MD
Mahsa Dadar
Author with expertise in Diffusion Magnetic Resonance Imaging
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
53
(60% Open Access)
Cited by:
65
h-index:
34
/
i10-index:
65
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

A clinical-anatomical signature of Parkinson’s Disease identified with partial least squares and magnetic resonance imaging

Yashar Zeighami et al.Jul 27, 2017
+4
M
S
Y
Abstract Parkinson’s disease (PD) is a neurodegenerative disorder characterized by a wide array of motor and non-motor symptoms. It remains unclear whether neurodegeneration in discrete loci gives rise to discrete symptoms, or whether network-wide atrophy gives rise to the unique behavioural and clinical profile associated with PD. Here we apply a data-driven strategy to isolate large-scale, multivariate associations between distributed atrophy patterns and clinical phenotypes in PD. In a sample of N = 229 de novo PD patients, we estimate disease-related atrophy using deformation based morphometry (DBM) of T1 weighted MR images. Using partial least squares (PLS), we identify a network of subcortical and cortical regions whose collective atrophy is associated with a clinical phenotype encompassing motor and non-motor features. Despite the relatively early stage of the disease in the sample, the atrophy pattern encompassed lower brainstem, substantia nigra, basal ganglia and cortical areas, consistent with the Braak hypothesis. In addition, individual variation in this putative atrophy network predicted longitudinal clinical progression in both motor and non-motor symptoms. Altogether, these results demonstrate a pleiotropic mapping between neurodegeneration and the clinical manifestations of PD, and that this mapping can be detected even in de novo patients.
0
Citation10
0
Save
1

Obesity impairs cognitive function via metabolic syndrome and cerebrovascular disease: an SEM analysis in 15,000 adults from the UK Biobank

Filip Morys et al.Jun 28, 2020
A
M
F
Abstract Chronic obesity is associated with several complications, including cognitive impairment and dementia. However, we have piecemeal knowledge of the mechanisms linking obesity to central nervous system damage. Adiposity leads to the metabolic syndrome, consisting of inflammation, hypertension, dyslipidemia and insulin resistance. In turn, these metabolic abnormalities cause cerebrovascular dysfunction, which may cause white and grey matter tissue loss and consequent cognitive impairment. While there have been several neuroimaging studies linking adiposity to changes in brain morphometry, a comprehensive investigation of the relationship has so far not been done. Here we use structural equation modelling applied to over 15,000 individuals from the UK Biobank to identify the causal chain that links adiposity to cognitive dysfunction. We found that body mass index and waist-to-hip ratio were positively related to higher plasma C-reactive protein, dyslipidemia, occurrence of hypertension and diabetes, all of which were in turn related to cerebrovascular disease as measured by volume of white matter hyperintensities on magnetic resonance imaging. White mater hyperintensities were associated with lower cortical thickness and volume and higher subcortical volumes, which were associated with cognitive deficits on tests of visuospatial memory, fluid intelligence, and working memory among others. In follow-up analyses we found that inflammation, hypertension and diabetes mediated 20% of the relationship between obesity and cerebrovascular disease and that cerebrovascular disease mediated a significant proportion of the relationship between obesity and cortical thickness and volume. We also showed that volume of white matter hyperintensities was related to decreased fractional anisotropy and increased mean diffusivity in the majority of white matter tracts, pointing to white matter dysconnectivity as a major cause of impaired cognition. Our results have clinical implications, supporting a role for the management of adiposity in the prevention of late-life dementia and cognitive decline.
1
Citation10
0
Save
0

Beware of White Matter Hyperintensities Causing Systematic Errors in Grey Matter Segmentations!

Mahsa Dadar et al.Jul 7, 2020
S
R
O
M
Abstract Introduction Volumetric estimates of subcortical and cortical structures, extracted from T1-weighted MRIs, are widely used in many clinical and research applications. Here, we investigate the impact of the presence of white matter hyperintensities (WMHs) on FreeSurfer grey matter (GM) structure volumes and its possible bias on functional relationships. Methods T1-weighted images from 1077 participants (4321 timepoints) from the Alzheimer’s Disease Neuroimaging Initiative were processed with FreeSurfer version 6.0.0. WMHs were segmented using a previously validated algorithm on either T2-weighted or Fluid-attenuated inversion recovery (FLAIR) images. Mixed effects models were used to assess the relationships between overlapping WMHs and GM structure volumes and overal WMH burden, as well as to investigate whether such overlaps impact associations with age, diagnosis, and cognitive performance. Results Participants with higher WMH volumes had higher overalps with GM volumes of bilateral caudate, cerebral cortex, putamen, thalamus, pallidum, and accumbens areas (P < 0.0001). When not corrected for WMHs, caudate volumes increased with age (P < 0.0001) and were not different between cognitively healthy individuals and age-matched probable Alzheimer’s disease patients. After correcting for WMHs, caudate volumes decreased with age (P < 0.0001), and Alzheimer’s disease patients had lower caudate volumes than cognitively healthy individuals (P < 0.01). Uncorrected caudate volume was not associated with ADAS13 scores, whereas corrected lower caudate volumes were significantly associated with poorer cognitive performance (P < 0.0001). Conclusions Presence of WMHs leads to systematic inaccuracies in GM segmentations, particularly for the caudate, which can also change clinical associations. While specifically measured for the Freesurfer toolkit, this problem likely affects other algorithms.
1

