Spatial normalization, registration, and segmentation techniques for Magnetic Resonance Imaging (MRI) often use a target or template volume to facilitate processing, take advantage of prior information, and define a common coordinate system for analysis. In the neuroimaging literature, the MNI305 Talairach-like coordinate system is often used as a standard template. However, when studying pediatric populations, variation from the adult brain makes the MNI305 suboptimal for processing brain images of children. Morphological changes occurring during development render the use of age-appropriate templates desirable to reduce potential errors and minimize bias during processing of pediatric data. This paper presents the methods used to create unbiased, age-appropriate MRI atlas templates for pediatric studies that represent the average anatomy for the age range of 4.5–18.5 years, while maintaining a high level of anatomical detail and contrast. The creation of anatomical T1-weighted, T2-weighted, and proton density-weighted templates for specific developmentally important age-ranges, used data derived from the largest epidemiological, representative (healthy and normal) sample of the U.S. population, where each subject was carefully screened for medical and psychiatric factors and characterized using established neuropsychological and behavioral assessments. Use of these age-specific templates was evaluated by computing average tissue maps for gray matter, white matter, and cerebrospinal fluid for each specific age range, and by conducting an exemplar voxel-wise deformation-based morphometry study using 66 young (4.5–6.9 years) participants to demonstrate the benefits of using the age-appropriate templates. The public availability of these atlases/templates will facilitate analysis of pediatric MRI data and enable comparison of results between studies in a common standardized space specific to pediatric research.

Brain enlargement has been observed in children with autism spectrum disorder (ASD), but the timing of this phenomenon, and the relationship between ASD and the appearance of behavioural symptoms, are unknown. Retrospective head circumference and longitudinal brain volume studies of two-year olds followed up at four years of age have provided evidence that increased brain volume may emerge early in development. Studies of infants at high familial risk of autism can provide insight into the early development of autism and have shown that characteristic social deficits in ASD emerge during the latter part of the first and in the second year of life. These observations suggest that prospective brain-imaging studies of infants at high familial risk of ASD might identify early postnatal changes in brain volume that occur before an ASD diagnosis. In this prospective neuroimaging study of 106 infants at high familial risk of ASD and 42 low-risk infants, we show that hyperexpansion of the cortical surface area between 6 and 12 months of age precedes brain volume overgrowth observed between 12 and 24 months in 15 high-risk infants who were diagnosed with autism at 24 months. Brain volume overgrowth was linked to the emergence and severity of autistic social deficits. A deep-learning algorithm that primarily uses surface area information from magnetic resonance imaging of the brain of 6-12-month-old individuals predicted the diagnosis of autism in individual high-risk children at 24 months (with a positive predictive value of 81% and a sensitivity of 88%). These findings demonstrate that early brain changes occur during the period in which autistic behaviours are first emerging.

The study provides novel data to inform the mechanisms by which poverty negatively impacts childhood brain development.OBJECTIVE To investigate whether the income-to-needs ratio experienced in early childhood impacts brain development at school age and to explore the mediators of this effect. DESIGN, SETTING, AND PARTICIPANTSThis study was conducted at an academic research unit at the Washington University School of Medicine in St Louis.Data from a prospective longitudinal study of emotion development in preschool children who participated in neuroimaging at school age were used to investigate the effects of poverty on brain development.Children were assessed annually for 3 to 6 years prior to the time of a magnetic resonance imaging scan, during which they were evaluated on psychosocial, behavioral, and other developmental dimensions.Preschoolers included in the study were 3 to 6 years of age and were recruited from primary care and day care sites in the St Louis metropolitan area; they were annually assessed behaviorally for 5 to 10 years.Healthy preschoolers and those with clinical symptoms of depression participated in neuroimaging at school age/early adolescence.EXPOSURE Household poverty as measured by the income-to-needs ratio.MAIN OUTCOMES AND MEASURES Brain volumes of children's white matter and cortical gray matter, as well as hippocampus and amygdala volumes, obtained using magnetic resonance imaging.Mediators of interest were caregiver support/hostility measured observationally during the preschool period and stressful life events measured prospectively. RESULTSPoverty was associated with smaller white and cortical gray matter and hippocampal and amygdala volumes.The effects of poverty on hippocampal volume were mediated by caregiving support/hostility on the left and right, as well as stressful life events on the left. CONCLUSIONS AND RELEVANCEThe finding that exposure to poverty in early childhood materially impacts brain development at school age further underscores the importance of attention to the well-established deleterious effects of poverty on child development.Findings that these effects on the hippocampus are mediated by caregiving and stressful life events suggest that attempts to enhance early caregiving should be a focused public health target for prevention and early intervention.Findings substantiate the behavioral literature on the negative effects of poverty on child development and provide new data confirming that effects extend to brain development.Mechanisms for these effects on the hippocampus are suggested to inform intervention.

