There are currently no noninvasive imaging methods available for astrogliosis mapping in the brain despite its essential role in the response to many disease states. In an ex vivo human brain study we used diffusion-relaxation MRI to derive a signature of astrogliosis and disentangle it from normative brain at the individual level using machine learning. We developed a within-subject anomaly detection procedure that generates MRI-based astrogliosis maps ex vivo, which were significantly and strongly correlated with co-registered histology. Our findings demonstrated spatial sensitivity and specificity in detecting reactive astrocytes, and could significantly impact the studying of injury, disease, and aging.

Abstract We describe a practical two-dimensional (2D) diffusion MRI framework to deliver specificity and improve sensitivity to axonal injury in the spinal cord. This approach provides intravoxel distributions of correlations of water mobilities in orthogonal directions, revealing sub-voxel diffusion components. Here we use it to investigate water diffusivities along axial and radial orientations within spinal cord specimens with confirmed, tract-specific axonal injury. First, we show using transmission electron microscopy and immunohistochemistry that tract-specific axonal beading occurs following Wallerian degeneration in the cortico-spinal tract as direct sequelae to closed head injury. We demonstrate that although some voxel-averaged diffusion tensor imaging (DTI) metrics are sensitive to this axonal injury, they are non-specific, i.e., they do not reveal an underlying biophysical mechanism of injury. Then we employ 2D diffusion correlation imaging (DCI) to improve discrimination of different water microenvironments by measuring and mapping the joint water mobility distributions perpendicular and parallel to the spinal cord axis. We determine six distinct diffusion spectral components that differ according to their microscopic anisotropy and mobility. We show that at the injury site a highly anisotropic diffusion component completely disappears and instead becomes more isotropic. Based on these findings, an injury-specific MR image of the spinal cord was generated, and a radiological-pathological correlation with histological silver staining % area was performed. The resulting strong and significant correlation ( r = 0.70, p < 0.0001) indicates the high specificity with which DCI detects injury-induced tissue alterations. We predict that the ability to selectively image microstructural changes following axonal injury in the spinal cord can be useful in clinical and research applications by enabling specific detection and increased sensitivity to injury-induced microstructural alterations. These results also encourage us to translate DCI to higher spatial dimensions to enable assessment of traumatic axonal injury, and possibly other diseases and disorders in the brain.

We develop magnetic resonance (MR) methods for measuring real-time changes of tissue microstructure and membrane permeability of live and fixed neural tissue. Diffusion and exchange MR measurements are performed using the large static gradient produced by a single-sided permanent magnet. Using tissue delipidation methods, we show that water diffusion is restricted solely by lipid membranes. Most of the diffusion signal can be assigned to water in tissue which is far from membranes. The remaining 25% can be assigned to water restricted on length scales of roughly a micron or less, near or within membrane structures at the cellular, organelle, and vesicle levels. Diffusion exchange spectroscopy measures water exchanging between membrane structures and free environments at 100 s−1.

Diffusion MRI with free gradient waveforms, combined with simultaneous relaxation encoding, referred to as multidimensional MRI (MD-MRI), offers microstructural specificity in complex biological tissue. This approach delivers intravoxel information about the microstructure, local chemical composition, and importantly, how these properties are coupled within heterogeneous tissue containing multiple microenvironments. Recent theoretical advances incorporated diffusion time dependency and integrated MD-MRI with concepts from oscillating gradients. This framework probes the diffusion frequency, ω, in addition to the diffusion tensor, D, and relaxation, R1, R2, correlations. A D(ω)-R1-R2 clinical imaging protocol was then introduced, with limited brain coverage and 3 mm3 voxel size, which hinder brain segmentation and future cohort studies. In this study, we introduce an efficient, sparse in vivo MD-MRI acquisition protocol providing whole brain coverage at 2 mm3 voxel size. We demonstrate its feasibility and robustness using a well-defined phantom and repeated scans of five healthy individuals. Additionally, we test different denoising strategies to address the sparse nature of this protocol, and show that efficient MD-MRI encoding design demands a nuanced denoising approach. The MD-MRI framework provides rich information that allows resolving the diffusion frequency dependence into intravoxel components based on their D(ω)-R1-R2 distribution, enabling the creation of microstructure-specific maps in the human brain. Our results encourage the broader adoption and use of this new imaging approach for characterizing healthy and pathological tissues.

Abstract Gray matter (GM) alterations play a role in aging-related disorders like Alzheimer’s disease and related dementias, yet MRI studies mainly focus on macroscopic changes. Although reliable indicators of atrophy, morphological metrics like cortical thickness lack the sensitivity to detect early changes preceding visible atrophy. Our study aimed at exploring the potential of diffusion MRI in unveiling sensitive markers of cortical and subcortical age-related microstructural changes and assessing their associations with cognitive and behavioral deficits. We leveraged the Human Connectome Project-Aging cohort that included 707 unimpaired participants (394 female; median age = 58, range = 36–90 years) and applied the powerful mean apparent diffusion propagator model to measure microstructural parameters, along with comprehensive behavioral and cognitive test scores. Both macro- and microstructural GM characteristics were strongly associated with age, with widespread significant microstructural correlations reflective of cellular morphological changes, reduced cellular density, increased extracellular volume, and increased membrane permeability. Importantly, when correlating MRI and cognitive test scores, our findings revealed no link between macrostructural volumetric changes and neurobehavioral performance. However, we found that cellular and extracellular alterations in cortical and subcortical GM regions were associated with neurobehavioral performance. Based on these findings, it is hypothesized that increased microstructural heterogeneity and decreased neurite orientation dispersion precede macrostructural changes, and that they play an important role in subsequent cognitive decline. These alterations are suggested to be early markers of neurocognitive performance that may distinctly aid in identifying the mechanisms underlying phenotypic aging and subsequent age-related functional decline.

