All fields of neuroscience that employ brain imaging need to communicate their results with reference to anatomical regions. In particular, comparative morphometry and group analysis of functional and physiological data require coregistration of brains to establish correspondences across brain structures. It is well established that linear registration of one brain to another is inadequate for aligning brain structures, so numerous algorithms have emerged to nonlinearly register brains to one another. This study is the largest evaluation of nonlinear deformation algorithms applied to brain image registration ever conducted. Fourteen algorithms from laboratories around the world are evaluated using 8 different error measures. More than 45,000 registrations between 80 manually labeled brains were performed by algorithms including: AIR, ANIMAL, ART, Diffeomorphic Demons, FNIRT, IRTK, JRD-fluid, ROMEO, SICLE, SyN, and four different SPM5 algorithms (“SPM2-type” and regular Normalization, Unified Segmentation, and the DARTEL Toolbox). All of these registrations were preceded by linear registration between the same image pairs using FLIRT. One of the most significant findings of this study is that the relative performances of the registration methods under comparison appear to be little affected by the choice of subject population, labeling protocol, and type of overlap measure. This is important because it suggests that the findings are generalizable to new subject populations that are labeled or evaluated using different labeling protocols. Furthermore, we ranked the 14 methods according to three completely independent analyses (permutation tests, one-way ANOVA tests, and indifference-zone ranking) and derived three almost identical top rankings of the methods. ART, SyN, IRTK, and SPM's DARTEL Toolbox gave the best results according to overlap and distance measures, with ART and SyN delivering the most consistently high accuracy across subjects and label sets. Updates will be published on the http://www.mindboggle.info/papers/ website.

A general automatic approach is presented for accommodating local shape variation when mapping a two-dimensional (2-D) or three-dimensional (3-D) template image into alignment with a topologically similar target image. Local shape variability is accommodated by applying a vector-field transformation to the underlying material coordinate system of the template while constraining the transformation to be smooth (globally positive definite Jacobian). Smoothness is guaranteed without specifically penalizing large-magnitude deformations of small subvolumes by constraining the transformation on the basis of a Stokesian limit of the fluid-dynamical Navier-Stokes equations. This differs fundamentally from quadratic penalty methods, such as those based on linearized elasticity or thin-plate splines, in that stress restraining the motion relaxes over time allowing large-magnitude deformations. Kinematic nonlinearities are inherently necessary to maintain continuity of structures during large-magnitude deformations, and are included in all results. After initial global registration, final mappings are obtained by numerically solving a set of nonlinear partial differential equations associated with the constrained optimization problem. Automatic regridding is performed by propagating templates as the nonlinear transformations evaluated on a finite lattice become singular. Application of the method to intersubject registration of neuroanatomical structures illustrates the ability to account for local anatomical variability.

Presents a new method for image registration based on jointly estimating the forward and reverse transformations between two images while constraining these transforms to be inverses of one another. This approach produces a consistent set of transformations that have less pairwise registration error, i.e., better correspondence, than traditional methods that estimate the forward and reverse transformations independently. The transformations are estimated iteratively and are restricted to preserve topology by constraining them to obey the laws of continuum mechanics. The transformations are parameterized by a Fourier series to diagonalize the covariance structure imposed by the continuum mechanics constraints and to provide a computationally efficient numerical implementation. Results using a linear elastic material constraint are presented using both magnetic resonance and X-ray computed tomography image data. The results show that the joint estimation of a consistent set of forward and reverse transformations constrained by linear-elasticity give better registration results than using either constraint alone or none at all.

