The human brain atlases that allow correlating brain anatomy with psychological and cognitive functions are in transition from ex vivo histology-based printed atlases to digital brain maps providing multimodal in vivo information. Many current human brain atlases cover only specific structures, lack fine-grained parcellations, and fail to provide functionally important connectivity information. Using noninvasive multimodal neuroimaging techniques, we designed a connectivity-based parcellation framework that identifies the subdivisions of the entire human brain, revealing the in vivo connectivity architecture. The resulting human Brainnetome Atlas, with 210 cortical and 36 subcortical subregions, provides a fine-grained, cross-validated atlas and contains information on both anatomical and functional connections. Additionally, we further mapped the delineated structures to mental processes by reference to the BrainMap database. It thus provides an objective and stable starting point from which to explore the complex relationships between structure, connectivity, and function, and eventually improves understanding of how the human brain works. The human Brainnetome Atlas will be made freely available for download at http://atlas.brainnetome.org, so that whole brain parcellations, connections, and functional data will be readily available for researchers to use in their investigations into healthy and pathological states.

The superior frontal gyrus (SFG) is located at the superior part of the prefrontal cortex and is involved in a variety of functions, suggesting the existence of functional subregions. However, parcellation schemes of the human SFG and the connection patterns of each subregion remain unclear. We firstly parcellated the human SFG into the anteromedial (SFGam), dorsolateral (SFGdl), and posterior (SFGp) subregions based on diffusion tensor tractography . The SFGam was anatomically connected with the anterior and mid-cingulate cortices, which are critical nodes of the cognitive control network and the default mode network (DMN). The SFGdl was connected with the middle and inferior frontal gyri , which are involved in the cognitive execution network. The SFGp was connected with the precentral gyrus, caudate, thalamus , and frontal operculum, which are nodes of the motor control network. Resting-state functional connectivity analysis further revealed that the SFGam was mainly correlated with the cognitive control network and the DMN; the SFGdl was correlated with the cognitive execution network and the DMN; and the SFGp was correlated with the sensorimotor-related brain regions. The SFGam and SFGdl were further parcellated into three and two subclusters that are well corresponding to Brodmann areas . These findings suggest that the human SFG consists of multiple dissociable subregions that have distinct connection patterns and that these subregions are involved in different functional networks and serve different functions. These results may improve our understanding on the functional complexity of the SFG and provide us an approach to investigate the SFG at the subregional level. • The human SFG is parcellated into three subregions based on DTT. • The SFGam connected with the cognitive control and default mode networks. • The SFGdl was connected with the cognitive execution network. • The SFGp was connected with the motor control network.

Abstract Brain atlas is an important tool in the diagnosis and treatment of neurological disorders. However, due to large variations in the organizational principles of individual brains, many challenges remain in clinical applications. Brain atlas individualization network (BAI-Net) is an algorithm that subdivides individual cerebral cortex into segregated areas using brain morphology and connectomes. BAI-Net integrates topological priors derived from a group atlas, adjusts the areal probability using the connectivity context derived from diffusion tractography, and provides reliable and explainable individualized brain parcels across multiple sessions and scanners. We demonstrate that BAI-Net outperforms the conventional iterative clustering approach by capturing significantly heritable topographic variations in individualized cartographies. The topographic variability of BAI-Net cartographies shows strong associations with individual variability in brain morphology, connectivity fingerprints and cognitive behaviors. This study provides a new framework for individualized brain cartography and paves the way of atlas-based precision medicine in clinical practice.

Abstract The rhesus macaque ( Macaca mulatta ) is a crucial experimental animal that shares many genetic, brain organizational, and behavioral characteristics with humans. A macaque brain atlas that identifies anatomically and functionally distinct regions is fundamental to biomedical and evolutionary research. However, even though connectivity information is vital for understanding brain functions, a connectivity-based whole-brain atlas of the macaque has not previously been made. In this study, we created a new whole-brain map, the Macaque Brainnetome Atlas (MacBNA), based on the anatomical connectivity profiles provided by high angular and spatial resolution ex vivo diffusion MRI data. The new atlas consists of 248 cortical and 56 subcortical regions as well as their structural and functional connections. The parcellation and the diffusion-based tractography were comprehensively evaluated with multi-contrast MRI, invasive neuronal-tracing, and Nissl-stained images collected from a single subject and with open-access datasets from other cohorts. As a demonstrative application, the structural connectivity divergence between macaque and human brains was mapped using the Brainnetome atlases of those two species to uncover the genetic underpinnings of the evolutionary changes in brain structure. The resulting resource includes (1) the thoroughly delineated Macaque Brainnetome Atlas (MacBNA), (2) regional connectivity profiles, (3) the postmortem high resolution macaque diffusion and T2-weighted MRI dataset (Brainnetome-8), and (4) multi-contrast MRI, block-face, and section images collected from a single macaque. MacBNA can serve as a common reference frame for mapping multifaceted features across modalities and spatial scales and for integrative investigation and characterization of brain organization and function. Therefore, it will enrich the collaborative resource platform for nonhuman primates and facilitate translational and comparative neuroscience research.

