Abstract Cells are not uniformly distributed in the human cerebral cortex. Rather, they are arranged in a regional and laminar fashion that span a range of scales. Here we demonstrate an innovative imaging and analysis pipeline to construct a reliable cell census across the human cerebral cortex. Magnetic resonance imaging (MRI) is used to establish a macroscopic reference coordinate system of laminar and cytoarchitectural boundaries. Cell counting is obtained with both traditional immunohistochemistry, to provide a stereological gold-standard, and with a custom-made inverted confocal light-sheet fluorescence microscope (LSFM) for 3D imaging at cellular resolution. Finally, mesoscale optical coherence tomography (OCT) enables the registration of the distorted histological cell typing obtained with LSFM to the MRI-based atlas coordinate system.

Abstract Diffusion tractography MRI can infer changes in network connectivity in patients with traumatic brain injury (TBI), but pathological substrates of disconnected tracts have not been well-defined due to a lack of high-resolution imaging with histopathological validation. We developed an ex vivo MRI protocol to analyze tract terminations at 750 μm resolution, followed by histopathologic evaluation of white matter pathology, and applied these methods to a 60-year-old man who died 26 days after TBI. Analysis of 74 cerebral hemispheric white matter regions revealed a heterogeneous distribution of tract disruptions. Associated histopathology identified variable white matter injury with patchy deposition of amyloid precursor protein and loss of neurofilament-positive axonal processes, myelin dissolution, astrogliosis, microgliosis, and perivascular hemosiderin-laden macrophages. Multiple linear regression revealed that tract disruption strongly correlated with neurofilament loss. Ex vivo diffusion MRI can detect tract disruptions in the human brain that reflect axonal injury.

Abstract Optical Coherence Tomography (OCT) is an emerging 3D imaging technique that allows quantification of intrinsic optical properties such as scattering coefficient and back-scattering coefficient, and has proved useful in distinguishing delicate microstructures in the human brain. The origins of scattering in brain tissues are contributed by the myelin content, neuron size and density primarily; however, no quantitative relationships between them have been reported, which hampers the use of OCT in fundamental studies of architectonic areas in the human brain and the pathological evaluations of diseases. To date, histology remains the golden standard, which is prone to errors and can only work on a small number of subjects. Here, we demonstrate a novel method that uses serial sectioning OCT to quantitatively measure myelin content and neuron density in the human brain. We found that the scattering coefficient possesses a strong linear relationship with the myelin content across different regions of the human brain, while the neuron density serves as a secondary contribution that only slightly modulates the overall tissue scattering.

Abstract Variations in image intensities between magnetic resonance imaging (MRI) acquisitions affect the subsequent image processing and its derived outcomes. Therefore, it is necessary to normalize images of different scanners/acquisitions, especially for longitudinal studies where a change of scanner or pulse sequence often happens. Here, we propose a robust intensity distribution alignment (RIDA) method to remove between-scan effects. The method is based on MRI T1w images acquired in close succession and robustly aligns two cumulative distribution functions (CDF) of voxel intensities to improve image-derived outcomes of a range of subcortical brain structures with different acquisition parameters. We compare RIDA with the other image harmonization methods: mica and RAVEL. We study three intra-scanner and three inter-scanner protocol variations among the same 20 participants scanned with Siemens 1.5T Avanto, 3T Skyra, and 3T Prisma scanners on the same day and use image-derived volumetric outputs from the Sequence Adaptive Multimodal Segmentation (SAMSEG) method. We find that CDF-based intensity harmonization ( mica and RIDA) significantly reduces intensity differences, improves consistency in volume quantification, and increases spatial overlap between two images acquired in close succession. The improvements are most considerable if the intensity normalization is based on subcortical structures only (RIDA), excluding cortical regions, instead of the whole brain. However, the effect of the corrections varies considerably as a function of the compared scanners and sequences. In conclusion, the RIDA scaneffect normalization improves the consistency of image-derived measures, but its performance depends on several factors.

