Abstract Purpose To introduce and characterize inexpensive and easily produced 3D-printed axon-mimetic (3AM) diffusion MRI (dMRI) phantoms in terms of pore geometry and diffusion kurtosis imaging (DKI) metrics. Methods Phantoms were 3D-printed with a composite printing material that, after dissolution of the PVA, exhibits microscopic fibrous pores. Confocal microscopy and synchrotron phase contrast micro-CT imaging were performed to visualize and assess the pore sizes. dMRI scans of four identical phantoms and phantoms with varying print parameters in water were performed at 9.4T. DKI was fit to both datasets and used to assess the reproducibility between phantoms and effects of print parameters on DKI metrics. Identical scans were performed 25 and 76 days later to test their stability. Results Segmentation of pores in three microscopy images yielded a mean, median, and standard deviation of equivalent pore diameters of 7.57 μm, 3.51 μm, and 12.13 μm, respectively. Phantoms with identical parameters showed a low coefficient of variation (∼10%) in DKI metrics (D=1.38 ×10 −3 mm 2 /s and K=0.52, T1= 3960 ms and T2=119 ms). Printing temperature and speed had a small effect on DKI metrics (<16%) while infill density had a larger and more variable effect (>16%). The stability analysis showed small changes over 2.5 months (<7%). Conclusion 3AM phantoms can mimic the fibrous structure of axon bundles on a microscopic scale, serving as complex, anisotropic dMRI phantoms.

Abstract Like neocortical structures, the archicortical hippocampus differs in its folding patterns across individuals. Here, we present an automated and robust BIDS-App, HippUnfold, for defining and indexing individual-specific hippocampal folding in MRI, analogous to popular tools used in neocortical reconstruction. Such tailoring is critical for inter-individual alignment, with topology serving as the basis for homology. This topological framework enables qualitatively new analyses of morphological and laminar structure in the hippocampus or its subfields. It is critical for refining current neuroimaging analyses at a meso- as well as micro-scale. HippUnfold uses state-of-the-art deep learning combined with previously developed topological constraints to generate uniquely folded surfaces to fit a given subject’s hippocampal conformation. It is designed to work with commonly employed sub-millimetric MRI acquisitions, with possible extension to microscopic resolution. In this paper we describe the power of HippUnfold in feature extraction, and highlight its unique value compared to several extant hippocampal subfield analysis methods.

Abstract The cholinergic innervation of the cortex originates almost entirely from populations of neurons in the basal forebrain (BF). Structurally, the ascending BF cholinergic projections are highly branched, with individual cells targeting multiple different cortical regions. However, it is not known whether the structural organization of basal forebrain projections reflects their functional integration with the cortex. We therefore used high-resolution 7T diffusion and resting state functional MRI in humans to examine multimodal gradients of BF cholinergic connectivity with the cortex. Moving from anteromedial to posterolateral BF, we observed reduced tethering between structural and functional connectivity gradients, with the most pronounced dissimilarity localized in the nucleus basalis of Meynert (NbM). The cortical expression of this structure-function gradient revealed progressively weaker tethering moving from unimodal to transmodal cortex, with the lowest tethering in midcingulo-insular cortex. We used human [ 18 F] fluoroethoxy-benzovesamicol (FEOBV) PET to demonstrate that cortical areas with higher concentrations of cholinergic innervation tend to exhibit lower tethering between BF structural and functional connectivity, suggesting a pattern of increasingly diffuse axonal arborization. Optogenetic tracing of cholinergic projections and [ 18 F] FEOBV PET in mice confirmed a gradient of axonal arborization across individual BF cholinergic neurons. Like humans, cholinergic neurons with the highest arborization project to cingulo-insular areas of the mouse isocortex. Altogether, our findings reveal that BF cholinergic neurons vary in their branch complexity, with certain subpopulations exhibiting greater modularity and others greater diffusivity in the functional integration of their cortical targets.

ABSTRACT Objective This study aims to evaluate the use of diffusion kurtosis imaging (DKI) to detect microstructural abnormalities within the temporal pole (TP) in temporal lobe epilepsy (TLE) patients. Methods DKI quantitative maps were obtained from fourteen lesional (MRI+) and ten non-lesional (MRI-) TLE patients, along with twenty-one healthy controls. This included mean (MK); radial (RK) and axial kurtosis (AK); mean diffusivity (MD) and axonal water fraction (AWF). Automated fiber quantification (AFQ) was used to quantify DKI measurements along the inferior longitudinal (ILF) and uncinate fasciculus (Unc). ILF and Unc tract profiles were compared between groups and tested for correlation with seizure duration. To characterize temporopolar cortex (TC) microstructure, DKI maps were sampled at varying depths from superficial white matter (WM) towards the pial surface. Each patient group was separated according to side ipsilateral to the epileptogenic temporal lobe and their AFQ results were used as input for statistical analyses. Results Significant differences were observed between MRI+ and controls ( p < 0.005), towards the most anterior of ILF and Unc proximal to the TP of the left (not right) ipsilateral temporal lobe for MK, RK, AWK and MD. Noticeable differences were also observed mostly towards the TP for MK, RK and AWK in the MRI-group. DKI measurements correlated with seizure duration, mostly towards the anterior segments of the WM bundles. Stronger differences in MK, RK and AWF within the TC were observed in the MRI+ and noticeable differences (except for MD) in MRI-groups compared to controls. Significance The study demonstrates that DKI has potential to detect subtle microstructural alterations within the anterior segments of the ILF and Unc and the connected TC in TLE patients including MRI-subjects. This could aid our understanding of the extrahippocampal areas involved in seizure generation in TLE and might inform surgical planning, leading to better seizure outcomes.

