Perhaps more than any other "-omics" endeavor, the accuracy and level of detail obtained from mapping the major connection pathways in the living human brain with diffusion MRI depend on the capabilities of the imaging technology used. The current tools are remarkable; allowing the formation of an "image" of the water diffusion probability distribution in regions of complex crossing fibers at each of half a million voxels in the brain. Nonetheless our ability to map the connection pathways is limited by the image sensitivity and resolution, and also the contrast and resolution in encoding of the diffusion probability distribution. The goal of our Human Connectome Project (HCP) is to address these limiting factors by re-engineering the scanner from the ground up to optimize the high b-value, high angular resolution diffusion imaging needed for sensitive and accurate mapping of the brain's structural connections. Our efforts were directed based on the relative contributions of each scanner component. The gradient subsection was a major focus since gradient amplitude is central to determining the diffusion contrast, the amount of T2 signal loss, and the blurring of the water PDF over the course of the diffusion time. By implementing a novel 4-port drive geometry and optimizing size and linearity for the brain, we demonstrate a whole-body sized scanner with Gmax = 300 mT/m on each axis capable of the sustained duty cycle needed for diffusion imaging. The system is capable of slewing the gradient at a rate of 200 T/m/s as needed for the EPI image encoding. In order to enhance the efficiency of the diffusion sequence we implemented a FOV shifting approach to Simultaneous MultiSlice (SMS) EPI capable of unaliasing 3 slices excited simultaneously with a modest g-factor penalty allowing us to diffusion encode whole brain volumes with low TR and TE. Finally we combine the multi-slice approach with a compressive sampling reconstruction to sufficiently undersample q-space to achieve a DSI scan in less than 5 min. To augment this accelerated imaging approach we developed a 64-channel, tight-fitting brain array coil and show its performance benefit compared to a commercial 32-channel coil at all locations in the brain for these accelerated acquisitions. The technical challenges of developing the over-all system are discussed as well as results from SNR comparisons, ODF metrics and fiber tracking comparisons. The ultra-high gradients yielded substantial and immediate gains in the sensitivity through reduction of TE and improved signal detection and increased efficiency of the DSI or HARDI acquisition, accuracy and resolution of diffusion tractography, as defined by identification of known structure and fiber crossing.

Imaging biomarkers derived from magnetic resonance imaging (MRI) data are used to quantify normal development, disease, and the effects of disease-modifying therapies. However, motion during image acquisition introduces image artifacts that, in turn, affect derived markers. A systematic effect can be problematic since factors of interest like age, disease, and treatment are often correlated with both a structural change and the amount of head motion in the scanner, confounding the ability to distinguish biology from artifact. Here we evaluate the effect of head motion during image acquisition on morphometric estimates of structures in the human brain using several popular image analysis software packages (FreeSurfer 5.3, VBM8 SPM, and FSL Siena 5.0.7). Within-session repeated T1-weighted MRIs were collected on 12 healthy volunteers while performing different motion tasks, including two still scans. We show that volume and thickness estimates of the cortical gray matter are biased by head motion with an average apparent volume loss of roughly 0.7%/mm/min of subject motion. Effects vary across regions and remain significant after excluding scans that fail a rigorous quality check. In view of these results, the interpretation of reported morphometric effects of movement disorders or other conditions with increased motion tendency may need to be revisited: effects may be overestimated when not controlling for head motion. Furthermore, drug studies with hypnotic, sedative, tranquilizing, or neuromuscular-blocking substances may contain spurious “effects” of reduced atrophy or brain growth simply because they affect motion distinct from true effects of the disease or therapeutic process.

The Human Connectome Projects in Development (HCP-D) and Aging (HCP-A) are two large-scale brain imaging studies that will extend the recently completed HCP Young-Adult (HCP-YA) project to nearly the full lifespan, collecting structural, resting-state fMRI, task-fMRI, diffusion, and perfusion MRI in participants from 5 to 100+ years of age. HCP-D is enrolling 1300+ healthy children, adolescents, and young adults (ages 5–21), and HCP-A is enrolling 1200+ healthy adults (ages 36–100+), with each study collecting longitudinal data in a subset of individuals at particular age ranges. The imaging protocols of the HCP-D and HCP-A studies are very similar, differing primarily in the selection of different task-fMRI paradigms. We strove to harmonize the imaging protocol to the greatest extent feasible with the completed HCP-YA (1200+ participants, aged 22–35), but some imaging-related changes were motivated or necessitated by hardware changes, the need to reduce the total amount of scanning per participant, and/or the additional challenges of working with young and elderly populations. Here, we provide an overview of the common HCP-D/A imaging protocol including data and rationales for protocol decisions and changes relative to HCP-YA. The result will be a large, rich, multi-modal, and freely available set of consistently acquired data for use by the scientific community to investigate and define normative developmental and aging related changes in the healthy human brain.