Children who developed autism spectrum disorders (ASDs) by age 2 had greater development of cerebral white matter fiber tracts by 6 months than unaffected children. After the initial accelerated white matter development, the children who developed ASDs had slower development, so that by age 2 their white matter development was less than that in the unaffected children.

To delineate the early progression of autism spectrum disorder (ASD) symptoms, this study investigated developmental characteristics of infants at high familial risk for ASD (HR), and infants at low risk (LR). Participants included 210 HR and 98 LR infants across 4 sites with comparable behavioral data at age 6, 12, and 24 months assessed in the domains of cognitive development (Mullen Scales of Early Learning), adaptive skills (Vineland Adaptive Behavioral Scales), and early behavioral features of ASD (Autism Observation Scale for Infants). Participants evaluated according to the DSM-IV-TR criteria at 24 months and categorized as ASD-positive or ASD-negative were further stratified by empirically derived cutoff scores using the Autism Diagnostic Observation Schedule yielding four groups: HR-ASD-High, HR-ASD-Moderate (HR-ASD-Mod), HR-ASD-Negative (HR-Neg), and LR-ASD-Negative (LR-Neg). The four groups demonstrated different developmental trajectories that became increasingly distinct from 6 to 24 months across all domains. At 6 months, the HR-ASD-High group demonstrated less advanced Gross Motor and Visual Reception skills compared with the LR-Neg group. By 12 months, the HR-ASD-High group demonstrated increased behavioral features of ASD and decreased cognitive and adaptive functioning compared to the HR-Neg and LR-Neg groups. By 24 months, both the HR-ASD-High and HR-ASD-Moderate groups demonstrated differences from the LR- and HR-Neg groups in all domains. These findings reveal atypical sensorimotor development at 6 months of age which is associated with ASD at 24 months in the most severely affected group of infants. Sensorimotor differences precede the unfolding of cognitive and adaptive deficits and behavioral features of autism across the 6- to 24-month interval. The less severely affected group demonstrates later symptom onset, in the second year of life, with initial differences in the social-communication domain.

Functional brain imaging of 6-month-old infants with a high familial risk for autism predicts a diagnosis of autism at 24 months of age.

Early maternal support has been shown to promote specific gene expression, neurogenesis, adaptive stress responses, and larger hippocampal volumes in developing animals. In humans, a relationship between psychosocial factors in early childhood and later amygdala volumes based on prospective data has been demonstrated, providing a key link between early experience and brain development. Although much retrospective data suggests a link between early psychosocial factors and hippocampal volumes in humans, to date there has been no prospective data to inform this potentially important public health issue. In a longitudinal study of depressed and healthy preschool children who underwent neuroimaging at school age, we investigated whether early maternal support predicted later hippocampal volumes. Maternal support observed in early childhood was strongly predictive of hippocampal volume measured at school age. The positive effect of maternal support on hippocampal volumes was greater in nondepressed children. These findings provide prospective evidence in humans of the positive effect of early supportive parenting on healthy hippocampal development, a brain region key to memory and stress modulation.

Back to table of contents Previous article Next article New ResearchFull AccessWhite Matter Microstructure and Atypical Visual Orienting in 7-Month-Olds at Risk for AutismJed T. Elison, Ph.D., Sarah J. Paterson, Ph.D., Jason J. Wolff, Ph.D., J. Steven Reznick, Ph.D., Noah J. Sasson, Ph.D., Hongbin Gu, Ph.D., Kelly N. Botteron, M.D., Stephen R. Dager, M.D., Annette M. Estes, Ph.D., Alan C. Evans, Ph.D., Guido Gerig, Ph.D., Heather C. Hazlett, Ph.D., Robert T. Schultz, Ph.D., Martin Styner, Ph.D., Lonnie Zwaigenbaum, M.D., Joseph Piven, M.D., and for the IBIS NetworkJed T. Elison, Ph.D., Sarah J. Paterson, Ph.D., Jason J. Wolff, Ph.D., J. Steven Reznick, Ph.D., Noah J. Sasson, Ph.D., Hongbin Gu, Ph.D., Kelly N. Botteron, M.D., Stephen R. Dager, M.D., Annette M. Estes, Ph.D., Alan C. Evans, Ph.D., Guido Gerig, Ph.D., Heather C. Hazlett, Ph.D., Robert T. Schultz, Ph.D., Martin Styner, Ph.D., Lonnie Zwaigenbaum, M.D., Joseph Piven, M.D., and for the IBIS NetworkPublished Online:1 Aug 2013https://doi.org/10.1176/appi.ajp.2012.12091150AboutSectionsView articleAbstractSupplemental MaterialPDF/EPUB ToolsAdd to favoritesDownload CitationsTrack Citations ShareShare onFacebookTwitterLinked InEmail View articleAbstractObjectiveThe authors sought to determine whether specific patterns of oculomotor functioning and visual orienting characterize 7-month-old infants who later meet criteria for an autism spectrum disorder (ASD) and to identify the neural correlates of these behaviors.MethodData were collected from 97 infants, of whom 16 were high-familial-risk infants later classified as having an ASD, 40 were high-familial-risk infants who did not later meet ASD criteria (high-risk