Despite the presence of significant Alzheimer's disease (AD) pathology, characterized by amyloid β (Aβ) plaques and phosphorylated tau (pTau) tangles, some cognitively normal elderly individuals do not inevitably develop dementia. These findings give rise to the notion of cognitive 'resilience', suggesting maintained cognitive function despite the presence of AD neuropathology, highlighting the influence of factors beyond classical pathology. Cortical astroglial inflammation, a ubiquitous feature of symptomatic AD, shows a strong correlation with cognitive impairment severity, potentially contributing to the diversity of clinical presentations. However, noninvasively imaging neuroinflammation, particularly astrogliosis, using MRI remains a significant challenge. Here we sought to address this challenge and to leverage multidimensional (MD) MRI, a powerful approach that combines relaxation with diffusion MR contrasts, to map cortical astrogliosis in the human brain by accessing sub-voxel information. Our goal was to test whether MD-MRI can map astroglial pathology in the cerebral cortex, and if so, whether it can distinguish cognitive resiliency from dementia in the presence of hallmark AD neuropathological changes. We adopted a multimodal approach by integrating histological and MRI analyses using human postmortem brain samples.

Abstract Diffusion-relaxation correlation multidimensional MRI (MD-MRI) replaces voxel-averaged diffusion tensor quantities and R 1 and R 2 relaxation rates with their multidimensional distributions, enabling the selective extraction and mapping of specific diffusion-relaxation spectral ranges that correspond to different cellular features. This approach has the potential of achieving high sensitivity and specificity in detecting subtle changes that would otherwise be averaged out. Here, the whole brain characterization of MD-MRI distributions and derived parameters is presented and the intrascanner test–retest reliability, repeatability, and reproducibility are evaluated to promote the further development of these quantities as neuroimaging biomarkers. We compared white matter tracts and cortical and subcortical gray matter regions, revealing notable variations in their diffusion-relaxation profiles, indicative of unique microscopic morphological characteristics. We found that the reliability and repeatability of MD-MRI-derived diffusion and relaxation mean parameters were comparable to values expected in conventional diffusion tensor imaging and relaxometry studies. Importantly, the estimated signal fractions of intra-voxel spectral components in the MD-MRI distribution, corresponding to white matter, gray matter, and cerebrospinal fluid, were found to be reproducible. This underscores the viability of employing a spectral analysis approach to MD-MRI data. Our results show that a clinically feasible MD-MRI protocol can reliably deliver information of the rich structural and chemical variety that exists within each imaging voxel, creating potential for new MRI biomarkers with enhanced sensitivity and specificity.

Abstract There are currently no noninvasive imaging methods available for astrogliosis mapping in the central nervous system despite its essential role in the response to injury, disease, and infection. We have developed a machine learning-based multidimensional MRI framework that provides a signature of astrogliosis, distinguishing it from normative brain at the individual level. We investigated ex vivo cortical tissue specimen derived from subjects who sustained blast induced injuries, which resulted in scar-border forming astrogliosis without being accompanied by other types of neuropathology. By performing a combined postmortem radiology and histopathology correlation study we found that astrogliosis induces microstructural changes that are robustly detected using our framework, resulting in MRI neuropathology maps that are significantly and strongly correlated with co-registered histological images of increased glial fibrillary a cidic protein deposition. The demonstrated high spatial sensitivity in detecting reactive astrocytes at the individual level has great potential to significantly impact neuroimaging studies in diseases, injury, repair, and aging.

Abstract Diffusion magnetic resonance imaging (dMRI) methods are commonly employed to infer changes in tissue microstructure. Quantities like the apparent diffusion coefficient (mADC), and the fractional anisotropy (FA), derived from diffusion tensor imaging (DTI) data, characterize voxel-averaged diffusion properties, whereas double pulse field gradient (dPFG) or double diffusion encoded (DDE) MR methods can be used to characterize heterogeneous diffusion processes occurring within the voxel. Owing to its unique modular design, our novel 3D-printed dMRI phantom exhibits both macroscopic and microscopic anisotropy and can serve to calibrate measures of them. Our phantom susceptibility is close to that of water’s, enabling fast diffusion weighted echo-planar image (DW-EPI) acquisitions to be used to scan it. 3D printed microstructures offer a new medium with which to vet and validate theoretical models of diffusion and pipelines used to estimate it. Highlights Research highlight 1: We report the design concept and fabrication of dimensionally stable, uniformly oriented blocks or modules that can be assembled into large-scale MRI phantoms. Waffle-like structures containing blocks of aligned microcapillaries can be stacked into even larger arrays to construct diameter distribution phantoms, or fractured, to create a “powder-averaged” emulsion of randomly oriented blocks. Research highlight 2: This phantom can be used to vet and calibrate various MRI methods, such as DTI, AxCaliber MRI, MAP-MRI, and various multiple pulsed field gradient (PFG) or multiple diffusion-encoded microstructure imaging methods. Graphical Abstract

Velocity detection with single pulsed gradient spin echo (PGSE) NMR is known to be limited by diffusion smearing the phase coherence and obscuring dispersive attenuation. We present an equation for the lowest detectable velocity with phase contrast velocimetry which incorporates the signal-to-noise ratio. We show how to best sample q-space when approaching this limit. We confirm that the apparent diffusion/dispersion coefficient can be used to infer fluid velocity for Peclet number Pe > 1. When measuring flow in biological systems we determined that with realistic experimental protocols the limits are roughly 1 μm/s for velocimetry and 300 μm/s for diffusometry.