We introduce a novel method of prospectively compensating for subject motion in neuroanatomical imaging. Short three-dimensional echo-planar imaging volumetric navigators are embedded in a long three-dimensional sequence, and the resulting image volumes are registered to provide an estimate of the subject's location in the scanner at a cost of less than 500 ms, ~ 1% change in contrast, and ~3% change in intensity. This time fits well into the existing gaps in sequences routinely used for neuroimaging, thus giving a motion-corrected sequence with no extra time required. We also demonstrate motion-driven selective reacquisition of k-space to further compensate for subject motion. We perform multiple validation experiments to evaluate accuracy, navigator impact on tissue intensity/contrast, and the improvement in final output. The complete system operates without adding additional hardware to the scanner and requires no external calibration, making it suitable for high-throughput environments.

Data quality is increasingly recognized as one of the most important confounding factors in brain imaging research. It is particularly important for studies of brain development, where age is systematically related to in-scanner motion and data quality. Prior work has demonstrated that in-scanner head motion biases estimates of structural neuroimaging measures. However, objective measures of data quality are not available for most structural brain images. Here we sought to identify quantitative measures of data quality for T1-weighted volumes, describe how these measures relate to cortical thickness, and delineate how this in turn may bias inference regarding associations with age in youth. Three highly-trained raters provided manual ratings of 1840 raw T1-weighted volumes. These images included a training set of 1065 images from Philadelphia Neurodevelopmental Cohort (PNC), a test set of 533 images from the PNC, as well as an external test set of 242 adults acquired on a different scanner. Manual ratings were compared to automated quality measures provided by the Preprocessed Connectomes Project's Quality Assurance Protocol (QAP), as well as FreeSurfer's Euler number, which summarizes the topological complexity of the reconstructed cortical surface. Results revealed that the Euler number was consistently correlated with manual ratings across samples. Furthermore, the Euler number could be used to identify images scored “unusable” by human raters with a high degree of accuracy (AUC: 0.98–0.99), and out-performed proxy measures from functional timeseries acquired in the same scanning session. The Euler number also was significantly related to cortical thickness in a regionally heterogeneous pattern that was consistent across datasets and replicated prior results. Finally, data quality both inflated and obscured associations with age during adolescence. Taken together, these results indicate that reliable measures of data quality can be automatically derived from T1-weighted volumes, and that failing to control for data quality can systematically bias the results of studies of brain maturation.

The engineering of a 3 T human MRI scanner equipped with 300 mT/m gradients – the strongest gradients ever built for an in vivo human MRI scanner – was a major component of the NIH Blueprint Human Connectome Project (HCP). This effort was motivated by the HCP's goal of mapping, as completely as possible, the macroscopic structural connections of the in vivo healthy, adult human brain using diffusion tractography. Yet, the 300 mT/m gradient system is well suited to many additional types of diffusion measurements. Here, we present three initial applications of the 300 mT/m gradients that fall outside the immediate scope of the HCP. These include: 1) diffusion tractography to study the anatomy of consciousness and the mechanisms of brain recovery following traumatic coma; 2) q-space measurements of axon diameter distributions in the in vivo human brain and 3) postmortem diffusion tractography as an adjunct to standard histopathological analysis. We show that the improved sensitivity and diffusion-resolution provided by the gradients are rapidly enabling human applications of techniques that were previously possible only for in vitro and animal models on small-bore scanners, thereby creating novel opportunities to map the microstructure of the human brain in health and disease.

ABSTRACT Arterial spin labeled (ASL) magnetic resonance imaging (MRI) is the primary method for non-invasively measuring regional brain perfusion in humans. We introduce ASLPrep, a suite of software pipelines that ensure the reproducible and generalizable processing of ASL MRI data.

