and development, we present an open-source, MATLAB-based academic software toolkit dubbed ACID: A Comprehensive Toolbox for Image Processing and Modeling of Brain, Spinal Cord, and Post-mortem Diffusion MRI Data. ACID is designed to process and model dMRI data of the brain, spinal cord, and post-mortem specimens by incorporating state-of-the-art artifact correction tools, diffusion and kurtosis tensor imaging, and biophysical models that enable the estimation of microstructural properties in white matter. Additionally, the software includes an array of linear and non-linear fitting algorithms for accurate diffusion parameter estimation. By adhering to the Brain Imaging Data Structure (BIDS) data organization principles, ACID facilitates standardized analysis, ensures compatibility with other BIDS-compliant software, and aligns with the growing availability of large databases utilizing the BIDS format. Furthermore, ACID seamlessly integrates into the popular Statistical Parametric Mapping (SPM) framework, benefitting from a wide range of established segmentation, spatial processing, and statistical analysis tools as well as a large and growing number of SPM extensions. As such, this comprehensive toolbox covers the entire processing chain from raw DICOM data to group-level statistics, all within a single software package.

Diffusion MRI (dMRI) allows for non-invasive investigation of brain tissue microstructure. By fitting a model to the dMRI signal, various quantitative measures can be derived from the data, such as fractional anisotropy, neurite density and axonal radii maps. The uncertainty in these dMRI measures is often ignored, while previous work in functional MRI has shown that incorporating uncertainty estimates can lead to group statistics with a higher statistical power. We propose the Fisher Information Matrix (FIM) as a generally applicable method for quantifying the parameter uncertainties in non-linear diffusion MRI models. In direct comparison with Markov Chain Monte Carlo sampling, the FIM produces similar uncertainty estimates at lower computational cost. Using acquired and simulated data, we then list several characteristics that influence the parameter variances, like data complexity and signal-to-noise ratio. In individual subjects, the parameter standard deviations can help in detecting white matter artifacts as patches of relatively large standard deviations. In group statistics, we recommend using the parameter standard deviations by means of variance weighted averaging. Doing so can reduce the overall variance in group statistics and reduce the effect of data artifacts without discarding data from the analysis. Both these effects can lead to a higher statistical power in group studies.

Abstract The effective transverse relaxation rate (R 2 *) is sensitive to the microstructure of the human brain, e.g. the g-ratio characterising the relative myelination of axons. However, R 2 * depends on the orientation of the fibres relative to the main magnetic field degrading its reproducibility and that of any microstructural derivative measure. To decipher its orientation-independent part (R 2,iso *), a second-order polynomial in time (M2) can be applied to single multi-echo gradient-recalled-echo (meGRE) measurements at arbitrary orientation. The linear-time dependent parameter, β 1 , of M2 can be biophysically related to R 2,iso * when neglecting the signal from the myelin water (MW) in the hollow cylinder fibre model (HCFM). Here, we examined the effectiveness of M2 using experimental and simulated data with variable g-ratio and fibre dispersion. We showed that the fitted β 1 effectively estimates R 2,iso *when using meGRE with long maximum echo time (TE max ≈ 54 ms) but its microscopic dependence on the g-ratio was not accurately captured. This error was reduced to less than 12% when accounting for the MW contribution in a newly introduced biophysical expression for β 1 . We further used this new expression to estimate the MW fraction (0.14) and g-ratio (0.79) in a human optic chiasm. However, the proposed method failed to estimate R 2,iso * for a typical in-vivo meGRE protocol (TE max ≈ 18 ms). At this TE max and around the magic angle, the HCFM-based simulations failed to explain the R 2 *-orientation-dependence. In conclusion, estimation of R 2,iso * with M2 in vivo requires meGRE protocols with very long TE max ≈ 54 ms.