Abstract

 We present a technique for automatically assigning a neuroanatomical label to each voxel in an MRI volume based on probabilistic information automatically estimated from a manually labeled training set. In contrast to existing segmentation procedures that only label a small number of tissue classes, the current method assigns one of 37 labels to each voxel, including left and right caudate, putamen, pallidum, thalamus, lateral ventricles, hippocampus, and amygdala. The classification technique employs a registration procedure that is robust to anatomical variability, including the ventricular enlargement typically associated with neurological diseases and aging. The technique is shown to be comparable in accuracy to manual labeling, and of sufficient sensitivity to robustly detect changes in the volume of noncortical structures that presage the onset of probable Alzheimer's disease.

We present a technique for automatically assigning a neuroanatomical label to each location on a cortical surface model based on probabilistic information estimated from a manually labeled training set. This procedure incorporates both geometric information derived from the cortical model, and neuroanatomical convention, as found in the training set. The result is a complete labeling of cortical sulci and gyri. Examples are given from two different training sets generated using different neuroanatomical conventions, illustrating the flexibility of the algorithm. The technique is shown to be comparable in accuracy to manual labeling.

We present a set of techniques for embedding the physics of the imaging process that generates a class of magnetic resonance images (MRIs) into a segmentation or registration algorithm. This results in substantial invariance to acquisition parameters, as the effect of these parameters on the contrast properties of various brain structures is explicitly modeled in the segmentation. In addition, the integration of image acquisition with tissue classification allows the derivation of sequences that are optimal for segmentation purposes. Another benefit of these procedures is the generation of probabilistic models of the intrinsic tissue parameters that cause MR contrast (e.g., T1, proton density, T2*), allowing access to these physiologically relevant parameters that may change with disease or demographic, resulting in nonmorphometric alterations in MR images that are otherwise difficult to detect. Finally, we also present a high band width multiecho FLASH pulse sequence that results in high signal-to-noise ratio with minimal image distortion due to B0 effects. This sequence has the added benefit of allowing the explicit estimation of T2* and of reducing test–retest intensity variability.

In vivo MRI-derived measurements of human cerebral cortex thickness are providing novel insights into normal and abnormal neuroanatomy, but little is known about their reliability. We investigated how the reliability of cortical thickness measurements is affected by MRI instrument-related factors, including scanner field strength, manufacturer, upgrade and pulse sequence. Several data processing factors were also studied. Two test–retest data sets were analyzed: 1) 15 healthy older subjects scanned four times at 2-week intervals on three scanners; 2) 5 subjects scanned before and after a major scanner upgrade. Within-scanner variability of global cortical thickness measurements was <0.03 mm, and the point-wise standard deviation of measurement error was approximately 0.12 mm. Variability was 0.15 mm and 0.17 mm in average, respectively, for cross-scanner (Siemens/GE) and cross-field strength (1.5 T/3 T) comparisons. Scanner upgrade did not increase variability nor introduce bias. Measurements across field strength, however, were slightly biased (thicker at 3 T). The number of (single vs. multiple averaged) acquisitions had a negligible effect on reliability, but the use of a different pulse sequence had a larger impact, as did different parameters employed in data processing. Sample size estimates indicate that regional cortical thickness difference of 0.2 mm between two different groups could be identified with as few as 7 subjects per group, and a difference of 0.1 mm could be detected with 26 subjects per group. These results demonstrate that MRI-derived cortical thickness measures are highly reliable when MRI instrument and data processing factors are controlled but that it is important to consider these factors in the design of multi-site or longitudinal studies, such as clinical drug trials.

Longitudinal and multi-site clinical studies create the imperative to characterize and correct technological sources of variance that limit image reproducibility in high-resolution structural MRI studies, thus facilitating precise, quantitative, platform-independent, multi-site evaluation. In this work, we investigated the effects that imaging gradient non-linearity have on reproducibility of multi-site human MRI. We applied an image distortion correction method based on spherical harmonics description of the gradients and verified the accuracy of the method using phantom data. The correction method was then applied to the brain image data from a group of subjects scanned twice at multiple sites having different 1.5 T platforms. Within-site and across-site variability of the image data was assessed by evaluating voxel-based image intensity reproducibility. The image intensity reproducibility of the human brain data was significantly improved with distortion correction, suggesting that this method may offer improved reproducibility in morphometry studies. We provide the source code for the gradient distortion algorithm together with the phantom data.

Background: Huntington's disease (HD) is a fatal and progressive neurodegenerative disease that is accompanied by involuntary movements, cognitive dysfunction, and psychiatric symptoms. Although progressive striatal degeneration is known to occur, little is known about how the disease affects the cortex, including which cortical regions are affected, how degeneration proceeds, and the relationship of the cortical degeneration to clinical symptoms. The cortex has been difficult to study in neurodegenerative diseases primarily because of its complex folding patterns and regional variability; however, an understanding of how the cortex is affected by the disease may provide important new insights into it. Methods: Novel automated surface reconstruction and high-resolution MR images of 11 patients with HD and 13 age-matched subjects were used to obtain cortical thickness measurements. The same analyses were performed on two postmortem brains to validate these methods. Results: Regionally specific heterogeneous thinning of the cortical ribbon was found in subjects with HD. Thinning occurred early, differed among patients in different clinical stages of disease, and appeared to proceed from posterior to anterior cortical regions with disease progression. The sensorimotor region was statistically most affected. Measurements performed on MR images of autopsy brains analyzed similarly were within 0.25 mm of those obtained using traditional neuropathologic methods and were statistically indistinguishable. Conclusions: The authors propose that the cortex degenerates early in disease and that regionally selective cortical degeneration may explain the heterogeneity of clinical expression in HD. These measures might provide a sensitive prospective surrogate marker for clinical trials of neuroprotective medications.