negative), and 41 were low-risk infants. All infants underwent an eye-tracking task at a mean age of 7 months and a clinical assessment at a mean age of 25 months. Diffusion-weighted imaging data were acquired for 84 of the infants at 7 months. Primary outcome measures included average saccadic reaction time in a visually guided saccade procedure and radial diffusivity (an index of white matter organization) in fiber tracts that included corticospinal pathways and the splenium and genu of the corpus callosum.ResultsVisual orienting latencies were longer in 7-month-old infants who expressed ASD symptoms at 25 months compared with both high-risk negative infants and low-risk infants. Visual orienting latencies were uniquely associated with the microstructural organization of the splenium of the corpus callosum in low-risk infants, but this association was not apparent in infants later classified as having an ASD.ConclusionsFlexibly and efficiently orienting to salient information in the environment is critical for subsequent cognitive and social-cognitive development. Atypical visual orienting may represent an early prodromal feature of an ASD, and abnormal functional specialization of posterior cortical circuits directly informs a novel model of ASD pathogenesis.Developmental models of autism spectrum disorders (ASDs) suggest that atypical or biased visual attention patterns in the first year of life could directly contribute to the emergence of the characteristic social-cognitive deficits (1). Indeed, many of the early behavioral markers associated with a later emerging ASD—orienting to name, responding to bids for joint attention, spontaneous gaze to faces, and making eye contact (2–4)—implicate behaviors associated with flexibly allocating attentional resources to salient or biologically relevant information in the environment.Selective attention refers to the process by which information is channeled, filtered, or enhanced for further processing in higher-order neural systems. It has long been recognized that selective attention shapes the development of adaptive cognitive function (5). Although the neural circuitry of selective attention has been comprehensively delineated in adults (6–10) and selective attention's role in social cognition continues to be elucidated (10, 11), the precise circuitry that underlies selective visual attention during infancy is unknown. Characterizing the neural correlates of visual attention during infancy may inform our understanding of cortical specialization, as experience with specific categories of information may sculpt neural circuits and enhance processing efficiency (12).The specialized perception, processing, and evaluation of social information readily observable in typically developing individuals are a source of impairment in individuals with ASDs. Navigating the subtle complexities of social dynamics often requires rapid, flexible, and efficient information processing. But before the actual processing of social information, flexibly orienting gaze and visual attention to the most salient or biologically relevant information in the environment is essential. We reasoned that a deficit in visual orienting during infancy could constrain typical developmental processes leading to specialization with social information, thereby contributing to the emergence of social-communication deficits related to a later diagnosis of ASD. In one study (13), 9- to 10-month-old infants at high familial risk for developing autism (N=16) were reported to have longer visual orienting latencies compared with typically developing low-risk infants. Another study (2) reported that visual orienting latencies measured in a high-risk cohort at 12 months (N=27) correlated with autism symptom severity at 24 months. While these studies informed our hypotheses in this study, critical questions remain as to whether compromised visual orienting behavior is specific to infants who later express an ASD, and if so, how early this behavioral pattern can be detected.We employed a well-validated visually guided saccade task (the gap/overlap paradigm) to examine saccade latencies in two conditions that represent visual orienting (overlap condition) and oculomotor efficiency (gap condition), respectively. We also used diffusion tensor imaging (DTI) to delineate specific white matter fiber tracts hypothesized to be associated with these behaviors. A recent DTI study reported a unique association between orienting and the splenium of the corpus callosum in adults (9). The splenium is the most posterior sector of the corpus callosum and projects to striate and extrastriate visual areas and to portions of the posterior parietal cortex, including Brodmann's area 7 (14), a cortical target implicated in sensorimotor programming (15). This tract may function in part as transitional connectivity between extrastriate visual areas and the dorsal frontoparietal and ventral frontoparietal orienting networks identified in adults (10).Saccadic eye movements that represent oculomotor efficiency, as operationalized in this context, result from temporary inhibition of fixation neurons in the rostral pole of the superior colliculus and disinhibition of the saccade-generating circuit, mediated in part by the reticular formation in the brainstem (16). We therefore hypothesized that individual differences