White Matter Hyperintensity Distribution Differences in Aging and Neurodegenerative Disease Cohorts

Mahsa Dadar et al.Nov 27, 2021
+3
M
S
M
Abstract Introduction White matter hyperintensities (WMHs) are common magnetic resonance imaging (MRI) findings in the aging population in general, as well as in patients with neurodegenerative diseases. They are known to exacerbate the cognitive deficits and worsen the clinical outcomes in the patients. However, it is not well-understood whether there are disease-specific differences in prevalence and distribution of WMHs in different neurodegenerative disorders. Methods Data included 976 participants with cross-sectional T1-weighted and fluid attenuated inversion recovery (FLAIR) MRIs from the Comprehensive Assessment of Neurodegeneration and Dementia (COMPASS-ND) cohort of the Canadian Consortium on Neurodegeneration in Aging (CCNA) with eleven distinct diagnostic groups: cognitively intact elderly (CIE), subjective cognitive impairment (SCI), mild cognitive impairment (MCI), vascular MCI (V-MCI), Alzheimer’s dementia (AD), vascular AD (V-AD), frontotemporal dementia (FTD), Lewy body dementia (LBD), cognitively intact elderly with Parkinson’s disease (PD-CIE), cognitively impaired Parkinson’s disease (PD-CI), and mixed dementias. WMHs were segmented using a previously validated automated technique. WMH volumes in each lobe and hemisphere were compared against matched CIE individuals, as well as each other, and between men and women. Results All cognitively impaired diagnostic groups had significantly greater overall WMH volumes than the CIE group. Vascular groups (i.e. V-MCI, V-AD, and mixed dementia) had significantly greater WMH volumes than all other groups, except for FTD, which also had significantly greater WMH volumes than all non-vascular groups. Women tended to have lower WMH burden than men in most groups and regions, controlling for age. The left frontal lobe tended to have a lower WMH burden than the right in all groups. In contrast, the right occipital lobe tended to have greater WMH loads than the left. Conclusions There were distinct differences in WMH prevalence and distribution across diagnostic groups, sexes, and in terms of asymmetry. WMH burden was significantly greater in all neurodegenerative dementia groups, likely encompassing areas exclusively impacted by neurodegeneration as well as areas related to cerebrovascular disease pathology.
1
Citation6
0
Save
0

Network Connectivity Determines Cortical Thinning In Early Parkinson’s Disease Progression

Yvonne Yau et al.Jun 8, 2017
+9
T
Y
Y
ABSTRACT Parkinson’s Disease (PD) is a progressive neurodegenerative disorder characterized by motor and cognitive deficits. The neurodegenerative process is thought to move stereotypically from the brainstem up to the cerebral cortex, possibly reflecting the spread of toxic alpha-synuclein molecules. Using a large, longitudinal, multi-center database of de novo PD patients, we tested whether focal reductions in cortical thickness could be explained by disease spread from a subcortical “disease reservoir” along the brain’s connectome. PD patients (n=105) and matched controls (n=57) underwent T1-MRI at entry and one year later. Over this period, PD patients demonstrated significantly greater loss of cortical thickness than healthy controls in parts of the left occipital and bilateral frontal lobes and right somatomotor-sensory cortex. Cortical regions with greater connectivity (measured functionally or structurally) to a “disease reservoir” evaluated via MRI at baseline demonstrated greater atrophy one year later. The atrophy pattern in the ventral frontal lobes resembled one described in certain cases of Alzheimer’s disease. Moreover, a multiple linear regression model suggested that cortical thinning was associated with impaired cognitive function at follow-up. Our findings suggest that disease propagation to the cortex in PD follows neural connectivity, and that disease spread to the cortex may herald the onset of cognitive impairment.
0

