Abstract Head motion represents one of the greatest technical obstacles for brain MRI. Accurate detection of artifacts induced by head motion requires precise estimation of movement. However, this estimation may be corrupted by factitious effects owing to main field fluctuations generated by body motion. In the current report, we examine head motion estimation in multiband resting state functional connectivity MRI (rs-fcMRI) data from the Adolescent Brain and Cognitive Development (ABCD) Study and a comparison ‘single-shot’ dataset from Oregon Health & Science University. We show unequivocally that respirations contaminate movement estimates in functional MRI and that respiration generates apparent head motion not associated with degraded quality of functional MRI. We have developed a novel approach using a band-stop filter that accurately removes these respiratory effects. Subsequently, we demonstrate that utilizing this filter improves post-processing data quality. Lastly, we demonstrate the real-time implementation of motion estimate filtering in our FIRMM (Framewise Integrated Real-Time MRI Monitoring) software package.

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.

Abstract The striatum is interconnected with the cerebral cortex via multiple recurrent loops that play a major role in many neuropsychiatric conditions. Primate cortico-striatal connections can be precisely mapped using invasive tract-tracing. However, noninvasive human research has not mapped these connections with anatomical precision, limited by the practice of averaging neuroimaging data across individuals. Here we utilized highly-sampled resting-state functional connectivity MRI for individually-specific precision functional mapping of cortico-striatal connections. We identified ten discrete, individual-specific subnetworks linking cortex—predominately frontal cortex—to striatum. These subnetworks included previously unknown striatal connections to the human language network. The discrete subnetworks formed a stepped rostral-caudal gradient progressing from nucleus accumbens to posterior putamen; this organization was strongest for projections from medial frontal cortex. The stepped gradient organization fit patterns of fronto-striatal connections better than a smooth, continuous gradient. Thus, precision subnetworks identify detailed, individual-specific stepped gradients of cortico-striatal connectivity that include human-specific language networks.

Abstract Between-participant differences in head motion introduce systematic bias to resting state fMRI brain-wide association studies (BWAS) that is not completely removed by denoising algorithms. Researchers who study traits, or phenotypes associated with in-scanner head motion (e.g. psychiatric disorders) need to know if trait-functional connectivity (FC) effects are biased by residual motion artifact in order to avoid reporting false positive results. We devised an adaptable method, Split Half Analysis of Motion Associated Networks (SHAMAN), to assign a motion impact score to specific trait-FC effects. The SHAMAN approach distinguishes between motion artifact causing overestimation or underestimation of trait-FC effects. SHAMAN was > 95% specific at sample sizes of n = 100 and above. SHAMAN was powered to detect motion overestimation scores 80% of the time at sample sizes of n = 5,000 but could detect motion underestimation scores only 50% of the time at n = 5000, making it most useful for researchers seeking to avoid overestimating trait-FC effects in large BWAS. We computed motion impact scores for trait-FC effect with 45 demographic, biophysical, cognitive, and personality traits from n = 7,270 participants in the Adolescent Brain Cognitive Development (ABCD) Study. After standard denoising with ABCD-BIDS and without motion censoring, 42% (19/45) of traits had significant (p < 0.05) motion overestimation scores and 38% (17/45) of traits had significant motion underestimation scores. Censoring at framewise displacement (FD) < 0.2 mm reduced the proportion of traits with significant motion overestimation scores from 42% to 2% (1/45) but did not decrease the number of traits with significant motion underestimation scores.

Neuroimaging studies have implicated a set of striatal and orbitofrontal cortex (OFC) regions that are commonly activated during reward processing tasks. Resting-state functional connectivity (RSFC) studies have demonstrated that the human brain is organized into several functional systems that show strong temporal coherence even in the absence of goal-directed tasks. Here we use seed-based and graph-theory RSFC approaches to characterize the systems-level organization of putative reward regions of at rest. Seed-based RSFC patterns for the nucleus accumbens (NAcc) and OFC were used to identify candidate reward regions; graph-theory was then used to determine system-level membership for these regions. Several regions previously implicated in reward-processing (NAcc, lateral and medial OFC, and ventromedial prefrontal cortex) comprised a distinct, preferentially coupled system. This RSFC system is stable across a range of connectivity thresholds and shares strong overlap with meta-analyses of task-based reward studies. This reward system shares between-system connectivity with systems implicated in cognitive control and self-regulation, including the fronto-parietal, cingulo-opercular, and default systems. Further, differences may exist in the pathways through which control systems interact with key regions of this reward system. Whereas NAcc regions of the reward system are functionally connected to cingulo-opercular and default systems, OFC regions of the reward system show stronger connectivity with the fronto-parietal system. We propose that future work may be able to interrogate group or individual differences in connectivity profiles using the regions delineated in the current work to explore potential relationships to appetitive behaviors, self-regulation failure, and addiction.