in the organization of white matter fiber bundles projecting from the brainstem to cortical targets (namely, corticospinal tracts) would be associated with individual differences in oculomotor efficiency. Finally, we examined the genu of the corpus callosum as a control tract. The genu projects to frontal association areas associated with voluntary, goal-directed attentional operations (9).Our goal in this study was to determine whether patterns of oculomotor efficiency and visual orienting in 7-month-olds who are later classified as expressing ASD symptoms are different from those of other infants of similar age. We also examined the neural correlates of task-based behavioral performance and whether the patterns of brain-behavior associations differed between groups.MethodSampleThis study was conducted in the context of an ongoing Autism Center of Excellence Network study prospectively investigating longitudinal brain and behavioral trajectories in high-familial-risk infant siblings of children with ASD and low-risk comparison infants. Infants were considered at high familial risk if they had a biological sibling diagnosed as having an ASD. All infants were enrolled at approximately 6 months of age and underwent a comprehensive behavioral assessment and brain imaging protocol around 6, 12, and 24 months of age (the actual chronological age of children at the time of the visit lagged slightly behind the target visit stages). The data used to investigate the hypotheses in this study include behavioral, imaging, and eye-tracking data from the initial 6-month visit stage and clinical assessment data from the 24-month visit stage. The children were assessed at the University of North Carolina at Chapel Hill and the Children's Hospital of Philadelphia. The research protocol was approved by the institutional review boards at both sites, and parents provided written informed consent after receiving a detailed description of the study. Exclusion criteria for both high-familial-risk and low-familial-risk (hereafter high-risk and low-risk) children included the following: history or physical signs of known genetic conditions or syndromes; significant medical or neurological conditions affecting growth, development, or cognition or sensory impairments such as significant vision or hearing loss; birth weight <2000 g or gestational age <36 weeks, a history of significant perinatal adversity, or in utero exposure to neurotoxins (including alcohol, illicit drugs, and selected prescription medications); a contraindication for MRI; a predominant home language other than English; having been adopted; and a family history of a first-degree relative with an intellectual disability (only for the low-risk group), psychosis, schizophrenia, or bipolar disorder. Low-risk infants were excluded if they had a family history of a first- or second-degree relative with autism or if the low-risk proband (older sibling) showed symptoms of ASD on the Social Communication Questionnaire (17). Clinical diagnosis was corroborated in the proband of high-risk infants with the Autism Diagnostic Interview–Revised (18).Infants were included in this study if they participated in the eye-tracking protocol during the 6-month visit and had an outcome classification at the 24-month visit. A total of 113 infants were eligible for the study according to these criteria. Fourteen infants did not complete a sufficient number of trials in the eye-tracking task (low-risk group, N=8; high-risk group, N=6) and were excluded from subsequent analyses. These infants did not differ in age or developmental level from those who were included in subsequent analyses. Two infants were enrolled as low-risk but subsequently exceeded the Autism Diagnostic Observation Schedule threshold for an ASD and were excluded from the analyses. The final sample included 97 infants. Table 1 summarizes the sample's characteristics.TABLE 1. Characteristics of Infants With Low or High Familial Risk of Autism Spectrum Disorders (ASDs), With and Without ASD Symptoms at 24 MonthsaPairwise Group DifferencesAnalysis of VarianceHigh-Risk-ASD and Low-RiskHigh-Risk-ASD and High-Risk-NegativeCharacteristicLow-Risk (N=41)High-Risk-Negative (N=40)High-Risk-ASD (N=16)F (df=2, 94)pppN%N%N%Maleb2458.52050.01168.8MeanSDMeanSDMeanSDAge at initial visit (months)7.10.87.00.87.21.00.510.6040.6360.340Mullen Scales of Early Learningc Early learning composite score107.810.9105.011.7101.412.71.810.1700.0660.300 Nonverbal developmental quotient107.415.1106.518.5105.511.80.080.9190.6920.833 Verbal developmental quotient104.215.997.017.493.819.52.790.0670.0440.535 Visual reception standardized score53.47.652.88.052.67.30.100.9040.7250.957Age at clinical visit (months)24.80.825.01.125.41.91.570.2150.0810.200Autism Diagnostic Observation Scaled Social affect subscale score1.91.92.01.411.94.1123.0<0.001<0.001<0.001 Repetitive behavior subscale score0.30.70.60.92.62.025.2<0.001<0.001<0.001 Total score2.22.12.61.814.65.5114.6<0.001<0.001<0.001a Low-risk=infants with low familial risk; high-risk-negative=infants with high familial risk who did not meet ASD criteria on the Autism Diagnostic Observation Scale (ADOS) at the 24-month clinical visit; high-risk-ASD=infants with high familial risk who met ASD criteria on the ADOS at the 24-month clinical visit.b No significant difference between