It is a growing concern that outcomes of neuroimaging studies often cannot be replicated. To counteract this, the magnetic resonance (MR) neuroimaging community has promoted acquisition standards and created data sharing platforms, based on a consensus on how to organize and share MR neuroimaging data. Here, we take a similar approach to positron emission tomography (PET) data. To facilitate comparison of findings across studies, we first recommend publication standards for tracer characteristics, image acquisition, image preprocessing, and outcome estimation for PET neuroimaging data. The co-authors of this paper, representing more than 25 PET centers worldwide, voted to classify information as mandatory, recommended, or optional. Second, we describe a framework to facilitate data archiving and data sharing within and across centers. Because of the high cost of PET neuroimaging studies, sample sizes tend to be small and relatively few sites worldwide have the required multidisciplinary expertise to properly conduct and analyze PET studies. Data sharing will make it easier to combine datasets from different centers to achieve larger sample sizes and stronger statistical power to test hypotheses. The combining of datasets from different centers may be enhanced by adoption of a common set of best practices in data acquisition and analysis.

Abstract T1-weighted divided by T2-weighted (T1w/T2w) myelin maps were initially developed for neuroanatomical analyses such as identifying cortical areas, but they are increasingly used in statistical comparisons across individuals and groups with other variables of interest. Existing T1w/T2w myelin maps contain radiofrequency transmit field (B1+) biases, which may be correlated with these variables of interest, leading to potentially spurious results. Here we propose two empirical methods for correcting these transmit field biases using either explicit measures of the transmit field or alternatively a ‘pseudo-transmit’ approach that is highly correlated with the transmit field at 3T. We find that the resulting corrected T1w/T2w myelin maps are both better neuroanatomical measures (e.g., for use in cross-species comparisons), and more appropriate for statistical comparisons of relative T1w/T2w differences across individuals and groups (e.g., sex, age, or body-mass-index) within a consistently acquired study at 3T. We recommend that investigators who use the T1w/T2w approach for mapping cortical myelin use these B1+ transmit field corrected myelin maps going forward.

Abstract The development of scanners with ultra-high gradients, spearheaded by the Human Connectome Project, has led to dramatic improvements in the spatial, angular, and diffusion resolution that is feasible for in vivo diffusion MRI acquisitions. The improved quality of the data can be exploited to achieve higher accuracy in the inference of both microstructural and macrostructural anatomy. However, such high-quality data can only be acquired on a handful of Connectom MRI scanners worldwide, while remaining prohibitive in clinical settings because of the constraints imposed by hardware and scanning time. In this study, we first update the classical protocols for tractography-based, manual annotation of major white-matter pathways, to adapt them to the much greater volume and variability of the streamlines that can be produced from today’s state-of-the-art diffusion MRI data. We then use these protocols to annotate 42 major pathways manually in data from a Connectom scanner. Finally, we show that, when we use these manually annotated pathways as training data for global probabilistic tractography with anatomical neighborhood priors, we can perform highly accurate, automated reconstruction of the same pathways in much lower-quality, more widely available diffusion MRI data. The outcomes of this work include both a new, comprehensive atlas of WM pathways from Connectom data, and an updated version of our tractography toolbox, TRActs Constrained by UnderLying Anatomy (TRACULA), which is trained on data from this atlas. Both the atlas and TRACULA are distributed publicly as part of FreeSurfer. We present the first comprehensive comparison of TRACULA to the more conventional, multi-region-of-interest approach to automated tractography, and the first demonstration of training TRACULA on high-quality, Connectom data to benefit studies that use more modest acquisition protocols.

Affine image registration is a cornerstone of medical-image analysis. While classical algorithms can achieve excellent accuracy, they solve a time-consuming optimization for every image pair. Deep-learning (DL) methods learn a function that maps an image pair to an output transform. Evaluating the function is fast, but capturing large transforms can be challenging, and networks tend to struggle if a test-image characteristic shifts from the training domain, such as the resolution. Most affine methods are agnostic to the anatomy the user wishes to align, meaning the registration will be inaccurate if algorithms consider all structures in the image. We address these shortcomings with SynthMorph, a fast, symmetric, diffeomorphic, and easy-to-use DL tool for joint affine-deformable registration of any brain image without preprocessing. First, we leverage a strategy that trains networks with widely varying images synthesized from label maps, yielding robust performance across acquisition specifics unseen at training. Second, we optimize the spatial overlap of select anatomical labels. This enables networks to distinguish anatomy of interest from irrelevant structures, removing the need for preprocessing that excludes content which would impinge on anatomy-specific registration. Third, we combine the affine model with a deformable hypernetwork that lets users choose the optimal deformation-field regularity for their specific data, at registration time, in a fraction of the time required by classical methods. This framework is applicable to learning anatomy-aware, acquisition-agnostic registration of any anatomy with any architecture, as long as label maps are available for training. We analyze how competing architectures learn affine transforms and compare state-of-the-art registration tools across an extremely diverse set of neuroimaging data, aiming to truly capture the behavior of methods in the real world. SynthMorph demonstrates high accuracy and is available at https://w3id.org/synthmorph, as a single complete end-to-end solution for registration of brain magnetic resonance imaging (MRI) data.

