Abstract Purpose Owing to the high cost of modern MRI systems, their use in clinical care and neurodevelopmental research is limited to hospitals and universities in high income countries. Ultra-low-field systems with significantly lower scanning costs bear the potential for global adoption, however their reduced SNR compared to 1.5 or 3T systems limits their applicability for research and clinical use. Methods In this paper, we describe a deep-learning based super-resolution approach to generate high-resolution isotropic T 2 -weighted scans from low-resolution inputs. We train a ‘multi-orientation U-Net’, which uses multiple low-resolution anisotropic images acquired in orthogonal orientations to construct a super-resolved output. Results Our approach exhibits improved quality of outputs compared to current state-of-the-art methods for super-resolution of ultra-low-field scans in paediatric populations. The average correlation value between volume estimates from high-field scans and super-resolved outputs rises to 0.77 using our method, compared to 0.71 using earlier techniques. Conclusion Our research serves as proof-of-principle of the viability of training deep-learning based super-resolution models for use in neurodevelopmental research and presents the first U-Net trained exclusively on paired ultra-low-field and high-field data from infants.

Magnetic resonance imaging (MRI) enables non-invasive monitoring of healthy brain development and disease. Widely used higher field (>1.5 T) MRI systems are associated with high energy and infrastructure requirements, and high costs. Recent ultra-low-field (<0.1T) systems provide a more accessible and cost-effective alternative. However, it is not known whether anatomical ultra-low-field neuroimaging can be used to extract quantitative measures of brain morphometry, and to what extent such measures correspond to high-field MRI. Here we scanned 23 healthy adults aged 20-69 years on two identical 64 mT systems and a 3 T system, using T 1 w and T 2 w scans across a range of (64 mT) resolutions. We segmented brain images into 4 global tissue types and 98 local structures, and systematically evaluated between-scanner reliability of 64 mT morphometry and correspondence to 3 T measurements, using correlations of tissue volume and Dice spatial overlap of segmentations. We report high 64 mT reliability and correspondence to 3 T across 64 mT scan contrasts and resolutions, with highest performance shown by combining three T 2 w scans with low through-plane resolution into a single higher-resolution scan using multi-resolution registration. Larger structures show higher 64 mT reliability and correspondence to 3 T. Finally, we showcase the potential of ultra-low-field MRI for mapping neuroanatomical changes across the lifespan, and monitoring brain structures relevant to neurological disorders. Raw images and code are publicly available ( upon publication ), enabling systematic validation of pre-processing and analysis approaches for ultra-low-field neuroimaging.

Measures of physical growth, such as weight and height have long been the predominant outcomes for monitoring child health and evaluating interventional outcomes in public health studies, including those that may impact neurodevelopment. While physical growth generally reflects overall health and nutritional status, it lacks sensitivity and specificity to brain growth and developing cognitive skills and abilities. Psychometric tools, e.g., the Bayley Scales of Infant and Toddler Development, may afford more direct assessment of cognitive development but they require language translation, cultural adaptation, and population norming. Further, they are not always reliable predictors of future outcomes when assessed within the first 12-18 months of a child's life. Neuroimaging may provide more objective, sensitive, and predictive measures of neurodevelopment but tools such as magnetic resonance (MR) imaging are not readily available in many low and middle-income countries (LMICs). MRI systems that operate at lower magnetic fields (< 100mT) may offer increased accessibility, but their use for global health studies remains nascent. The UNITY project is envisaged as a global partnership to advance neuroimaging in global health studies. Here we describe the UNITY project, its goals, methods, operating procedures, and expected outcomes in characterizing neurodevelopment in sub-Saharan Africa and South Asia.