Relationship between impulsivity, uncontrolled eating and body mass index: a hierarchical model

Isabel García‐García et al.Jun 16, 2018
+8
F
S
I
Abstract Background Impulsivity increases the risk for obesity and weight gain. However, the precise role of impulsivity in the aetiology of overeating behavior and obesity is currently unknown. Here we examined the relationships between personality-related measures of impulsivity, Uncontrolled Eating, BMI, and longitudinal weight changes. Additionally, we analyzed the associations between general impulsivity domains and brain cortical thickness to elucidate brain vulnerability factors related to weight gain. Methods Students in their first year of university - a risky period for weight gain - completed questionnaire measures of impulsivity and eating behavior at the beginning (N = 2318) of the school year. We also collected their weight at the end of the term (N = 1197). Impulsivity was divided into factors stress reactivity, reward sensitivity and lack of self-control. Using structural equation models, we tested the plausibility of a hierarchical relationship, in which impulsivity traits were associated with Uncontrolled Eating, which in turn predicted BMI and weight change. 71 participants underwent T1-weighted MRI to investigate the correlation between impulsivity and cortical thickness. Results Impulsivity traits showed positive correlations with Uncontrolled Eating. Higher scores in Uncontrolled Eating were in turn associated with higher BMI. None of the impulsivity-related measurements nor Uncontrolled Eating were correlated with longitudinal weight gain. Higher stress sensitivity was associated with increased cortical thickness in the superior temporal gyrus. Lack of self-control was positively associated with increased thickness in the superior medial frontal gyrus. Finally, higher reward sensitivity was associated with lower thickness in the inferior frontal gyrus. Conclusion The present study provides a comprehensive characterization of the relationships between different facets of impulsivity and obesity. We show that differences in impulsivity domains might be associated with BMI via Uncontrolled Eating. Our results might inform future clinical strategies aimed at fostering self-control abilities to prevent and/or treat unhealthy weight gain.
41

Global network structure and local transcriptomic vulnerability shape atrophy in sporadic and genetic behavioral variant frontotemporal dementia

Golia Shafiei et al.Aug 26, 2021
+34
M
R
G
Abstract Connections among brain regions allow pathological perturbations to spread from a single source region to multiple regions. Patterns of neurodegeneration in multiple diseases, including behavioral variant of frontotemporal dementia (bvFTD), resemble the large-scale functional systems, but how bvFTD-related atrophy patterns relate to structural network organization remains unknown. Here we investigate whether neurodegeneration patterns in sporadic and genetic bvFTD are conditioned by connectome architecture. Regional atrophy patterns were estimated in both genetic bvFTD (75 patients, 247 controls) and sporadic bvFTD (70 patients, 123 controls). We first identify distributed atrophy patterns in bvFTD, mainly targeting areas associated with the limbic intrinsic network and insular cytoarchitectonic class. Regional atrophy was significantly correlated with atrophy of structurally- and functionally-connected neighbors, demonstrating that network structure shapes atrophy patterns. The anterior insula was identified as the predominant group epicenter of brain atrophy using data-driven and simulation-based methods, with some secondary regions in frontal ventromedial and anteromedial temporal areas. Finally, we find that FTD-related genes, namely C9orf72 and TARDBP, confer local transcriptomic vulnerability to the disease, effectively modulating the propagation of pathology through the connectome. Collectively, our results demonstrate that atrophy patterns in sporadic and genetic bvFTD are jointly shaped by global connectome architecture and local transcriptomic vulnerability.
41
Citation4
0
Save
13

Assessment of white matter hyperintensity severity using multimodal MRI in Alzheimer’s Disease