Functional MRI (fMRI) data are severely distorted by magnetic field (B0) inhomogeneities which currently must be corrected using separately acquired field map data. However, changes in the head position of a scanning participant across fMRI frames can cause changes in the B0 field, preventing accurate correction of geometric distortions. Additionally, field maps can be corrupted by movement during their acquisition, preventing distortion correction altogether. In this study, we use phase information from multi-echo (ME) fMRI data to dynamically sample distortion due to fluctuating B0 field inhomogeneity across frames by acquiring multiple echoes during a single EPI readout. Our distortion correction approach, MEDIC (Multi-Echo DIstortion Correction), accurately estimates B0 related distortions for each frame of multi-echo fMRI data. Here, we demonstrate that MEDIC9s framewise distortion correction produces improved alignment to anatomy and decreases the impact of head motion on resting-state functional connectivity (RSFC) maps, in higher motion data, when compared to the prior gold standard approach (i.e., TOPUP). Enhanced framewise distortion correction with MEDIC, without the requirement for field map collection, furthers the advantage of multi-echo over single-echo fMRI.

The Cingulo-Opercular network (CON) is an executive network of the human brain that regulates actions. CON is composed of many widely distributed cortical regions that are involved in top-down control over both lower-level (i.e., motor) and higher-level (i.e., cognitive) functions, as well as in processing of painful stimuli. Given the topographical and functional heterogeneity of the CON, we investigated whether subnetworks within the CON support separable aspects of action control. Using precision functional mapping (PFM) in 15 participants with > 5 hours of resting state functional connectivity (RSFC) and task data, we identified three anatomically and functionally distinct CON subnetworks within each individual. These three distinct subnetworks were linked to Decisions, Actions, and Feedback (including pain processing), respectively, in convergence with a meta-analytic task database. These Decision, Action and Feedback subnetworks represent pathways by which the brain establishes top-down goals, transforms those goals into actions, implemented as movements, and processes critical action feedback such as pain.

Objective: To investigate clinical utility and brain network changes following resting-state functional MRI (rsfMRI)-targeted bilateral repetitive transcranial magnetic stimulation (rTMS) in a subject with neuropsychiatric disturbances associated with chronic/repetitive traumatic brain injury (TBI). Methods: Individual-level connectome mapping was used to identify left/right dorsolateral prefrontal targets with maximum anticorrelation between dorsal attention network (DAN) and default mode network (DMN). Twenty sessions of left-sided excitatory and right-sided inhibitory rTMS were delivered to a retired NFL defensive lineman as part of a randomized, controlled trial. Montgomery-Asberg Depression Rating Scale (MADRS), cognitive testing, headache measures, and rsfMRI were conducted before and after treatment. Pre-treatment rsfMRI findings were compared to 12 age/gender-matched healthy individuals and 10 subjects with depression and TBI. Results: MADRS score improved from 32 at baseline to 9 immediately after treatment and remained at 9 upon six-week follow-up. Cognitive/headache measures showed mild improvements and treatments were well-tolerated. In comparison with both comparator groups, baseline rsfMRI revealed near-absence of the typical DAN-DMN anticorrelation and differences in limbic functional connectivity with nucleus accumbens (NAcc). These differences in limbic-NAcc connectivity were attenuated with treatment. The identified left- and right-sided rTMS targets were, respectively, 36/30 mm away from traditional clinical targets for major depression and 10-18/7-8 mm away from targets identified by previously-described imaging-based targeting methods. Conclusions: rsfMRI-targeted rTMS may be a promising treatment for neuropsychiatric sequelae of repetitive TBI. Future research will aim to verify this observation, directly compare targeting methods, and better characterize the distinctions between single and repetitive TBI.