groups in sex ratio (Fisher's exact test).c In the Mullen Scales of Early Learning, the early learning composite score is a composite of the receptive language, expressive language, fine motor, and visual reception standard scores; the nonverbal developmental quotient is the average age equivalent scores for the fine motor and visual reception subscales divided by chronological age multiplied by 100; the verbal developmental quotient is the average age equivalent scores for the receptive language and expressive language subscales divided by chronological age multiplied by 100.d The ADOS was administered when the child was between 23.6 and 32.7 months of age. The ADOS yields a social affect subscale score and a restricted and repetitive behavior subscale score, and the total ADOS score is the sum of the two subscales. All children in the ASD group met diagnostic criteria for a provisional autism spectrum diagnosis according to the ADOS.TABLE 1. Characteristics of Infants With Low or High Familial Risk of Autism Spectrum Disorders (ASDs), With and Without ASD Symptoms at 24 MonthsaEnlarge tableClinical AssessmentPrimary cognitive assessments during the 6-month visit stage included the Mullen Scales of Early Learning (19). ASD classification was made during the 24-month visit with the Autism Diagnostic Observation Scale (ADOS) (20). The ADOS was used to maximize reliable classification of ASD symptoms and was administered and scored by experienced, research-reliable clinicians. A total of 97 infants completed the experimental task and were categorized into three groups based on risk status and ASD classification on the ADOS: low-risk infants (N=41), high-risk infants who did not meet ASD criteria on the ADOS (high-risk-negative group, N=40), and high-risk infants who met ADOS criteria for an ASD (high-risk-ASD group, N=16). Seven infants in the low-risk group, four in the high-risk-negative group, and two in the high-risk-ASD group contributed valid eye-tracking data but did not contribute valid imaging data, leaving 84 infants with valid imaging data and eye-tracking data.Eye-Tracking ProcedureWe measured overt stimulus-driven orienting during visually guided saccade trials in which the timing of the fixation offset and target-stimulus onset was manipulated to examine oculomotor efficiency and visual orienting (Figure 1). Eye movements were recorded with corneal-reflection binocular eye-tracking equipment (Tobii models 1750 and x120, recordings sampled at 50 and 60 Hz, respectively; Tobii Technology, Danderyd, Sweden). The primary dependent measure was latency to initiate a saccade away from the center image (or center of the display in the gap condition) in the correct direction of the target. Average saccadic latency in the gap condition represents raw oculomotor efficiency. The offset of the fixation stimulus primes the oculomotor system and results in the temporary inhibition of fixation neurons in the rostral pole of the superior colliculus and disinhibition of the saccade-generating circuit, mediated in part by the reticular formation in the brainstem (16). Individual differences in average gap latency stem in part from the relative computational efficiency of these circuits; hence, we refer to "oculomotor efficiency" when describing saccadic latencies in the gap condition. Average saccadic latency in the overlap condition encapsulates a combination of oculomotor responding and attentional orienting (disengaging and shifting attention). Overlap latencies are consistently longer than gap latencies, likely resulting from 1) additional processing demands supported by the lateral intraparietal area (16, 21, 22) and 2) the absence of the fixation offset priming effects. We refer to saccadic latencies in the overlap condition as "visual orienting," as this concept subsumes both attentional and oculomotor components.FIGURE 1. The Modified Gap/Overlap Procedureaa During gap trials, a fixation image appeared in the center of a visual display for a variable duration; the central image then disappeared and was followed by a 250-ms temporal gap before a target image appeared in the peripheral visual field (all images subtended a visual angle of 5–7°, visual angle between images subtended 8–10°). During overlap trials, the central image remained present after the appearance of the peripheral target for the duration of the peripheral target presentation (i.e., 2 seconds).This study was primarily concerned with domain-general response patterns, as there is evidence to suggest that 6-month-old infants who later develop ASD exhibit patterns of "gaze to faces" and "gaze to objects" similar to those of 6-month-olds who do not develop ASD (4). Therefore, we included a variety of complex stimuli (parametrically varied among central and peripheral locations) that included 10 distinct faces and 10 distinct objects. Trials were counterbalanced with no direction (i.e., left or right), condition (i.e., gap or overlap), or central or peripheral stimulus type, respectively (i.e., faces or objects) occurring on more than three consecutive trials. More information about the procedure is available in the data supplement that accompanies the online edition of this article.Imaging ProtocolDiffusion-weighted images were acquired during natural sleep on a Siemens 3-T TIM Trio scanner (Siemens, Munich) equipped