Abstract White matter bundle segmentation using diffusion MRI fiber tractography has become the method of choice to identify white matter fiber pathways in vivo in human brains. However, like other analyses of complex data, there is considerable variability in segmentation protocols and techniques. This can result in different reconstructions of the same intended white matter pathways, which directly affects tractography results, quantification, and interpretation. In this study, we aim to evaluate and quantify the variability that arises from different protocols for bundle segmentation. Through an open call to users of fiber tractography, including anatomists, clinicians, and algorithm developers, 42 independent teams were given processed sets of human whole-brain streamlines and asked to segment 14 white matter fascicles on six subjects. In total, we received 57 different bundle segmentation protocols, which enabled detailed volume-based and streamline-based analyses of agreement and disagreement among protocols for each fiber pathway. Results show that even when given the exact same sets of underlying streamlines, the variability across protocols for bundle segmentation is greater than all other sources of variability in the virtual dissection process, including variability within protocols and variability across subjects. In order to foster the use of tractography bundle dissection in routine clinical settings, and as a fundamental analytical tool, future endeavors must aim to resolve and reduce this heterogeneity. Although external validation is needed to verify the anatomical accuracy of bundle dissections, reducing heterogeneity is a step towards reproducible research and may be achieved through the use of standard nomenclature and definitions of white matter bundles and well-chosen constraints and decisions in the dissection process.

Abstract Limitations in the accuracy of brain pathways reconstructed by diffusion MRI (dMRI) tractography have received considerable attention. While the technical advances spearheaded by the Human Connectome Project (HCP) led to significant improvements in dMRI data quality, it remains unclear how these data should be analyzed to maximize tractography accuracy. Over a period of two years, we have engaged the dMRI community in the IronTract Challenge, which aims to answer this question by leveraging a unique dataset. Macaque brains that have received both tracer injections and ex vivo dMRI at high spatial and angular resolution allow a comprehensive, quantitative assessment of tractography accuracy on state-of-the-art dMRI acquisition schemes. We find that, when analysis methods are carefully optimized, the HCP scheme can achieve similar accuracy as a more time-consuming, Cartesian-grid scheme. Importantly, we show that simple pre- and post-processing strategies can improve the accuracy and robustness of many tractography methods. Finally, we find that fiber configurations that go beyond crossing ( e . g ., fanning, branching) are the most challenging for tractography. The IronTract Challenge remains open and we hope that it can serve as a valuable validation tool for both users and developers of dMRI analysis methods.

Abstract Purpose Diffusion-weighted magnetic resonance imaging (DWI) is essential for diagnosing ischemic stroke and identifying targets for emergency revascularization. Apparent diffusion coefficient (ADC) maps derived from DWI are commonly used to locate the infarct core, but they are not strictly quantitative and can vary across platforms and sites due to technical factors. This retrospective study was conducted to examine how differences in ADC map generation, resulting from varied protocols across platforms and sites, affect the determination of infarct core size, location, and related clinical outcomes in acute stroke. Methods In this retrospective study, 726 acute anterior circulation stroke patients admitted to the Lausanne University Hospital between May 2018 and January 2021 were selected. DWI data were used to generate ADC maps as they would appear from different protocols: two simulated with low and medium angular resolution (4 and 12 diffusion gradient directions) and one with high angular resolution (20 directions). Using a DEFUSE like criteria and image post-processing, ischemic cores were localized; core volume, location, and associations to National Institutes of Health Stroke Scale (NIHSS) and modified Rankin Scale (mRS) scores were compared between the two imaging sequences. Results Significant differences were observed in the ADC distribution within white matter, particularly in the kurtosis and skewness, with the segmented infarct core volume being higher in protocols with reduced angular resolution compared to the 20-directions data (7.63 ml vs. 3.78 ml). The volumetric differences persisted after correcting for age, sex, and type of intervention. Infarcted voxels locations varied significantly between the two protocols. This variability affected associations between infarct core volume and clinical scores, with lower associations observed for 4-directions data compared to 20-directions data for NIHSS at admission and after 24 hours, and mRS after 3 months, further confirmed by multivariate regression. Conclusions Imaging protocol heterogeneity leads to significant changes in the ADC distribution, ischemic core location, size, and association with clinical scores. Work is needed in standardizing imaging protocols to improve the reliability of ADC as an imaging biomarker in stroke management.protocols to improve the reliability of ADC as an imaging biomarker in stroke management. Key Results Orientation changes in diffusion imaging significantly impact ADC distribution and threshold-based infarct core volume determination, affecting multi-centric studies. Lower number of directions in DWI acquisitions weakens associations between infarct volume measurements and clinical scores. Findings emphasize the impact of DWI acquisition protocol heterogeneity and image processing on acute stroke workups.

Diffusion MRI fiber tractography is widely used to probe the structural connectivity of the brain, with a range of applications in both clinical and basic neuroscience. Despite widespread use, tractography has well-known pitfalls that limits the anatomical accuracy of this technique. Numerous modern methods have been developed to address these shortcomings through advances in acquisition, modeling, and computation. To test whether these advances improve tractography accuracy, we organized the ISBI 2018 3D Validation of Tractography with Experimental MRI (3D VoTEM) challenge. We made available three unique independent tractography validation datasets, a physical phantom and two ex vivo brain specimens, resulting in 176 distinct submissions from 9 research groups. By comparing results over a wide range of fiber complexities and algorithmic strategies, this challenge provides a more comprehensive assessment of tractographys inherent limitations than has been reported previously. The central results were consistent across all sub-challenges in that, despite advances in tractography methods, the anatomical accuracy of tractography has not dramatically improved in recent years. Taken together, our results independently confirm findings from decades of tractography validation studies, demonstrate inherent limitations in reconstructing white matter pathways using diffusion MRI data alone, and highlight the need for alternative or combinatorial strategies to accurately map the fiber pathways of the brain.