Abstract Purpose The neurometabolic timecourse of healthy aging is not well-established, in part due to diversity of quantification methodology. In this study, a large structured cross-sectional cohort of male and female subjects throughout adulthood was recruited to investigate neurometabolic changes as a function of age, using consensus-recommended magnetic resonance spectroscopy quantification methods. Methods 102 healthy volunteers, with approximately equal numbers of male and female participants in each decade of age from the 20s, 30s, 40s, 50s, and 60s, were recruited with IRB approval. MR spectroscopic data were acquired on a 3T MRI scanner. Metabolite spectra were acquired using PRESS localization (TE = 30 ms; 96 transients) in the centrum semiovale (CSO) and posterior cingulate cortex (PCC). Water-suppressed spectra were modeled using the Osprey algorithm, employing a basis set of 18 simulated metabolite basis functions and a cohort-mean measured macromolecular spectrum. Pearson correlations were conducted to assess relationships between metabolite concentrations and age for each voxel; paired t-tests were run to determine whether metabolite concentrations differed between the PCC and CSO. Results Two datasets were excluded (1 ethanol; 1 unacceptably large lipid signal). Statistically significant age-by-metabolite correlations were seen for tCr (R 2 =0.36; p<0.001), tCho (R 2 =0.11; p<0.001), sI (R 2 =0.11; p=0.004), and mI (R 2 =0.10; p<0.001) in the CSO, and tCr (R 2 =0.15; p<0.001), tCho (R 2 =0.11; p<0.001), and GABA (R 2 =0.11; p=0.003) in the PCC. No significant correlations were seen between tNAA, NAA, GSH, Glx or Glu and age in either region (all p>0.25). Levels of sI were significantly higher in the PCC in female subjects (p<0.001) than in male subjects. There was a significant positive correlation between linewidth and age. Conclusion The results indicated age correlations for tCho, tCr, sI, and mI in CSO and for tCr, tCho and GABA in PCC, while no age-related changes were found for NAA, tNAA, GSH, Glu or Glx. Our results provide a normative foundation for future work investigating the neurometabolic time course of healthy aging using MRS. Highlights A large structured cross-sectional cohort of neurometabolic aging dataset is presented; Age correlations were observed for tCho, tCr, sI, and mI in CSO and for tCr, tCho and GABA in PCC; No age correlations were found for NAA, tNAA, GSH, Glu or Glx in either region.

Neural networks are potentially valuable for many of the challenges associated with MRS data. The purpose of this manuscript is to describe the AGNOSTIC dataset, which contains 259,200 synthetic 1H MRS examples for training and testing neural networks. AGNOSTIC was created using 270 basis sets that were simulated across 18 field strengths and 15 echo times. The synthetic examples were produced to resemble in vivo brain data with combinations of metabolite, macromolecule, residual water signals, and noise. To demonstrate the utility, we apply AGNOSTIC to train two Convolutional Neural Networks (CNNs) to address out-of-voxel (OOV) echoes. A Detection Network was trained to identify the point-wise presence of OOV echoes, providing proof of concept for real-time detection. A Prediction Network was trained to reconstruct OOV echoes, allowing subtraction during post-processing. Complex OOV signals were mixed into 85% of synthetic examples to train two separate CNNs for the detection and prediction of OOV signals. AGNOSTIC is available through Dryad and all Python 3 code is available through GitHub. The Detection network was shown to perform well, identifying 95% of OOV echoes. Traditional modeling of these detected OOV signals was evaluated and may prove to be an effective method during linear-combination modeling. The Prediction Network greatly reduces OOV echoes within FIDs and achieved a median log10 normed-MSE of -1.79, an improvement of almost two orders of magnitude.

Cortical GABA levels are reduced in older age; age-related differences in GABA may be associated with age-related cognitive change. The nature of age-related GABA differences in the highest-functioning stratum of the oldest-old (85+) population is not yet known. We extend our previously-reported Individual Participant Data Meta-Analysis of GABA levels (Porges et al., 2021) across the lifespan with four novel datasets sampling the cognitively-intact oldest-old. The slope of age-related GABA differences in cognitively-intact oldest-old adults flattens after roughly age 80. We interpret these findings as an effect of survivorship: inclusion in the study required intact cognition, and too great a reduction of GABA levels may not be compatible with neurophysiological function needed for intact cognition. This work contributes to a growing body of evidence suggesting that successful cognitive aging may require intact GABAergic function, as well as further characterizing successful aging amongst oldest-old adults.