Abstract The inferior parietal lobule (IPL) is one of the most expanded cortical regions in humans relative to other primates. It is also among the most structurally and functionally asymmetric regions in the human cerebral cortex. Whether the structural and connectional asymmetries of IPL subdivisions differ across primate species and how this relates to functional asymmetries remain unclear. We identified IPL subregions that exhibited positive allometric in both hemispheres, scaling across rhesus macaque monkeys, chimpanzees, and humans. The patterns of IPL subregions asymmetry were similar in chimpanzees and humans, but no IPL asymmetries were evident in macaques. Among the comparative sample of primates, humans showed the most widespread asymmetric connections in the frontal, parietal, and temporal cortices, constituting leftward asymmetric networks that may provide an anatomical basis for language and tool use. Unique human asymmetric connectivity between the IPL and primary motor cortex might be related to handedness. These findings suggest that structural and connectional asymmetries may underlie hemispheric specialization of the human brain.

Abstract Disentangling evolution mysteries of human brain has always been an imperative endeavor in neuroscience. On the one hand, by spatially aligning the brains between human and nonhuman primates (NHPs), previous efforts in comparative studies revealed both correspondence and difference in brain anatomy, e.g., the morphological and the connectomic patterns. On the other hand, brain anatomical development along the temporal axis is evident for both human and NHPs in early life. However, it remains largely unknown whether we can conjugate the brain development phases between human and NHPs, and, especially, what the role played by the brain anatomy in the conjugation will be. Here, we proposed to embed the brain anatomy of human and macaque in the chronological axis for enabling the cross-species comparison on brain development. Specifically, we separately established the prediction models by using the brain anatomical features in gray matter and white matter tracts to predict the chronological age in the human and macaque samples with brain development. We observed that applying the trained models within-species could well predict the chronological age. Interestingly, by conducting the cross-species application of the trained models, e.g., applying the model trained in humans to the data of macaques, we found a significant cross-species imbalance regarding to the model performance, in which the model trained in macaque showed a higher accuracy in predicting the chronological age of human than the model trained in human in predicting the chronological age of macaque. The cross application of the trained model introduced the brain cross-species age gap (BCAP) as an individual index to quantify the cross-species discrepancy along the temporal axis of brain development for each participant. We further showed that BCAP was associated with the behavioral performance in both visual sensitivity test and picture vocabulary test in the human samples. Taken together, our study situated the cross-species brain development along the chronological axis, which highlighted the disproportionately anatomical development in the human brain to extend our understanding of the potential evolutionary effects.

Recent efforts to chart human brain growth across the lifespan using large-scale MRI data have provided reference standards for human brain development. However, similar models for nonhuman primate (NHP) growth are lacking. The rhesus macaque, a widely used NHP in translational neuroscience due to its similarities in brain anatomy, phylogenetics, cognitive, and social behaviors to humans, serves as an ideal NHP model. This study aimed to create normative growth charts for brain structure across the macaque lifespan, enhancing our understanding of neurodevelopment and aging, and facilitating cross-species translational research. Leveraging data from the PRIMatE Data Exchange (PRIME-DE) and other sources, we aggregated 1,522 MRI scans from 1,024 rhesus macaques. We mapped non-linear developmental trajectories for global and regional brain structural changes in volume, cortical thickness, and surface area over the lifespan. Our findings provided normative charts with centile scores for macaque brain structures and revealed key developmental milestones from prenatal stages to aging, highlighting both species-specific and comparable brain maturation patterns between macaques and humans. The charts offer a valuable resource for future NHP studies, particularly those with small sample sizes. Furthermore, the interactive open resource (https://interspeciesmap.childmind.org) supports cross-species comparisons to advance translational neuroscience research.

Brain network parcellation based on resting-state functional MRI (rs-fMRI) is affected by noise, resulting in spurious small patches and decreased functional homogeneity within each network. Robust and homogeneous parcellation of neonate brain is more difficult with neonate rs-fMRI associated with higher level of noise and no functional atlas as spatial constraints. To meet these challenges, we developed a novel data-driven Regularized Normalized-cut (RNcut) method. RNcut is formulated by adding two regularization terms, a smoothing term using Markov random fields and a small-patch removal term, to conventional normalized-cut (Ncut) method. The RNcut and competing methods were tested with simulated datasets with known ground truth and then applied to both adult and neonate rs-fMRI datasets. Based on the parcellated networks generated by RNcut, intra-network connectivity was quantified. The test results from simulated datasets demonstrated that the RNcut method is more robust (p<0.01) to noise and can delineate parcellated functional networks with significantly better (p<0.01) spatial contiguity and significantly higher (p<0.01) functional homogeneity than competing methods. Application of RNcut to neonate and adult rs-fMRI dataset revealed distinctive functional brain organization of neonate brains from that of adult brains. Collectively, we developed a novel data-driven RNcut method by integrating conventional Ncut with two regularization terms, generating robust and homogeneous functional parcellation without imposing spatial constraints. A broad range of brain network applications and analyses, especially exploratory investigations of parcellating neonate and infant brain with noisy dataset, can potentially benefit from this RNcut method.