Cerebral white matter (WM) undergoes various degenerative changes with normal aging, including decreases in myelin density and alterations in myelin structure. We acquired whole-head, high-resolution diffusion tensor images (DTI) in 38 participants across the adult age span. Maps of fractional anisotropy (FA), a measure of WM microstructure, were calculated for each participant to determine whether particular fiber systems of the brain are preferentially vulnerable to WM degeneration. Regional FA measures were estimated from nine regions of interest in each hemisphere and from the genu and splenium of the corpus callosum (CC). The results showed significant age-related decline in FA in frontal WM, the posterior limb of the internal capsule (PLIC), and the genu of the CC. In contrast, temporal and posterior WM was relatively preserved. These findings suggest that WM alterations are variable throughout the brain and that particular fiber populations within prefrontal region and PLIC are most vulnerable to age-related degeneration.

The Adolescent Brain Cognitive Development (ABCD) Study is an ongoing, nationwide study of the effects of environmental influences on behavioral and brain development in adolescents. The main objective of the study is to recruit and assess over eleven thousand 9-10-year-olds and follow them over the course of 10 years to characterize normative brain and cognitive development, the many factors that influence brain development, and the effects of those factors on mental health and other outcomes. The study employs state-of-the-art multimodal brain imaging, cognitive and clinical assessments, bioassays, and careful assessment of substance use, environment, psychopathological symptoms, and social functioning. The data is a resource of unprecedented scale and depth for studying typical and atypical development. The aim of this manuscript is to describe the baseline neuroimaging processing and subject-level analysis methods used by ABCD. Processing and analyses include modality-specific corrections for distortions and motion, brain segmentation and cortical surface reconstruction derived from structural magnetic resonance imaging (sMRI), analysis of brain microstructure using diffusion MRI (dMRI), task-related analysis of functional MRI (fMRI), and functional connectivity analysis of resting-state fMRI. This manuscript serves as a methodological reference for users of publicly shared neuroimaging data from the ABCD Study.

In brain morphometry studies using magnetic resonance imaging, several scans with a range of contrasts are often collected. The images may be locally distorted due to imperfect shimming in regions where magnetic susceptibility changes rapidly, and all scans may not be distorted in the same way. In multispectral studies it is critical that the edges of structures align precisely across all contrasts. The MPRAGE (MPR) sequence has excellent contrast properties for cortical segmentation, while multiecho FLASH (MEF) provides better contrast for segmentation of subcortical structures. Here, a multiecho version of the MPRAGE (MEMPR) is evaluated using SIENA and FreeSurfer. The higher bandwidth of the MEMPR results in reduced distortions that match those of the MEF while the SNR is recovered by combining the echoes. Accurate automatic identification of cortex and thickness estimation is frustrated by the presence of dura adjacent to regions such as the entorhinal cortex. In the typical MPRAGE protocol, dura and cortex are approximately isointense. However, dura has substantially smaller T2* than cortex. This information is represented in the multiple echoes of the MEMPR. An algorithm is described for correcting cortical thickness using T2*. It is shown that with MEMPR, SIENA generates more reliable percentage brain volume changes and FreeSurfer generates more reliable cortical models. The regions where cortical thickness is affected by dura are shown. MEMPR did not substantially improve subcortical segmentations. Since acquisition time is the same for MEMPR as for MPRAGE, and it has better distortion properties and additional T2* information, MEMPR is recommended for morphometry studies.

Automated MRI-derived measurements of in-vivo human brain volumes provide novel insights into normal and abnormal neuroanatomy, but little is known about measurement reliability. Here we assess the impact of image acquisition variables (scan session, MRI sequence, scanner upgrade, vendor and field strengths), FreeSurfer segmentation pre-processing variables (image averaging, B1 field inhomogeneity correction) and segmentation analysis variables (probabilistic atlas) on resultant image segmentation volumes from older (n = 15, mean age 69.5) and younger (both n = 5, mean ages 34 and 36.5) healthy subjects. The variability between hippocampal, thalamic, caudate, putamen, lateral ventricular and total intracranial volume measures across sessions on the same scanner on different days is less than 4.3% for the older group and less than 2.3% for the younger group. Within-scanner measurements are remarkably reliable across scan sessions, being minimally affected by averaging of multiple acquisitions, B1 correction, acquisition sequence (MPRAGE vs. multi-echo-FLASH), major scanner upgrades (Sonata–Avanto, Trio–TrioTIM), and segmentation atlas (MPRAGE or multi-echo-FLASH). Volume measurements across platforms (Siemens Sonata vs. GE Signa) and field strengths (1.5 T vs. 3 T) result in a volume difference bias but with a comparable variance as that measured within-scanner, implying that multi-site studies may not necessarily require a much larger sample to detect a specific effect. These results suggest that volumes derived from automated segmentation of T1-weighted structural images are reliable measures within the same scanner platform, even after upgrades; however, combining data across platform and across field-strength introduces a bias that should be considered in the design of multi-site studies, such as clinical drug trials. The results derived from the young groups (scanner upgrade effects and B1 inhomogeneity correction effects) should be considered as preliminary and in need for further validation with a larger dataset.