Consciousness is comprised of arousal (i.e., wakefulness) and awareness. Substantial progress has been made in mapping the cortical networks that modulate awareness in the human brain, but knowledge about the subcortical networks that sustain arousal is lacking. We integrated data from ex vivo diffusion MRI, immunohistochemistry, and in vivo 7 Tesla functional MRI to map the connectivity of a subcortical arousal network that we postulate sustains wakefulness in the resting, conscious human brain, analogous to the cortical default mode network (DMN) that is believed to sustain self-awareness. We identified nodes of the proposed default ascending arousal network (dAAN) in the brainstem, hypothalamus, thalamus, and basal forebrain by correlating ex vivo diffusion MRI with immunohistochemistry in three human brain specimens from neurologically normal individuals scanned at 600-750 μm resolution. We performed deterministic and probabilistic tractography analyses of the diffusion MRI data to map dAAN intra-network connections and dAAN-DMN internetwork connections. Using a newly developed network-based autopsy of the human brain that integrates ex vivo MRI and histopathology, we identified projection, association, and commissural pathways linking dAAN nodes with one another and with cortical DMN nodes, providing a structural architecture for the integration of arousal and awareness in human consciousness. We release the ex vivo diffusion MRI data, corresponding immunohistochemistry data, network-based autopsy methods, and a new brainstem dAAN atlas to support efforts to map the connectivity of human consciousness.

Abstract The surface of the human cerebellar cortex is much more tightly folded than the cerebral cortex. Volumetric analysis of cerebellar morphometry in magnetic resonance imaging studies suffers from insufficient resolution, and therefore has had limited impact on disease assessment. Automatic serial polarization-sensitive optical coherence tomography (as-PSOCT) is an emerging technique that offers the advantages of microscopic resolution and volumetric reconstruction of large-scale samples. In this study, we reconstructed multiple cubic centimeters of ex vivo human cerebellum tissue using as-PSOCT. The morphometric and optical properties of the cerebellar cortex across five subjects were quantified. While the molecular and granular layers exhibited similar mean thickness in the five subjects, the thickness varied greatly between the crown of the folium and the depth of the fissure in the granular layer within subjects. Layer-specific optical property remained homogenous within individual subjects but showed higher cross-subject variability than layer thickness. High-resolution volumetric morphometry and optical property maps of human cerebellar cortex revealed by as-PSOCT have great potential to advance our understanding of cerebellar function and diseases. Highlights We reconstructed cubic centimeters of human cerebellar samples at micrometer resolution in five subjects. Thickness of the granular layer varies greatly between the crowns and depths of cerebellar fissures. Cross-subject variability is higher in optical property than cortical morphology. Our results suggest homogenous cell and myelin density in the cortical layers of human cerebellum despite the highly convoluted folding patterns.

The entorhinal cortex (EC) and perirhinal cortex (PC) are vulnerable to Alzheimer's disease. A triggering factor may be the interaction of vascular dysfunction and tau pathology.

Abstract Optical coherence tomography (OCT) images are corrupted by multiplicative generalized gamma distributed speckle noise that significantly degrades the contrast to noise ratio (CNR) of microstructural compartments in biological applications. This work proposes a novel algorithm to optimize the negative log likelihood of the spatial distribution of speckle. Specifically, the proposed method formulates a penalized negative log likelihood (P-NLL) cost function and proposes a majorize-minimize-based optimization method that removes speckle from OCT images. The optimization reduces to solving an iterative gradient descent problem. We demonstrate the usefulness of the proposed method by removing speckle in OCT images of uniform phantoms with varying scattering coefficients and human brain tissue.