with a 12-channel head coil using the following parameters: field of view=190 mm, 75 transversal slices, slice thickness=2 mm isotropic, 2×2×2 mm3 voxel resolution, TR=12800 ms, TE=102 ms, b values of 0 to 1000 s/mm2, 25 gradient directions, and 4- to 5-minute scan time. Image data were screened for motion and common artifacts using the DTIprep program (www.nitrc.org/projects/dtiprep), and expert raters manually removed scans with residual artifacts.Computational Anatomy MappingImage registration proceeded in two steps (23). First, linear affine registration of baseline images was applied to the structurally weighted T2 atlas using B-spline registration and normalized mutual information (24). Second, a large deformation diffeomorphic metric mapping transformation was applied for unbiased, deformable atlas building (25). The procedure related each individual data set to the study-specific atlas template via a nonlinear, invertible transformation, providing a precise match between the reference atlas and individual image data. Tensor maps were calculated from each data set using weighted least squares estimation (26) and were transformed into the atlas space with tensor reorientation by a finite strain approach (27). Diffusion tensor images were transformed and averaged using the Riemannian and log-Euclidean frameworks (28), resulting in the final three-dimensional average tensor atlas.Segmentation and Parameterization of Fiber TractsDeterministic tractography was performed by manually drawing seed label maps for the splenium and genu of the corpus callosum and the left and right corticospinal tracts (broadly defined as corticospinal pathways passing through the posterior limb of the internal capsule) based on methods described previously (29) using the 3DSlicer program (www.slicer.org) (Figure 2). Seed spacing was set at 1 mm and proceeded bidirectionally with a linear measure stopping value of 0.1. Extracted fiber tracts were processed for spurious or incomplete streamlines using a software program developed in-house (FiberViewer; www.ia.unc.edu/dev/). Fiber tracts were converted to binary regions of interest and mapped to individual data sets to generate scalar diffusion measures (i.e., radial diffusivity, axial diffusivity, and fractional anisotropy) along each fiber bundle, from which mean values were derived. We initially chose to focus on radial diffusivity because there have been reports linking this metric to myelination (30), and the relative myelin content is thought to support rapid and efficient signal transmission (31) and therefore efficient information processing. However, there is evidence to suggest that the density and diameter of axons in a given fiber tract, in addition to myelin content, affect the diffusion of water molecules perpendicular to the primary eigenvector of a fiber tract (32). Radial diffusivity was calculated in the conventional manner as the mean of the second and third eigenvalues ([λ2+λ3]/2). To supplement analyses of radial diffusivity reported below, we also examined axial diffusivity and the composite index, fractional anisotropy. The results from these additional analyses are reported in the online data supplement.FIGURE 2. Regions of Interest for Label Map Seeding in a Study of White Matter Microstructure and Visual Orienting in Infants at Risk for Autismaa Panel A shows regions of interest for the genu (yellow) and splenium (red) of the corpus callosum as applied to the centermost sagittal slice of the study atlas. Panel B shows axial regions of interest for left and right corticospinal white matter passing through the posterior limb of the internal capsule.ResultsThe sex ratio did not differ significantly across the three groups of children, and the groups did not differ statistically in age at the initial 6-month visit, age at the 24-month clinical visit, nonverbal developmental quotient as measured by the Mullen Scales of Early Learning at the 6-month visit, or standardized score on the visual reception subscale of the Mullen Scales of Early Learning at the 6-month visit.A multivariate analysis of variance that included gap latency and overlap latency as dependent variables and risk status (low-risk, high-risk-negative, and high-risk-ASD) as the independent variable was statistically significant (Wilks's lambda=0.879; F=3.097, df=4, 188, p=0.017; ηp2=0.062). The statistical model also revealed a significant main effect of risk status on both gap latencies (F=3.14, df=2, 94, p=0.048; ηp2=0.063) and overlap latencies (F=3.42, df=2, 94, p=0.037; ηp2=0.068). Planned post hoc comparisons revealed that the high-risk-ASD group showed significantly longer gap latencies than the low-risk group (d=0.71, p=0.025) and that the high-risk-negative group did not differ significantly from the low-risk or high-risk-ASD groups. Considering the overlap condition, the high-risk-ASD group showed significantly longer latencies than both the high-risk-negative group (d=0.73, p=0.012) and the low-risk group (d=0.71, p=0.032). The low-risk and high-risk-negative groups showed statistically equivalent overlap latencies. Table 2 and Figure 3 summarize performance on the gap/overlap task.TABLE 2. Summary of Performance in the Gap/Overlap ParadigmaPairwise Group DifferencesbLow-Risk (N=41)High-Risk-Negative (N=40)High-Risk-ASD (N=16)Analysis of VarianceHigh-Risk-ASD