Abstract Purpose To introduce a method to create 3D-printed axon-mimetic phantoms with complex fibre orientations to characterize the performance of diffusion MRI models and representations in the presence of orientation dispersion. Methods An extension to an open source 3D printing package was created to 3D print a set of five 3D-printed axon-mimetic (3AM) phantoms with various combinations of bending and crossing fibre orientations. A two-shell diffusion MRI scan of the five phantoms in water was performed at 9.4T. Diffusion tensor imaging (DTI), diffusion kurtosis imaging (DKI), the ball and stick model, neurite orientation density and dispersion imaging (NODDI), and Bingham-NODDI were all fit to the resulting diffusion MRI data. A fiducial in each phantom was used to register a ground truth map of that phantom’s crossing angles and/or arc radius to the diffusion-weighted images. Metrics from each model and representation were compared to the ground-truth maps, and a quadratic regression model was fit to each combination of output metric and ground-truth metric. Results The mean diffusivity (MD) metric defined by DTI was insensitive to crossing angle, but increased with fibre curvature. Axial diffusivity (AD) decreased sharply with increasing crossing angle. DKI’s diffusivity metrics replicated the trends seen in DTI, and its mean kurtosis (MK) metric, decreased with fibre curvature, except in regions with high crossing angles. The estimated stick volume fraction in the ball and stick model decreased with increasing fibre curvature and crossing angle. NODDI’s intra-neurite volume fraction was insensitive to crossing angle, and its orientation dispersion index (ODI) was strongly correlated to crossing angle. Bingham-NODDI’s intra-neurite volume fraction was also insensitive to crossing angle, while its primary ODI (ODI P ) was also strongly correlated to crossing angle and its secondary ODI (ODI S ) was insensitive to crossing angle. For both NODDI models, the volume fractions of the extra-neurite and CSF compartments had low reliability with no clear relationship to crossing angle. Conclusions This study demonstrates that inexpensive 3D-printed axon-mimetic phantoms can be used to investigate the effect of fibre curvature and crossings on diffusion MRI representations and models of diffusion signal. As a proof of concept, the dependence of several representations and models on fibre dispersion/crossing were investigated. As expected, Bingham-NODDI was best able to characterize planar fibre dispersion in the phantoms.

Abstract Brain atlases that encompass detailed anatomical or physiological features are instrumental in the research and surgical planning of various neurological conditions. Magnetic resonance imaging (MRI) has played important roles in neuro-image analysis while histological data remain crucial as a gold standard to guide and validate such analyses. With cellular-scale resolution, the BigBrain atlas offers 3D histology of a complete human brain, and is highly valuable to the research and clinical community. To bridge the insights at macro- and micro-levels, accurate mapping of BigBrain and established MRI brain atlases is necessary, but the existing registration is unsatisfactory. The described dataset includes co-registration of the BigBrain atlas to the MNI PD25 atlas and the ICBM152 2009b atlases (symmetric and asymmetric versions) in addition to manual segmentation of the basal ganglia, red nucleus, and hippocampus for all mentioned atlases. The dataset intends to provide the bridge between insights from histological data and MRI studies in research and neurosurgical planning. The registered atlases, anatomical segmentations, and deformation matrices are available at: nist.mni.mcgill.ca/?p=1209 .

Abstract Cholinergic dysfunction has been implicated in the pathophysiology of psychiatric disorders such as schizophrenia, depression, and bipolar disorder. The basal forebrain (BF) cholinergic nuclei, defined as cholinergic cell groups Ch1-3 and Ch4 (Nucleus Basalis of Meynert; NBM), provide extensive cholinergic projections to the rest of the brain. Here, we examined microstructural neuroimaging measures of the cholinergic nuclei in patients with untreated psychosis (∼ 31 weeks of psychosis, <2 defined daily dose of antipsychotics) and used Magnetic Resonance Spectroscopy (1H-MRS) and transcriptomic data to support our findings. We used a cytoarchitectonic atlas of the BF to map the nuclei and obtained measures of myelin (quantitative T1, or qT1 as myelin surrogate) and microstructure (axial diffusion; AxD). In a clinical sample (n=85; 29 healthy controls, 56 first-episode psychosis), we found significant correlations between qT1 and 1H-MRS-based dorsal anterior cingulate choline in healthy controls, while this relationship was disrupted in FEP. Case-control differences in qT1 and AxD were observed in the Ch1-3, with increased qT1 (reflecting reduced myelin content) and AxD (reflecting reduced axonal integrity). We found clinical correlates between left NBM qT1 with manic symptom severity, and AxD with negative symptom burden in FEP. Intracortical and subcortical myelin maps were derived and correlated with BF myelin. BF-cortical and BF-subcortical myelin correlations demonstrate known projection patterns from the BF. Using data from the Allen Human Brain Atlas, cholinergic nuclei showed significant enrichment for schizophrenia and depression-related genes. Cell-type specific enrichment indicated enrichment for cholinergic neuron markers as expected. Further relating the neuroimaging correlations to transcriptomics demonstrated links with cholinergic receptor genes and cell type markers of oligodendrocytes and cholinergic neurons, providing biological validity to the measures. These results provide genetic, neuroimaging, and clinical evidence for cholinergic dysfunction in schizophrenia and other psychiatric disorders such as depression.