Breathing motion is a significant source of error in radiotherapy treatment planning for the thorax and upper abdomen. Accounting for breathing motion has a profound effect on the size of conformal radiation portals employed in these sites. Breathing motion also causes artifacts and distortions in treatment planning computed tomography (CT) scans acquired during free breathing and also causes a breakdown of the assumption of the superposition of radiation portals in intensity‐modulated radiation therapy, possibly leading to significant dose delivery errors. Proposed voluntary and involuntary breath‐hold techniques have the potential for reducing or eliminating the effects of breathing motion, however, they are limited in practice, by the fact that many lung cancer patients cannot tolerate holding their breath. We present an alternative solution to accounting for breathing motion in radiotherapy treatment planning, where multislice CT scans are collected simultaneously with digital spirometry over many free breathing cycles to create a four‐dimensional (4‐D) image set, where tidal lung volume is the additional dimension. An analysis of this 4‐D data leads to methods for digital‐spirometry, based elimination or accounting of breathing motion artifacts in radiotherapy treatment planning for free breathing patients. The 4‐D image set is generated by sorting free‐breathing multislice CT scans according to user‐defined tidal‐volume bins. A multislice CT scanner is operated in the ciné mode, acquiring 15 scans per couch position, while the patient undergoes simultaneous digital‐spirometry measurements. The spirometry is used to retrospectively sort the CT scans by their correlated tidal lung volume within the patient's normal breathing cycle. This method has been prototyped using data from three lung cancer patients. The actual tidal lung volumes agreed with the specified bin volumes within standard deviations ranging between 22 and 33 An analysis of sagittal and coronal images demonstrated relatively small (<1 cm) motion artifacts along the diaphragm, even for tidal volumes where the rate of breathing motion is greatest. While still under development, this technology has the potential for revolutionizing the radiotherapy treatment planning for the thorax and upper abdomen.

Mathematical techniques are presented for the transformation of digital anatomical textbooks from the ideal to the individual, allowing for the representation of the variabilities manifest in normal human anatomies. The ideal textbook is constructed on a fixed coordinate system to contain all of the information currently available about the physical properties of neuroanatomies. This information is obtained via sensor probes such as magnetic resonance, as well as computed axial and emission tomography, along with symbolic information such as white- and gray-matter tracts, nuclei, etc. Human variability associated with individuals is accommodated by defining probabilistic transformations on the textbook coordinate system, the transformations forming mathematical translation groups of high dimension. The ideal is applied to the individual patient by finding the transformation which is consistent with physical properties of deformable elastic solids and which brings the coordinate system of the textbook to that of the patient. Registration, segmentation, and fusion all result automatically because the textbook carries symbolic values as well as multisensor features.

This paper presents diffeomorphic transformations of three-dimensional (3-D) anatomical image data of the macaque occipital lobe and whole brain cryosection imagery and of deep brain structures in human brains as imaged via magnetic resonance imagery. These transformations are generated in a hierarchical manner, accommodating both global and local anatomical detail. The initial low-dimensional registration is accomplished by constraining the transformation to be in a low-dimensional basis. The basis is defined by the Green's function of the elasticity operator placed at predefined locations in the anatomy and the eigenfunctions of the elasticity operator. The high-dimensional large deformations are vector fields generated via the mismatch between the template and target-image volumes constrained to be the solution of a Navier-Stokes fluid model. As part of this procedure, the Jacobian of the transformation is tracked, insuring the generation of diffeomorphisms. It is shown that transformations constrained by quadratic regularization methods such as the Laplacian, biharmonic, and linear elasticity models, do not ensure that the transformation maintains topology and, therefore, must only be used for coarse global registration.

 EMPIRE10 (Evaluation of Methods for Pulmonary Image REgistration 2010) is a public platform for fair and meaningful comparison of registration algorithms which are applied to a database of intrapatient thoracic CT image pairs. Evaluation of nonrigid registration techniques is a nontrivial task. This is compounded by the fact that researchers typically test only on their own data, which varies widely. For this reason, reliable assessment and comparison of different registration algorithms has been virtually impossible in the past. In this work we present the results of the launch phase of EMPIRE10, which comprised the comprehensive evaluation and comparison of 20 individual algorithms from leading academic and industrial research groups. All algorithms are applied to the same set of 30 thoracic CT pairs. Algorithm settings and parameters are chosen by researchers expert in the configuration of their own method and the evaluation is independent, using the same criteria for all participants. All results are published on the EMPIRE10 website ( http://empire10.isi.uu.nl ). The challenge remains ongoing and open to new participants. Full results from 24 algorithms have been published at the time of writing. This paper details the organization of the challenge, the data and evaluation methods and the outcome of the initial launch with 20 algorithms. The gain in knowledge and future work are discussed.