Abstract While many useful microstructural indices, as well as orientation distribution functions, can be obtained from multi-shell dMRI data, there is growing interest in exploring the richer set of microstructural features that can be extracted from the full ensemble average propagator (EAP). The EAP can be readily computed from diffusion spectrum imaging (DSI) data, at the cost of a very lengthy acquisition. Compressed sensing (CS) has been used to make DSI more practical by reducing its acquisition time. CS applied to DSI (CS-DSI) attempts to reconstruct the EAP from significantly undersampled q-space data. We present a post mortem validation study where we evaluate the ability of CS-DSI to approximate not only fully sampled DSI but also multi-shell acquisitions with high fidelity. Human brain samples are imaged with high-resolution DSI at 9.4T and with polarization-sensitive optical coherence tomography (PSOCT). The latter provides direct measurements of axonal orientations at microscopic resolutions, allowing us to evaluate the mesoscopic orientation estimates obtained from diffusion MRI, in terms of their angular error and the presence of spurious peaks. We test two fast, dictionary-based, L2-regularized algorithms for CS-DSI reconstruction. We find that, for a CS acceleration factor of R=3, i.e., an acquisition with 171 gradient directions, one of these methods is able to achieve both low angular error and low number of spurious peaks. With a scan length similar to that of high angular resolution multi-shell acquisition schemes, this CS-DSI approach is able to approximate both fully sampled DSI and multi-shell data with high accuracy. Thus it is suitable for orientation reconstruction and microstructural modeling techniques that require either grid- or shell-based acquisitions. We find that the signal-to-noise ratio (SNR) of the training data used to construct the dictionary can have an impact on the accuracy of CS-DSI, but that there is substantial robustness to loss of SNR in the test data. Finally, we show that, as the CS acceleration factor increases beyond R=3, the accuracy of these reconstruction methods degrade, either in terms of the angular error, or in terms of the number of spurious peaks. Our results provide useful benchmarks for the future development of even more efficient q-space acceleration techniques.

Abstract The default mode network (DMN) mediates self-awareness and introspection, core components of human consciousness. Therapies to restore consciousness in patients with severe brain injuries have historically targeted subcortical sites in the brainstem, thalamus, hypothalamus, basal forebrain, and basal ganglia, with the goal of reactivating cortical DMN nodes. However, the subcortical connectivity of the DMN has not been fully mapped and optimal subcortical targets for therapeutic neuromodulation of consciousness have not been identified. In this work, we created a comprehensive map of DMN subcortical connectivity by combining high-resolution functional and structural datasets with advanced signal processing methods. We analyzed 7 Tesla resting-state functional MRI (rs-fMRI) data from 168 healthy volunteers acquired in the Human Connectome Project. The rs-fMRI blood-oxygen-level-dependent (BOLD) data were temporally synchronized across subjects using the BrainSync algorithm. Cortical and subcortical DMN nodes were jointly analyzed and identified at the group level by applying a novel Nadam-Accelerated SCAlable and Robust (NASCAR) tensor decomposition method to the synchronized dataset. The subcortical connectivity map was then overlaid on a 7 Tesla 100 micron ex vivo MRI dataset for neuroanatomic analysis using automated segmentation of nuclei within the brainstem, thalamus, hypothalamus, basal forebrain, and basal ganglia. We further compared the NASCAR subcortical connectivity map with its counterpart generated from canonical seed-based correlation analyses. The NASCAR method revealed that BOLD signal in the central lateral nucleus of the thalamus and ventral tegmental area of the midbrain is strongly correlated with that of the DMN. In an exploratory analysis, additional subcortical sites in the median and dorsal raphe, lateral hypothalamus, and caudate nuclei were correlated with the cortical DMN. We also found that the putamen and globus pallidus are negatively correlated (i.e., anti-correlated) with the DMN, providing rs-fMRI evidence for the mesocircuit hypothesis of human consciousness, whereby a striatopallidal feedback system modulates anterior forebrain function via disinhibition of the central thalamus. Seed-based analyses yielded similar subcortical DMN connectivity, but the NASCAR result showed stronger contrast and better spatial alignment with dopamine immunostaining data. The DMN subcortical connectivity map identified here advances understanding of the subcortical regions that contribute to human consciousness and can be used to inform the selection of therapeutic targets in clinical trials for patients with disorders of consciousness.