and Low-RiskHigh-Risk-ASD and High-Risk-NegativeMeasureMeanSDMeanSDMeanSDF (df=2, 94)ppdpdValid overlap trials11.96.013.55.911.24.11.300.28Valid gap trials12.95.714.15.112.14.90.930.40Overlap saccade ratec3311103221393831611.280.28Gap saccade ratec3711273431503621850.360.70Overlap latencyd412.659.0404.972.5454.662.23.420.040.030.710.010.73Gap latencyd271.436.9287.542.1298.442.93.140.050.030.710.360.26Overlap CoVe0.280.100.290.080.300.090.600.55Gap CoVe0.170.080.200.100.190.090.740.48Gap effectf14155.311764.115656.33.000.060.390.270.030.64Late or no saccadeg1.201.571.832.122.132.001.850.16a Low-risk=infants with low familial risk; high-risk-negative=infants with high familial risk who did not meet ASD criteria on the Autism Diagnostic Observation Scale (ADOS) at 24 months; high-risk-ASD=infants with high familial risk who met ASD criteria on the ADOS at 24 months.b Effect size based on Cohen's d, using pooled variance as the denominator.c Average saccade rate/velocity (in degrees/second) for overlap trials and gap trials. A minimum velocity threshold was set at 80°/second.d Average latency (in ms) to initiate saccade toward the lateral target in the overlap condition and the gap condition.e Coefficient of variation (CoV) for saccade latencies in the overlap condition and the gap condition. The CoV is a standardized index of dispersion or variability and is derived by estimating the ratio of the standard deviation to the mean for each individual.f The gap effect value represents the difference (in ms) between average overlap latency and average gap latency. While it is a common metric extracted from this task, the gap effect value violates the assumption of pure insertion, as there is likely more than one cognitive/neural component active in one condition and not the other.g "Late or no saccade" represents the number of trials that were excluded because the infant failed to initiate a saccade toward the lateral target between 100 and 1000 ms after the onset of the lateral target. This value also includes saccades that were more than two standard deviations from the mean, which always fell at the upward end of the distribution.TABLE 2. Summary of Performance in the Gap/Overlap ParadigmaEnlarge tableFIGURE 3. Group Differences in Oculomotor and Visual Orienting Behavior in 7-Month-Oldsaa Low-risk=infants with low familial risk; high-risk-negative=infants with high familial risk who did not meet autism spectrum disorder (ASD) criteria on the Autism Diagnostic Observation Scale (ADOS) at the 24-month clinical visit; high-risk-ASD=infants with high familial risk who met ASD criteria on the ADOS at the 24-month clinical visit. In the gap condition, latencies for the three groups appear to represent a trend toward a familial marker model. In the overlap condition, latencies for the three groups conformed to a disorder-specific model of impairment (i.e., high-risk-ASD > high-risk-negative = low-risk). Error bars indicate standard deviations.b Least significant difference pairwise group differences, p<0.05.Next, we tested the specificity of the association between average saccadic latencies in the gap condition and white matter fiber tracts that transmit information to and from the brainstem (i.e., the corticospinal tract) and the association between average saccadic latencies in the overlap condition and the splenium of the corpus callosum. To accomplish this, we also examined the association between the saccadic latencies and the genu of the corpus callosum to confirm the specificity of any observed association with the splenium or the corticospinal tracts. We report results using radial diffusivity and provide additional data on fractional anisotropy and axial diffusivity when relevant. The analytic strategy (see also reference 9) began with an examination of the zero-order correlation matrix (see graphical representation in Figure 4) and followed with hierarchical multiple regression analyses. The scalar index of the fiber tract of interest was entered into the model as the dependent variable, age and the behavioral response unrelated to the fiber tract were entered as step 1 predictor variables, and the behavioral response hypothetically related to the fiber tract was entered as a step 2 predictor variable.FIGURE 4. Brain-Behavior Double Dissociation in 7-Month-Olds at Low Risk for Autism (N=34)aa In panel A, regression lines within the scatterplot represent the zero-order correlation between radial diffusivity in the left corticospinal tract and overlap latencies (blue circles; r=−0.128, p=0.472) and gap latencies (red circles; r=0.592, p<0.001), respectively. See Figure S1 in the online data supplement for results on the right corticospinal tract. In panel B, regression lines within the scatterplot represent the zero-order correlation between radial diffusivity in the splenium and overlap latencies (blue circles; r=−0.499, p=0.003) and gap latencies (red circles; r=0.006, p=0.975), respectively.These analyses verified that performance in the two conditions of the gap/overlap procedure was related to dissociable white matter fiber tracts in low-risk infants (N=34; mean age, 31.0 months [SD=3.5]). Average latency in the gap condition accounted for a significant portion of variance in radial diffusivity in the left corticospinal tract (∆R2=0.486, p<0.001) beyond the contribution of