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.

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 Brain asymmetry is inherent to cognitive processing and seems to reflect processing efficiency. Lower frontal asymmetry is often observed in older adults during memory retrieval, yet it is unclear whether lower asymmetry implies an age-related increase in contralateral recruitment, whether less asymmetry reflects compensation, is limited to frontal regions, or predicts neurocognitive stability or decline. We assessed age-differences in asymmetry across the entire cerebral cortex, using fMRI data from 89 young and 76 older adults during successful retrieval, and surface-based methods that allowed direct homotopic comparison of activity between hemispheres. An extensive left-asymmetric network facilitated retrieval in both young and older adults, whereas diverse frontal and parietal regions exhibited lower asymmetry in older adults. However, lower asymmetry was not associated with age-related increases in contralateral recruitment, but primarily reflected either less deactivation in contralateral regions reliably signalling retrieval failure in the young, or lower recruitment of the dominant hemisphere—suggesting that functional deficits may drive lower asymmetry in older brains, not compensatory activity. Lower asymmetry neither predicted current memory performance, nor the extent of memory change across the preceding ∼8 years in older adults. Together, these findings are inconsistent with a compensation account for lower asymmetry during retrieval and aging.

Subcortical brain structures are integral to motion, consciousness, emotions, and learning. We identified common genetic variation related to the volumes of nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen, and thalamus, using genome-wide association analyses in over 40,000 individuals from CHARGE, ENIGMA and the UK-Biobank. We show that variability in subcortical volumes is heritable, and identify 25 significantly associated loci (20 novel). Annotation of these loci utilizing gene expression, methylation, and neuropathological data identified 62 candidate genes implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease.

Cortical surface area is an increasingly used brain morphology metric that is ontogenetically and phylogenetically distinct from cortical thickness and offers a separate index of neurodevelopment and disease. However, the various existing methods for assessment of cortical surface area from magnetic resonance images have never been systematically compared. We show that the surface area method implemented in FreeSurfer corresponds closely to the exact, but computationally more demanding, mass-conservative (pycnophylactic) method, provided that images are smoothed. Thus, the data produced by this method can be interpreted as estimates of cortical surface area, as opposed to areal expansion. In addition, focusing on the joint analysis of thickness and area, we compare an improved, analytic method for measuring cortical volume to a permutation based non-parametric combination (NPC) method. We use the methods to analyse area, thickness and volume in young adults born preterm with very low birth weight, and show that NPC analysis is a more sensitive option for studying joint effects on area and thickness, giving equal weight to variation in both of these two morphological features.

Abstract An accurate and reliable whole-brain segmentation is a key aspect of longitudinal neuroimaging studies. The ability to measure structural changes reliably is fundamental to detect confidently biological effects, especially when these affects are small. In this work, we undertake a thorough comparative analysis of reliability, bias, sensitivity to detect longitudinal change and diagnostic sensitivity to Alzheimer’s disease of two subcortical segmentation methods, Automatic Segmentation (ASEG) and Sequence Adaptive Multimodal Segmentation (SAMSEG). These are provided by the recently released version 7.1 of the open-source neuroimaging package FreeSurfer, with ASEG being the default segmentation method. First, we use a large sample of participants (n = 1629) distributed across the lifespan (age range = 4-93 years) to assess the within-session test-retest reliability in eight bilateral subcortical structures: amygdala, caudate, hippocampus, lateral ventricles, nucleus accumbens, pallidum, putamen and thalamus. We performed the analyses separately for a sub-sample scanned on a 1.5T Siemens Avanto (n = 774) and a sub-sample scanned on a 3T Siemens Skyra (n = 855). The absolute symmetrized percent differences across the lifespan indicated relatively constant reliability trajectories across age except for the younger children in the Avanto dataset for ASEG. Although both methods showed high reliability (ICC > 0.95), SAMSEG yielded significantly lower volumetric differences between repeated measures for all subcortical segmentations (p < 0.05) and higher spatial overlap in all structures except putamen, which had significantly higher spatial overlap for ASEG. Second, we tested how well each method was able to detect neuroanatomic volumetric change using longitudinal follow up scans (n = 491 for Avanto and n = 245 for Skyra; interscan interval = 1-10 years). Both methods showed excellent ability to detect longitudinal change, but yielded age-trajectories with notable differences for most structures, including the hippocampus and the amygdala. For instance, ASEG hippocampal volumes showed a steady age-decline from subjects in their twenties, while SAMSEG hippocampal volumes were stable until their sixties. Finally, we tested sensitivity of each method to clinically relevant change. We compared annual rate of hippocampal atrophy in a group of cognitively normal older adults (n = 20), patients with mild cognitive impairment (n = 20) and patients with Alzheimer’s disease (n = 20). SAMSEG was more sensitive to detect differences in atrophy between the groups, demonstrating ability to detect clinically relevant longitudinal changes. Both ASEG and SAMSEG were reliable and led to detection of within-person longitudinal change. However, SAMSEG yielded more consistent measurements between repeated scans without a lack of sensitivity to changes.