Abstract Purpose To investigate the age-dependence of metabolite T 1 relaxation times at 3T in both gray- and white-matter-rich voxels. Methods This manuscript analyzes publicly available metabolite and metabolite-nulled (single inversion recovery TI = 600 ms) spectra acquired at 3T using PRESS localization. Voxels were placed in posterior cingulate cortex and centrum semiovale in 102 healthy volunteers across 5 decades of life (20s to 60s). All spectra were analyzed in Osprey v2.4.0. To estimate T 1 relaxation times for tNAA 2.0 and tCr 3.0 , the ratio of modeled metabolite residual amplitudes in the metabolite-nulled spectrum to the full metabolite signal was calculated using the single inversion recovery signal equation. Correlations between T 1 and subject age were evaluated. Results Spearman correlations revealed that estimated T 1 relaxation times of tNAA 2.0 (r s = −0.43; p < 0.001) and tCr 3.0 (r s = −0.23; p = 0.021) decreased significantly with age in white-matter-rich CSO, and less steeply (and not significantly) for tNAA 2.0 (r s = −0.15; p = 0.136) and tCr 3.0 (r s = −0.10; p = 0.319) in gray-matter-rich PCC. Conclusion The analysis harnessed a large publicly available cross-sectional dataset to test an important hypothesis, that metabolite T 1 relaxation times change with age. This preliminary study stresses the importance of further work to measure age-normed metabolite T 1 relaxation times for accurate quantification of metabolite levels in studies of aging.

Proton ( 1 H) Magnetic Resonance Spectroscopy (MRS) is a non-invasive tool capable of quantifying brain metabolite concentrations in vivo . Prioritization of standardization and accessibility in the field has led to the development of universal pulse sequences, methodological consensus recommendations, and the development of open-source analysis software packages. One on-going challenge is methodological validation with ground-truth data. As ground-truths are rarely available for in vivo measurements, data simulations have become an important tool. The diverse literature of metabolite measurements has made it challenging to define ranges to be used within simulations. Especially for the development of deep learning and machine learning algorithms, simulations must be able to produce accurate spectra capturing all the nuances of in vivo data. Therefore, we sought to determine the physiological ranges and relaxation rates of brain metabolites which can be used both in data simulations and as reference estimates. Using the Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA) guidelines, we've identified relevant MRS research articles and created an open-source database containing methods, results, and other article information as a resource. Using this database, expectation values and ranges for metabolite concentrations and T 2 relaxation times are established based upon a meta-analyses of healthy and diseased brains.

Relaxation correction is crucial for accurately estimating metabolite concentrations measured using

Abstract Purpose Relaxometry, specifically T 1 and T 2 mapping, has become an essential technique for assessing the properties of biological tissues related to various physiological and pathological conditions. Many techniques are being used to estimate T 1 and T 2 relaxation times, ranging from the traditional inversion or saturation recovery and spin-echo sequences to more advanced methods. Choosing the appropriate method for a specific application is critical since the precision and accuracy of T 1 and T 2 measurements are influenced by a variety of factors including the pulse sequence and its parameters, the inherent properties of the tissue being examined, the MRI hardware, and the image reconstruction. The aim of this study is to evaluate and compare the test-retest reproducibility of two advanced MRI relaxometry techniques (Driven Equilibrium Single Pulse Observation of T 1 and T 2 , DESPOT, and 3D Quantification using an interleaved Look-Locker acquisition Sequence with a T 2 preparation pulse, QALAS), for T 1 and T 2 mapping in a healthy volunteer cohort. Methods 10 healthy volunteers underwent brain MRI at 1.3 mm 3 isotropic resolution, acquiring DESPOT and QALAS data (∼11.8 and ∼5 minutes duration, including field maps, respectively), test-retest with subject repositioning, on a 3.0 Tesla Philips Ingenia Elition scanner. To reconstruct the T 1 and T 2 maps, we used an equation-based algorithm for DESPOT and a dictionary-based algorithm that incorporates inversion efficiency and B 1 -field inhomogeneity for QALAS. The test-retest reproducibility was assessed using the coefficient of variation (CoV), intraclass correlation coefficient (ICC) and Bland-Altman plots. Results Our results indicate that both the DESPOT and QALAS techniques demonstrate good levels of test-retest reproducibility for T 1 and T 2 mapping across the brain. Higher whole-brain voxel-to-voxel ICCs are observed in QALAS for T 1 (0.84 ± 0.039) and in DESPOT for T 2 (0.897 ± 0.029). The Bland-Altman plots show smaller bias and variability of T 1 estimates for QALAS (mean of -0.02 s, and upper and lower limits of -0.14 and 0.11 s, 95% CI) than for DESPOT (mean of -0.02 s, and limits of -0.31 and 0.27 s). QALAS also showed less variability (mean 1.08 ms, limits –1.88 to 4.04 ms) for T 2 compared to DESPOT (mean of 2.56 ms, and limits -17.29 to 22.41 ms). The within-subject CoVs for QALAS range from 0.6% ( T 2 in CSF) to 5.8% ( T 2 in GM), while for DESPOT they range from 2.1% ( T 2 in CSF) to 6.7% ( T 2 in GM). The between-subject CoVs for QALAS range from 2.5% ( T 2 in GM) to 12% ( T 2 in CSF), and for DESPOT they range from 3.7% ( T 2 in WM) to 9.3% ( T 2 in CSF). Conclusion Overall, QALAS demonstrated better reproducibility for T 1 and T 2 measurements than DESPOT, in addition to reduced acquisition time.