age and overlap latency. Average latency in the overlap condition accounted for a significant portion of variance in radial diffusivity in the splenium beyond the contribution of age and gap latency (∆R2=0.297, p=0.001). Gap latencies did not account for a significant portion of variance in the splenium, and overlap latencies did not account for a significant portion of variance in the left corticospinal tract. There was no association between latencies in the gap/overlap procedure and our control tract, the genu of the corpus callosum (see Figure S2 in the online data supplement). All of these patterns remained when we examined fractional anisotropy and axial diffusivity (see the data supplement), except that gap latencies did not account for a significant portion of the variance in fractional anisotropy in the left corticospinal tract (∆R2=0.097, p=0.076) beyond the effect of age and overlap latency. However, the trend toward statistical significance is consistent with the results from radial and axial diffusivity.Considering the pattern of results in the overlap condition (high-risk-ASD > high-risk-negative = low-risk), alongside the finding that overlap latencies (visual orienting) are associated with the splenium in low-risk infants, directly informed the final question: Do the functional properties of the splenium explain the increased overlap latencies observed in inf

Abstract Motor cortex (M1) has been thought to form a continuous somatotopic homunculus extending down the precentral gyrus from foot to face representations 1,2 , despite evidence for concentric functional zones 3 and maps of complex actions 4 . Here, using precision functional magnetic resonance imaging (fMRI) methods, we find that the classic homunculus is interrupted by regions with distinct connectivity, structure and function, alternating with effector-specific (foot, hand and mouth) areas. These inter-effector regions exhibit decreased cortical thickness and strong functional connectivity to each other, as well as to the cingulo-opercular network (CON), critical for action 5 and physiological control 6 , arousal 7 , errors 8 and pain 9 . This interdigitation of action control-linked and motor effector regions was verified in the three largest fMRI datasets. Macaque and pediatric (newborn, infant and child) precision fMRI suggested cross-species homologues and developmental precursors of the inter-effector system. A battery of motor and action fMRI tasks documented concentric effector somatotopies, separated by the CON-linked inter-effector regions. The inter-effectors lacked movement specificity and co-activated during action planning (coordination of hands and feet) and axial body movement (such as of the abdomen or eyebrows). These results, together with previous studies demonstrating stimulation-evoked complex actions 4 and connectivity to internal organs 10 such as the adrenal medulla, suggest that M1 is punctuated by a system for whole-body action planning, the somato-cognitive action network (SCAN). In M1, two parallel systems intertwine, forming an integrate–isolate pattern: effector-specific regions (foot, hand and mouth) for isolating fine motor control and the SCAN for integrating goals, physiology and body movement.

SUMMARY Primary motor cortex (M1) has been thought to form a continuous somatotopic homunculus extending down precentral gyrus from foot to face representations 1,2 . The motor homunculus has remained a textbook pillar of functional neuroanatomy, despite evidence for concentric functional zones 3 and maps of complex actions 4 . Using our highest precision functional magnetic resonance imaging (fMRI) data and methods, we discovered that the classic homunculus is interrupted by regions with sharpy distinct connectivity, structure, and function, alternating with effector-specific (foot, hand, mouth) areas. These inter-effector regions exhibit decreased cortical thickness and strong functional connectivity to each other, and to prefrontal, insular, and subcortical regions of the Cingulo-opercular network (CON), critical for executive action 5 and physiological control 6 , arousal 7 , and processing of errors 8 and pain 9 . This interdigitation of action control-linked and motor effector regions was independently verified in the three largest fMRI datasets. Macaque and pediatric (newborn, infant, child) precision fMRI revealed potential cross-species analogues and developmental precursors of the inter-effector system. An extensive battery of motor and action fMRI tasks documented concentric somatotopies for each effector, separated by the CON-linked inter-effector regions. The inter-effector regions lacked movement specificity and co-activated during action planning (coordination of hands and feet), and axial body movement (e.g., abdomen, eyebrows). These results, together with prior work demonstrating stimulation-evoked complex actions 4 and connectivity to internal organs (e.g., adrenal medulla) 10 , suggest that M1 is punctuated by an integrative system for implementing whole-body action plans. Thus, two parallel systems intertwine in motor cortex to form an integrate-isolate pattern: effector-specific regions (foot, hand, mouth) for isolating fine motor control, and a mind-body interface (MBI) for the integrative whole-organism coordination of goals, physiology, and body movement.