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.

We investigated the structure-function relationship of axons projecting through the corpus callosum. We measured transcallosal conduction times using optogenetically evoked local field potentials (LFP) and estimated conduction length with tractography based on ex vivo diffusion magnetic resonance imaging (dMRI). Axon diameters were quantified using transmission electron microscopy (TEM) and dMRI. Comparing quantifications from TEM of dehydrated tissue with cryo-TEM, revealed axon diameter shrinkage in the former case. With correction for shrinkage, diameters from TEM showed better alignment with dMRI. The measured LFPs predicted axon diameters too small for quantitation by dMRI. Conversely, the large axons quantified by dMRI had conduction times too short to be quantified from LFPs. Hence, the two modalities had differing sensitivity profiles with respect to axon diameter. This emphasizes the need to combine suitable modalities to map the full spectrum of the structure-function relationship, in consideration of a given modality's domain of sensitivity.

Abstract Noninvasive estimation of axon diameter with diffusion MRI holds potential to investigate the dynamic properties of the brain network and pathology of neurodegenerative diseases. Recent methods use powder averaging to account for complex white matter architectures, such as fibre crossing regions, but these have not been validated for real axonal geometries. Here, we present 120 – 313 μ m long segmented axons from X-ray nano-holotomography volumes of a splenium and crossing fibre region of a vervet monkey brain. We show that the axons in the complex crossing fibre region, which contains callosal, association, and corticospinal connections, are larger and exhibit a wider distribution than those of the splenium region. To accurately estimate the axon diameter in these regions, therefore, sensitivity to a wide range of diameters is required. We demonstrate how the q -value, b -value, signal-to-noise ratio and the assumed intra-axonal parallel diffusivity influence the range of measurable diameters with powder average approaches. Furthermore, we show how Gaussian distributed noise results in a wider range of measurable diameter at high b -values than Rician distributed noise, even at high signal-to-noise ratios of 100. The number of gradient directions is also shown to impose a lower bound on measurable diameter. Our results indicate that axon diameter estimation can be performed with only few b -shells, and that additional shells do not improve the accuracy of the estimate. Through Monte Carlo simulations of diffusion, we show that powder averaging techniques succeed in providing accurate estimates of axon diameter across a range of sequence parameters and diffusion times, even in complex white matter architectures. At sufficiently low b -values, the acquisition becomes sensitive to axonal microdispersion and the intra-axonal parallel diffusivity shows time dependency at both in vivo and ex vivo intrinsic diffusivities.

Abstract In magnetic resonance imaging, the application of a strong diffusion weighting suppresses the signal contributions from the less diffusion-restricted constituents of the brain’s white matter, thus enabling the estimation of the transverse relaxation time T 2 that arises from the more diffusion-restricted constituents such as the axons. However, the presence of cell nuclei and vacuoles can confound the estimation of the axonal T 2 , as diffusion within those structures is also restricted, causing the corresponding signal to survive the strong diffusion weighting. We devise an estimator of the axonal T 2 based on the directional spherical variance of the strongly diffusion-weighted signal. The spherical variance T 2 estimates are insensitive to the presence of isotropic contributions to the signal like those provided by cell nuclei and vacuoles. We show that with a strong diffusion weighting these estimates differ from those obtained using the directional spherical mean of the signal which contains both axonal and isotropically-restricted contributions. Our findings hint at the presence of an MRI-visible isotropically-restricted contribution to the signal in the white matter ex vivo fixed tissue (monkey) at 7T, and do not allow us to discard such a possibility also for in vivo human data collected with a clinical 3T system.

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.

We used diffusion MRI and x-ray synchrotron imaging on monkey and mice brains to examine the organisation of fibre pathways in white matter across anatomical scales. We compared the structure in the corpus callosum and crossing fibre regions and investigated the differences in cuprizone-induced experimental demyelination mouse brains versus healthy controls. Our findings revealed common principles of fibre organisation in the two species; small axonal fasciculi and major bundles formed laminar structures with varying angles, according to the characteristics of major pathways. Individual axon fasciculi exhibited tortuous paths around obstacles like blood vessels, but in a manner independent of fibre complexity and demyelination. A quantitative analysis of tissue anisotropies and fibre orientation distributions gave consistent results for different anatomical length scales and modalities, while being dependent on the field-of-view. Our study emphasises the need to balance field-of-view and voxel size when characterising white matter features across anatomical length scales.