Abstract Background Magnetic resonance spectroscopy (MRS) can non-invasively measure levels of endogenous metabolites in living tissue and is of great interest to neuroscience and clinical research. To this day, MRS data analysis workflows differ substantially between groups, frequently requiring many manual steps to be performed on individual datasets, e.g., data renaming/sorting, manual execution of analysis scripts, and manual assessment of success/failure. Manual analysis practices are a substantial barrier to wider uptake of MRS. They also increase the likelihood of human error and prevent deployment of MRS at large scale. Here, we demonstrate an end-to-end workflow for fully automated data uptake, processing, and quality review. New Method The proposed continuous automated MRS analysis workflow integrates several recent innovations in MRS data and file storage conventions. They are efficiently deployed by a directory monitoring service that automatically triggers the following steps upon arrival of a new raw MRS dataset in a project folder: (1) conversion from proprietary manufacturer file formats into the universal format NIfTI-MRS; (2) consistent file system organization according to the data accumulation logic standard BIDS-MRS; (3) executing a command-line executable of our open-source end-to-end analysis software Osprey; (4) e-mail delivery of a quality control summary report for all analysis steps. Results The automated architecture successfully completed for a demonstration dataset. The only manual step required was to copy a raw data folder into a monitored directory. Comparison with Existing Method(s) The workflow presented here is the first implementation of a continuous automated MRS analysis ecosystem based on NIfTI-MRS and BIDS-MRS standards. Traditional MRS workflows are non-standardized, often require manual input, and frequently noy compatible with established neuroimaging workflows. This workflow should therefore facilitate integration of MRS into large-scale and multi-center studies. Conclusions Continuous automated analysis of MRS data can reduce the burden of manual data analysis and quality control, particularly for non-expert users and multi-center or large-scale studies.

To compare the respective ability of PRESS and sLASER to reveal biological relationships, using age as a validation covariate.MRS data were acquired from 102 healthy volunteers using PRESS and sLASER in centrum semiovale (CSO) and posterior cingulate cortex (PCC) regions. Acquisition parameters included TR/TE 2000/30 ms; 96 transients; 2048 datapoints sampled at 2 kHz.Spectra were analyzed using Osprey. Signal-to-noise ratio (SNR), full-width-half-maximum linewidth of tCr, and metabolite concentrations were extracted. A linear model was used to compare SNR and linewidth. Paired t-tests were used to assess differences in metabolite measurements between PRESS and sLASER. Correlations were used to evaluate the relationship between PRESS and sLASER metabolite estimates, as well as the strength of each metabolite-age relationship. Coefficients of variation were calculated to assess inter-subject variability in each metabolite measurement.SNR and linewidth were significantly higher (p<0.05) for sLASER than PRESS. Paired t-tests showed significant differences between PRESS and sLASER in most metabolite measurements. Metabolite measures were significantly correlated (p<0.05) for most metabolites between the two methods except GABA, Gln and Lac in CSO and GSH, Lac and NAAG in PCC. Metabolite-age relationships were consistently identified using both PRESS and sLASER. Similar CVs were observed for most metabolites.The study results suggest strong agreement between PRESS and sLASER in identifying relationships between brain metabolites and age in CSO and PCC data acquired at 3T. sLASER is technically desirable due to the reduced chemical shift displacement artifact; however, PRESS performed similarly in 'good' brain regions at clinical field strength.

Motivation: The Healthy Brain and Child Development (HBCD) study is a longitudinal, multi-vendor, multi-site study of early brain development, which will enroll ~7,500 infants. HBCD includes MRS within the imaging protocol. Goal(s): The goal of this abstract is to present HBCD MRS pilot data, and identify any vendor and site differences in MRS data quality and measured metabolite concentrations. Approach: HBCD pilot MRS data were successfully acquired on 28 scanners, and analyzed using Osprey 2.5.0, to examine vendor and site differences. Results: ANOVA results show minimal vendor and site differences which is encouraging for such a large-scale multi-site, multi-vendor study. Impact: HBCD is an NIH-funded multicenter study of brain development across the first decade of life. It is the largest ever study to incorporate MRS. In this abstract, we present in vivo data demonstrating MRS performance across vendor and site.