Two new consistent image registration algorithms are presented: one is based on matching corresponding landmarks and the other is based on matching both landmark and intensity information. The consistent landmark and intensity registration algorithm produces good correspondences between images near landmark locations by matching corresponding landmarks and away from landmark locations by matching the image intensities. In contrast to similar unidirectional algorithms, these new consistent algorithms jointly estimate the forward and reverse transformation between two images while minimizing the inverse consistency error-the error between the forward (reverse) transformation and the inverse of the the reverse (forward) transformation. This reduces the ambiguous correspondence between the forward and reverse transformations associated with large inverse consistency errors. In both algorithms a thin-plate spline (TPS) model is used to regularize the estimated transformations. Two-dimensional (2-D) examples are presented that show the inverse consistency error produced by the traditional unidirectional landmark TPS algorithm can be relatively large and that this error is minimized using the consistent landmark algorithm. Results using 2-D magnetic resonance imaging data are presented that demonstrate that using landmark and intensity information together produce better correspondence between medical images than using either landmarks or intensity information alone.

Studies of the neural underpinnings of bipolar type I disorder have focused on the emotional control network. However, there is also growing evidence for cerebellar involvement, including abnormal structure, function, and metabolism. Here, we sought to assess functional connectivity of the cerebellum with the cerebrum in bipolar disorder and to assess whether any effects might depend on mood.This cross-sectional study enrolled 128 participants with bipolar type I disorder and 83 control comparison participants who completed a 3T MRI scan, which included anatomical imaging as well as resting state BOLD imaging. Functional connectivity of the cerebellar vermis to all other brain regions was assessed. Based on quality control metrics of the fMRI data, 109 participants with bipolar disorder and 79 controls were used to in the statistical analysis comparing connectivity of the vermis as well as associations with mood. Potential impacts of medications were also explored.Functional connectivity of the cerebellar vermis in bipolar disorder was found to differ significantly between brain regions known to be involved in the control of emotion, motor function, and language. While connections with emotion and motor control areas were significantly stronger in bipolar disorder, connection to a region associated language production was significantly weaker. In the participants with bipolar disorder, ratings of depression and mania were inversely associated with vermis functional connectivity. No effect of medications on these connections were observed.Together the findings suggest cerebellum may play a compensatory role in bipolar disorder and when it can no longer fulfill this role, depression and mania develop. The proximity of the cerebellar vermis to the skull may make this region a potential target for treatment with transcranial magnetic stimulation.

Abstract Background The neural underpinnings of bipolar disorder (BD) remain poorly understood. The cerebellum is ideally positioned to modulate emotional regulation circuitry yet has been understudied in BD. Previous studies have suggested differences in cerebellar activity and metabolism in BD, however findings on cerebellar structural differences remain contradictory. Methods We collected 3T anatomical MRI scans from participants with (N = 131) and without (N = 81) BD type I. Differences in cerebellar volumes were assessed along with factors that influence the results. Results The cerebellar cortex was smaller bilaterally in participants with BD. Polygenic propensity score (bipolar N = 103, control N = 64) did not predict any cerebellar volumes, suggesting that non-genetic factors may have greater influence on the cerebellar volume difference we observed in BD. Cerebellar white matter volumes increased with more adverse childhood events, but we did not observe any associations with parental psychiatric illness. We also evaluated time from onset and symptom burden and found no associations with cerebellar volumes, suggesting neurodevelopment may differ prior to onset. Finally, we found taking sedatives was associated with larger cerebellar white matter and non-significantly larger cortical volume. Limitations This study was cross-sectional, limiting interpretation of possible mechanisms. Most of our participants were White, which could limit the generalizability. Additionally, we did not account for potential polypharmacy interactions. Conclusions These findings suggest that external influences, such as medications, may influence cerebellum structure in BD and may mask underlying differences. Accounting for medication may be critical for consistent findings in future studies.