Olivier Parent et al.Jan 21, 2023
+13
A
G
O
Abstract White matter hyperintensities (WMHs) are clinically significant MRI abnormalities often detected in the elderly and early stages of Alzheimer’s Disease. They are indicative of vascular pathology but represent a mixture of microstructural tissue alterations that is highly variable between individuals. To better understand these alterations, we leveraged the signal of different MRI contrasts sampled within WMHs, which have differential sensitivity to microstructural properties. Subsequently, we sought to examine the asso of these WMH signal measures to clinically-relevant measures such as cortical and global brain atrophy, cognitive function, diagnostic and demographic differences, and Alzheimer’s Disease-relevant cardiovascular risk factors. Our sample of 118 subjects was composed of healthy controls ( n =30), high-risk of Alzheimer’s Disease due to familial history ( n =47), mild cognitive impairment ( n =32), and clinical Alzheimer’s Disease ( n =9) as a means of ascertaining a spectrum of impairment. We sampled the median signal within WMHs on weighted MRI images that are commonly acquired (T1-weighted [T1w], T2-weighted [T2w], T1w/T2w ratio, Fluid-Attenuated Inversion Recovery [FLAIR]), and the relaxation times from quantitative T1 (qT1) and T2* (qT2*) images. Main analyses were performed with a periventricular/deep/superficial white matter parcellation and were repeated with a lobar white matter parcellation. We demonstrated that the correlations between WMH signal measures were variable, suggesting that they are likely influenced by different microstructural properties. We observed that the WMH qT2* and FLAIR measures displayed different age- and disease-related trends compared to normal-appearing white matter, highlighting sensitivity to WMH-specific tissue deterioration. Further, WMH qT2* particularly in periventricular and occipital white matter regions was consistently associated with several of our clinical variables of interest using both parcellation schemes in univariate analyses, and further showed high contributions to a pattern of brain variables that was associated with age and cognitive variables in multivariate Partial Least Squares Correlation analyses. qT1 and FLAIR measures showed consistent clinical relationships in multivariate analyses only, while T1w, T2w, and T1w/T2w ratio measures were not consistently associated with clinical variables. We observed that the qT2* signal was sensitive to clinically-relevant microstructural tissue alterations specific to WMHs. Combining volumetric and signal measures of WMH, particularly qT2* and to a lesser extent qT1 and FLAIR, should be considered to more precisely characterize the severity of WMHs in vivo. These findings may have implications in determining the reversibility of WMHs and potential efficacy of cardio- and cerebrovascular treatments.
10

MNI-FTD Templates: Unbiased Average Templates of Frontotemporal Dementia Variants

Mahsa Dadar et al.Nov 29, 2020
+2
V
A
M
Abstract Standard anatomical templates are widely used in human neuroimaging processing pipelines to facilitate group level analyses and comparisons across different subjects and populations. The MNI-ICBM152 template is the most commonly used standard template, representing an average of 152 healthy young adult brains. However, in patients with neurodegenerative diseases such as frontotemporal dementia (FTD), the high levels of atrophy lead to significant differences between the brain shape of the individuals and the MNI-ICBM152 template. Such differences might inevitably lead to registration errors or subtle biases in downstream analyses and results. Disease-specific templates are therefore desirable to reflect the anatomical characteristics of the populations of interest and to reduce potential registration errors when processing data from such populations. Here, we present MNI-FTD136, MNI-bvFTD70, MNI-svFTD36, and MNI-pnfaFTD30, four unbiased average templates of 136 FTD patients, 70 behavioural variant (bv), 36 semantic variant (sv), and 30 progressive nonfluent aphasia (pnfa) variant FTD patients as well as a corresponding age matched average template of 133 healthy controls (MNI-CN133), along with probabilistic tissue maps for each template. The public availability of these templates will facilitate analyses of FTD cohorts and enable comparisons between different studies in a common standardized space appropriate to FTD populations.
24

PhyloBrain atlas: a cortical brain MRI atlas following a phylogenetic approach

Maryna Zhernovaia et al.Jul 16, 2020
+2
S
M
M
ABSTRACT Cortical atlases constitute a consistent division of the human cortex into areas that have common structural as well as meaningful and distinctive functional characteristics. The most widely used atlases follow the cytoarchitectonic and myeloarchitectonic characteristics of the cortex and have been combined to the standard anatomical nomenclature of gyri and sulci. More recently, common functional features depicted by resting state functional MRI have also guided the division of the cortical brain in functional regions of interest. However, to date, there are no atlases that divide the cortex considering the common evolutionary changes experienced by the mammalian cortex. Hence, the present study proposes the division of cortical areas into five main regions of interest (ROIs) following a phylogenetic approach: 1- archicortex, 2- paleocortex, 3- peri-archicortex, 4- proisocortex, 5-neocortex, and twelve neocortical sub-ROIs: 5.1.temporopolar, 5.2.post-central, 5.3.pre-central, 5.4.pericalcarine, 5.5.superior temporal, 5.6.middle temporal, 5.7.precuneus, 5.8.insular, 5.9.inferior parietal, 5.10.caudal anterior, 5.11.posterior cingulate, and 5.12.lingual gyrus. The segmentations were done using the T1-weighted MNI-ICBM152 non-linear 6th generation symmetric average brain MRI model.
Load More