Abstract Parkinson’s disease (PD) is a progressive neurodegenerative disorder that is characterized by a range of motor and non-motor symptoms, often with the motor dysfunction initiated unilaterally. Knowledge regarding disease-related alterations in white matter pathways can effectively help improve the understanding of the disease and propose targeted treatment strategies. Microstructural imaging techniques, including diffusion tensor imaging (DTI), allows inspection of white matter integrity to study the pathogenesis of various neurological conditions. Previous voxel-based analyses with DTI measures, such as fractional anisotropy and mean diffusivity have uncovered changes in brain regions that are associated with PD, but the conclusions were inconsistent, partially due to small patient cohorts and the lack of consideration for clinical laterality onset, particularly in early PD. Fixel-based analysis (FBA) is a recent framework that offers tract-specific insights regarding white matter health, but very few FBA studies on PD exist. We present a study that reveals strengthened and weakened white matter integrity that is subject to symptom laterality in a large drug-naïve de novo PD cohort using complementary DTI and FBA measures. The findings suggest that the disease gives rise to both functional degeneration and the creation of compensatory networks in the early stage.

Abstract The hippocampus is classically divided into mesoscopic subfields which contain varying microstructure that contribute to their unique functional roles. It has been challenging to characterize this microstructure with current MR based neuroimaging techniques. In this work, we used diffusion MRI and a novel surface-based approach in the hippocampus which revealed distinct microstructural distributions of neurite density and dispersion, T1w/T2w ratio as a proxy for myelin content, fractional anisotropy, and mean diffusivity. We used the Neurite Orientation Dispersion and Density Imaging (NODDI) model optimized for gray matter diffusivity to characterize neurite density and dispersion. We found that neurite dispersion was highest in the Cornu Ammonis (CA) 1 and subiculum subfields which likely captures the large heterogeneity of tangential and radial fibers, such as the Schaffer collaterals, perforant path, and pyramidal neurons. Neurite density and T1w/T2w were highest in the subiculum and CA3 and lowest in CA1, which may reflect known myeloarchitecture differences between these subfields. Using a simple logistic regression model, we showed that neurite density, dispersion, and T1w/T2w measures provided good separability across the subfields, suggesting that they may be sensitive to the known variability in subfield cyto- and myeloarchitecture. We report macrostructural measures of gyrification, thickness, and curvature that were in line with ex vivo descriptions of hippocampal anatomy. We employed a multivariate orthogonal projective non-negative matrix factorization (OPNNMF) approach to capture co-varying regions of macro- and microstructure across the hippocampus. The clusters were highly variable along the medial-lateral (proximal-distal) direction, likely reflecting known differences in morphology, cytoarchitectonic profiles, and connectivity. Finally, we show that by examining the main direction of diffusion relative to canonical hippocampal axes, we could identify regions with stereotyped microstructural orientations that may map onto specific fiber pathways, such as the Schaffer collaterals, perforant path, fimbria, and alveus. These results highlight the value of combining in vivo diffusion MRI with computational approaches for capturing hippocampal microstructure, which may provide useful features for understanding cognition and for diagnosis of disease states.

The internal structure of the human hippocampus is challenging to map using histology or neuroimaging due to its complex archicortical folding. Here, we aimed to overcome this challenge using a unique combination of three methods. First, we leveraged a histological dataset with unprecedented 3D coverage, 3D BigBrain. Second, we imposed a computational unfolding framework that respects the topological continuity of hippocampal subfields, which are traditionally defined by laminar composition. Third, we adapted neocortical parcellation techniques to map the hippocampus with respect to not only laminar but also morphological features. Unsupervised clustering of these features revealed subdivisions that closely resemble ground-truth manual subfield segmentations. Critically, we also show that morphological features alone are sufficient to derive most hippocampal subfield boundaries. Moreover, some features showed differences within subfields along the hippocampal longitudinal axis. Our findings highlight new characteristics of internal hippocampal structure, and offer new avenues for its characterization with in-vivo neuroimaging.