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 This study included 52 Japanese older adults with Pittsburgh Sleep Quality Index (PSQI) scores > 5 and 52 healthy controls (HCs) with PSQI score ≤ 5. Diffusion‐weighted imaging (DWI) and 3D T1‐weighted imaging were acquired using 3T magnetic resonance imaging. The diffusion tensor image analysis along the perivascular space (DTI‐ALPS) index was calculated using preprocessed DWI. The choroid plexus volume (CPV) was calculated using FreeSurfer 6.0. The mean ALPS index and CPV were compared between the older adults with poor sleep quality (PSQ) and HCs using a general linear model, adjusted for covariates including age, sex, years of education, total intracranial volume, systolic blood pressure, hemoglobin A1c, and white matter lesion volume. We also conducted a partial correlation analysis between the mean ALPS index and CPV, Montreal Cognitive Assessment (MoCA), and PSQI scores, adjusting for all the mentioned covariates. The PSQ group had a significantly lower mean ALPS index than HCs. The mean ALPS index in the PSQ group was negatively correlated with CPV and positively correlated with the MoCA score. Therefore, older adults with PSQ may experience dysfunction in the excretory pathway of the perivascular space around the medullary veins. This impairment may be associated with an increase in CPV and cognitive dysfunction.

Motivation: To the best of our knowledge, no study in neuroscience has been conducted based on high intelligence (HI) and low intelligence (LI) groups young healthy adults. Goal(s): This study aims to explore the effect of brain network structures on the intelligence quotient and brain efficiency of healthy adults. Approach: We focused on the white matter’s topological traits, which demonstrate network performance and structural connectivity differences between the HI and LI groups. Results: We found structural differences in connections between specific nodes in the HI and LI groups. Intelligence correlated positively with network efficiency and negatively with path length. Impact: This study innovatively explores the relationship between brain network structures and intelligence in healthy young adults. This study revealed that higher intelligence is associated with efficient brain networks and greater resilience in targeted network disturbances.

Motivation: Studies have suggested that tau deposition-induced neurotoxicity causes progressive white matter (WM) degeneration in Alzheimer's disease (AD) and its prodromal phase; however, this is not yet fully elucidated. Goal(s): To employ fixel-based analysis (FBA) to assess tau-related WM degeneration and its effect to cognitive function. Approach: The WM integrity and cortical tau load were compared across AD, mild cognitive impairment, and cognitive normal subjects using FBA and tau PET. Results: FBA metrics in WM under highly tau-deposited cortex were downward with higher effect sizes in patients. An association between entorhinal tau and cognitive function was mediated by FBA metrics in the parahippocampal cingulum. Impact: Our findings suggest the possibility that neurons were degenerated through prion-like tau propagation along axons and may shed light on future research on mechanisms of cognitive decline in Alzheimer's disease.

Motivation: To address the unmet need for a cross-vendor, multiparametric technique to facilitate data pooling across sites. Goal(s): To evaluate a vendor-standardized multiparametric mapping scheme based on 3D-QALAS for whole-brain T1, T2, and proton density (PD) mapping. Approach: Intra-scanner repeatability and inter-vendor reproducibility were evaluated in vivo on five different 3T systems from four vendors (GE, Philips, Siemens, and Canon). Patients with multiple sclerosis were scanned on systems from different vendors to assess the feasibility of the scheme in real-world clinical settings. Results: 3D-QALAS provided T1, T2, and PD with coefficient of variations <4.0% using 3T scanners from different manufacturers. Impact: The four major vendors used in this study constitute a considerable portion of the global installation base, demonstrating the value of cross-vendor quantitative technique 3D-QALAS for imaging in clinical sites with multiple vendors, as well as in multicenter research settings.

Motivation: Evaluating cognitive function-related white matter lesions (WML) conventionally requires 3D fluid attenuated inversion recovery (3D-FLAIR), which isn't always available. We aimed to explore the suitability of routinely acquired 3D-T1 weighted images (3D-T1WI) for WML assessment. Goal(s): This study investigated whether 3D-T1WI could replace 3D-FLAIR in WML assessment. Approach: We compared the correlation coefficient, ICC, and DSC of WML volume between 3D-FLAIR and 3D-T1WI, as well as its correlation with cognitive scores. Results: WML based on 3D-T1WI strongly correlated with WML based on 3D-FLAIR, with high ICC, DSC, and cognitive score associations, indicating the potential of 3D-T1WI for WML assessment alternative to 3D-FLAIR. Impact: White matter lesions (WML) based on 3D-T1 weighted images (3D-T1WI) closely matched 3D-fluid attenuated inversion recovery (3D-FLAIR) in WML area, volume, and cognitive function associations. It is suggested 3D-T1WI is valuable alternative to 3D-FLAIR for WML volume assessment.

Motivation: Although multi-site DWI with large sample size has high statistical power and is sensitive to the subtle microstructural tissue changes, different models or protocols-induced measurement biases affect the reliability and reproducibility of the study. Therefore, harmonization is necessary to improve this issue. Goal(s): The goal of our study is to evaluate the effectiveness of ComBat harmonization in mitigating measurement biases in FBA measures. Approach: Our study utilized a traveling-subject DWI dataset, while various FBA measures were calculated and subsequently harmonized using the ComBat method. Results: Our findings demonstrated that ComBat harmonization could effectively mitigate site, model, and protocol-induced measurement biases in FBA measures. Impact: A significant contribution of this study is the seamless integration of ComBat into the fixel-based framework, which may enhance the reliability and reproducibility of multi-site research, offering a valuable tool for investigating microstructural tissue changes in the large-scale, multi-site studies.