There has been much recent interest in using magnetic resonance diffusion imaging to provide information about anatomical connectivity in the brain, by measuring the anisotropic diffusion of water in white matter tracts. One of the measures most commonly derived from diffusion data is fractional anisotropy (FA), which quantifies how strongly directional the local tract structure is. Many imaging studies are starting to use FA images in voxelwise statistical analyses, in order to localise brain changes related to development, degeneration and disease. However, optimal analysis is compromised by the use of standard registration algorithms; there has not to date been a satisfactory solution to the question of how to align FA images from multiple subjects in a way that allows for valid conclusions to be drawn from the subsequent voxelwise analysis. Furthermore, the arbitrariness of the choice of spatial smoothing extent has not yet been resolved. In this paper, we present a new method that aims to solve these issues via (a) carefully tuned non-linear registration, followed by (b) projection onto an alignment-invariant tract representation (the “mean FA skeleton”). We refer to this new approach as Tract-Based Spatial Statistics (TBSS). TBSS aims to improve the sensitivity, objectivity and interpretability of analysis of multi-subject diffusion imaging studies. We describe TBSS in detail and present example TBSS results from several diffusion imaging studies.

We present a direct extension of probabilistic diffusion tractography to the case of multiple fibre orientations. Using automatic relevance determination, we are able to perform online selection of the number of fibre orientations supported by the data at each voxel, simplifying the problem of tracking in a multi-orientation field. We then apply the identical probabilistic algorithm to tractography in the multi- and single-fibre cases in a number of example systems which have previously been tracked successfully or unsuccessfully with single-fibre tractography. We show that multi-fibre tractography offers significant advantages in sensitivity when tracking non-dominant fibre populations, but does not dramatically change tractography results for the dominant pathways.

Abstract A fully probabilistic framework is presented for estimating local probability density functions on parameters of interest in a model of diffusion. This technique is applied to the estimation of parameters in the diffusion tensor model, and also to a simple partial volume model of diffusion. In both cases the parameters of interest include parameters defining local fiber direction. A technique is then presented for using these density functions to estimate global connectivity (i.e., the probability of the existence of a connection through the data field, between any two distant points), allowing for the quantification of belief in tractography results. This technique is then applied to the estimation of the cortical connectivity of the human thalamus. The resulting connectivity distributions correspond well with predictions from invasive tracer methods in nonhuman primate. Magn Reson Med 50:1077–1088, 2003. © 2003 Wiley‐Liss, Inc.

Resting-state functional magnetic resonance imaging (rfMRI) allows one to study functional connectivity in the brain by acquiring fMRI data while subjects lie inactive in the MRI scanner, and taking advantage of the fact that functionally related brain regions spontaneously co-activate. rfMRI is one of the two primary data modalities being acquired for the Human Connectome Project (the other being diffusion MRI). A key objective is to generate a detailed in vivo mapping of functional connectivity in a large cohort of healthy adults (over 1000 subjects), and to make these datasets freely available for use by the neuroimaging community. In each subject we acquire a total of 1h of whole-brain rfMRI data at 3 T, with a spatial resolution of 2×2×2 mm and a temporal resolution of 0.7s, capitalizing on recent developments in slice-accelerated echo-planar imaging. We will also scan a subset of the cohort at higher field strength and resolution. In this paper we outline the work behind, and rationale for, decisions taken regarding the rfMRI data acquisition protocol and pre-processing pipelines, and present some initial results showing data quality and example functional connectivity analyses.

The primary goal of the Human Connectome Project (HCP) is to delineate the typical patterns of structural and functional connectivity in the healthy adult human brain. However, we know that there are important individual differences in such patterns of connectivity, with evidence that this variability is associated with alterations in important cognitive and behavioral variables that affect real world function. The HCP data will be a critical stepping-off point for future studies that will examine how variation in human structural and functional connectivity play a role in adult and pediatric neurological and psychiatric disorders that account for a huge amount of public health resources. Thus, the HCP is collecting behavioral measures of a range of motor, sensory, cognitive and emotional processes that will delineate a core set of functions relevant to understanding the relationship between brain connectivity and human behavior. In addition, the HCP is using task-fMRI (tfMRI) to help delineate the relationships between individual differences in the neurobiological substrates of mental processing and both functional and structural connectivity, as well as to help characterize and validate the connectivity analyses to be conducted on the structural and functional connectivity data. This paper describes the logic and rationale behind the development of the behavioral, individual difference, and tfMRI batteries and provides preliminary data on the patterns of activation associated with each of the fMRI tasks, at both group and individual levels.

Although previous work has shown that extensive training in the complex visuo-motor skills involved in juggling results in adult gray-matter changes, it is unclear whether such practice can produce similar changes in adult white matter. This paper now uses diffusion tensor imaging to demonstrate structural white-matter changes when adults practice juggling. Although experience-dependent structural changes have been found in adult gray matter, there is little evidence for such changes in white matter. Using diffusion imaging, we detected a localized increase in fractional anisotropy, a measure of microstructure, in white matter underlying the intraparietal sulcus following training of a complex visuo-motor skill. This provides, to the best of our knowledge, the first evidence for training-related changes in white-matter structure in the healthy human adult brain.

The Human Connectome Project (HCP) is a collaborative 5-year effort to map human brain connections and their variability in healthy adults. A consortium of HCP investigators will study a population of 1200 healthy adults using multiple imaging modalities, along with extensive behavioral and genetic data. In this overview, we focus on diffusion MRI (dMRI) and the structural connectivity aspect of the project. We present recent advances in acquisition and processing that allow us to obtain very high-quality in-vivo MRI data, whilst enabling scanning of a very large number of subjects. These advances result from 2 years of intensive efforts in optimising many aspects of data acquisition and processing during the piloting phase of the project. The data quality and methods described here are representative of the datasets and processing pipelines that will be made freely available to the community at quarterly intervals, beginning in 2013.

Transcranial direct current stimulation (tDCS) modulates cortical excitability and is being used for human studies more frequently. Here we probe the underlying neuronal mechanisms by measuring polarity-specific changes in neurotransmitter concentrations using magnetic resonance spectroscopy (MRS). MRS provides evidence that excitatory (anodal) tDCS causes locally reduced GABA while inhibitory (cathodal) stimulation causes reduced glutamatergic neuronal activity with a highly correlated reduction in GABA, presumably due to the close biochemical relationship between the two neurotransmitters.

The Human Connectome Project (HCP) relies primarily on three complementary magnetic resonance (MR) methods. These are: 1) resting state functional MR imaging (rfMRI) which uses correlations in the temporal fluctuations in an fMRI time series to deduce ‘functional connectivity’; 2) diffusion imaging (dMRI), which provides the input for tractography algorithms used for the reconstruction of the complex axonal fiber architecture; and 3) task based fMRI (tfMRI), which is employed to identify functional parcellation in the human brain in order to assist analyses of data obtained with the first two methods. We describe technical improvements and optimization of these methods as well as instrumental choices that impact speed of acquisition of fMRI and dMRI images at 3 T, leading to whole brain coverage with 2 mm isotropic resolution in 0.7 s for fMRI, and 1.25 mm isotropic resolution dMRI data for tractography analysis with three-fold reduction in total dMRI data acquisition time. Ongoing technical developments and optimization for acquisition of similar data at 7 T magnetic field are also presented, targeting higher spatial resolution, enhanced specificity of functional imaging signals, mitigation of the inhomogeneous radio frequency (RF) fields, and reduced power deposition. Results demonstrate that overall, these approaches represent a significant advance in MR imaging of the human brain to investigate brain function and structure.