ABSTRACT Correcting head motion artifacts in diffusion-weighted MRI (dMRI) scans is particularly challenging due to the dramatic changes in image contrast at different gradient strengths and directions. Head motion correction is typically performed using a Gaussian Process model implemented in FSL’s Eddy. Recently, the 3dSHORE-based SHORELine method was introduced to correct any dMRI sequence that has more than one shell. Here we perform a comprehensive evaluation of both methods on realistic simulations of a software fiber phantom that provides known ground-truth head motion. We demonstrate that both methods perform remarkably well, but that performance can be impacted by sampling scheme, the pervasiveness of head motion, and the denoising strategy applied before head motion correction. Our study also provides an open and fully-reproducible workflow that could be used to accelerate evaluation studies of other dMRI processing methods in the future. HIGHLIGHTS Both Eddy and SHORELine head motion correction methods performed quite well on a large variety of simulated data Denoising with MP-PCA can improve head motion correction performance when Eddy is used SHORELine effectively corrects motion in non-shelled acquisitions

Abstract Human childhood is characterized by dramatic changes in the mind and brain. However, little is known about the large-scale intrinsic cortical network changes that occur during childhood due to methodological challenges in scanning young children. Here, we overcome this barrier by using sophisticated acquisition and analysis tools to investigate functional network development in children between the ages of 4 and 10 years ( n = 92). At multiple spatial scales, age is positively associated with brain network segregation. At the system level, age was associated with segregation of systems involved in attention from those involved in abstract cognition, and with integration among attentional and perceptual systems. Associations between age and functional connectivity are most pronounced in visual and medial prefrontal cortex, the two ends of a gradient from perceptual, externally oriented cortex to abstract, internally oriented cortex. These findings suggest that both ends of the sensory-association gradient may develop early, in contrast to the classical theories that cortical maturation proceeds from back to front, with sensory areas developing first and association areas developing last. More mature patterns of brain network architecture, controlling for age, were associated with better visuospatial reasoning abilities. Our results suggest that as cortical architecture becomes more specialized, children become more able to reason about the world and their place in it. Significance Anthropologists have called the transition from early to middle childhood the “age of reason”, when children across cultures become more independent. We employ cutting-edge neuroimaging acquisition and analysis approaches to investigate associations between age and functional brain architecture in childhood. Age was positively associated with segregation between cortical systems that process the external world, and those that process abstract phenomena like the past, future, and minds of others. Surprisingly, we observed pronounced development at both ends of the sensory-association gradient, challenging the theory that sensory areas develop first and association areas develop last. Our results open new directions for research into how brains reorganize to support rapid gains in cognitive and socioemotional skills as children reach the age of reason.

ABSTRACT To support brain development during youth, the brain must balance energy delivery and consumption. Previous studies in adults have demonstrated high coupling between cerebral blood flow and brain function as measured using functional neuroimaging, but how this relationship evolves over adolescence is unknown. To address this gap, we studied a sample of 831 children and adolescents (478 females, ages 8-22) from the Philadelphia Neurodevelopmental Cohort who were scanned at 3T with both arterial spin labeled (ASL) MRI and resting-state functional MRI (fMRI). Local coupling between cerebral blood flow (CBF, from ASL) and the amplitude of low frequency fluctuations (ALFF, from fMRI) was first quantified using locally weighted regressions on the cortical surface. We then used generalized additive models to evaluate how CBF-ALFF coupling was associated with age, sex, and executive function. Enrichment of effects within canonical functional networks was evaluated using spin-based permutation tests. Our analyses revealed tight CBF-ALFF coupling across the brain. Whole-brain CBF-ALFF coupling decreased with age, largely driven by coupling decreases in the inferior frontal cortex, precuneus, visual cortex, and temporoparietal cortex ( p fdr <0.05). Females had stronger coupling in the frontoparietal network than males ( p fdr <0.05). Better executive function was associated with decreased coupling in the somatomotor network ( p fdr <0.05). Overall, we found that CBF-ALFF coupling evolves in development, differs by sex, and is associated with individual differences in executive function. Future studies will investigate relationships between maturational changes in CBF-ALFF coupling and the presence of psychiatric symptoms in youth. SIGNIFICANCE The functions of the human brain are metabolically expensive and reliant on coupling between cerebral blood flow and neural activity. Previous neuroimaging studies in adults demonstrate tight physiology-function coupling, but how this coupling evolves over development is unknown. Here, we examine the relationship between blood flow as measured by arterial spin labeling and the amplitude of low frequency fluctuations from resting-state magnetic resonance imaging across a large sample of youth. We demonstrate regionally specific changes in coupling over age and show that variations in coupling are related to biological sex and executive function. Our results highlight the importance of CBF-ALFF coupling throughout development; we discuss its potential as a future target for the study of neuropsychiatric diseases.