Abstract We present NOMIS ( https://github.com/medicslab/NOMIS ), a comprehensive open MRI tool to assess morphometric deviation from normality in the adult human brain. Based on MR anatomical images from 6,909 cognitively healthy individuals aged 18-100 years, we modeled 1,344 measures computed using the open access FreeSurfer pipeline, considering account personal characteristics (age, sex, intracranial volume) and image quality (resolution, contrast-to-noise ratio and surface reconstruction defect holes), and providing expected values for any new individual. Then, for each measure, the NOMIS tool was built to generate Z-score effect sizes denoting the extent of deviation from the normative sample. Depending on the user need, NOMIS offers four versions of Z-score adjusted on different sets of variables. While all versions consider head size and image quality, they can also incorporate age and/or sex, thereby facilitating multi-site neuromorphometric research across adulthood.

Abstract Introduction White matter hyperintensities (WMHs) are common magnetic resonance imaging (MRI) findings in the aging population in general, as well as in patients with neurodegenerative diseases. They are known to exacerbate the cognitive deficits and worsen the clinical outcomes in the patients. However, it is not well-understood whether there are disease-specific differences in prevalence and distribution of WMHs in different neurodegenerative disorders. Methods Data included 976 participants with cross-sectional T1-weighted and fluid attenuated inversion recovery (FLAIR) MRIs from the Comprehensive Assessment of Neurodegeneration and Dementia (COMPASS-ND) cohort of the Canadian Consortium on Neurodegeneration in Aging (CCNA) with eleven distinct diagnostic groups: cognitively intact elderly (CIE), subjective cognitive impairment (SCI), mild cognitive impairment (MCI), vascular MCI (V-MCI), Alzheimer’s dementia (AD), vascular AD (V-AD), frontotemporal dementia (FTD), Lewy body dementia (LBD), cognitively intact elderly with Parkinson’s disease (PD-CIE), cognitively impaired Parkinson’s disease (PD-CI), and mixed dementias. WMHs were segmented using a previously validated automated technique. WMH volumes in each lobe and hemisphere were compared against matched CIE individuals, as well as each other, and between men and women. Results All cognitively impaired diagnostic groups had significantly greater overall WMH volumes than the CIE group. Vascular groups (i.e. V-MCI, V-AD, and mixed dementia) had significantly greater WMH volumes than all other groups, except for FTD, which also had significantly greater WMH volumes than all non-vascular groups. Women tended to have lower WMH burden than men in most groups and regions, controlling for age. The left frontal lobe tended to have a lower WMH burden than the right in all groups. In contrast, the right occipital lobe tended to have greater WMH loads than the left. Conclusions There were distinct differences in WMH prevalence and distribution across diagnostic groups, sexes, and in terms of asymmetry. WMH burden was significantly greater in all neurodegenerative dementia groups, likely encompassing areas exclusively impacted by neurodegeneration as well as areas related to cerebrovascular disease pathology.

Abstract Introduction Volumetric estimates of subcortical and cortical structures, extracted from T1-weighted MRIs, are widely used in many clinical and research applications. Here, we investigate the impact of the presence of white matter hyperintensities (WMHs) on FreeSurfer grey matter (GM) structure volumes and its possible bias on functional relationships. Methods T1-weighted images from 1077 participants (4321 timepoints) from the Alzheimer’s Disease Neuroimaging Initiative were processed with FreeSurfer version 6.0.0. WMHs were segmented using a previously validated algorithm on either T2-weighted or Fluid-attenuated inversion recovery (FLAIR) images. Mixed effects models were used to assess the relationships between overlapping WMHs and GM structure volumes and overal WMH burden, as well as to investigate whether such overlaps impact associations with age, diagnosis, and cognitive performance. Results Participants with higher WMH volumes had higher overalps with GM volumes of bilateral caudate, cerebral cortex, putamen, thalamus, pallidum, and accumbens areas (P < 0.0001). When not corrected for WMHs, caudate volumes increased with age (P < 0.0001) and were not different between cognitively healthy individuals and age-matched probable Alzheimer’s disease patients. After correcting for WMHs, caudate volumes decreased with age (P < 0.0001), and Alzheimer’s disease patients had lower caudate volumes than cognitively healthy individuals (P < 0.01). Uncorrected caudate volume was not associated with ADAS13 scores, whereas corrected lower caudate volumes were significantly associated with poorer cognitive performance (P < 0.0001). Conclusions Presence of WMHs leads to systematic inaccuracies in GM segmentations, particularly for the caudate, which can also change clinical associations. While specifically measured for the Freesurfer toolkit, this problem likely affects other algorithms.

Abstract Introduction Cerebral microbleeds are small perivascular haemorrhages that can occur in both grey and white matter brain regions. Microbleeds are a marker of cerebrovascular pathology, and are associated with an increased risk of cognitive decline and dementia. Microbleeds can be identified and manually segmented by expert radiologists and neurologists, usually from susceptibility-contrast MRI. The latter is hard to harmonize across scanners, while manual segmentation is laborious, time-consuming, and subject to inter- and intra-rater variabiltiy. Automated techniques so far have shown high accuracy at a neighborhood (“patch”) level at the expense of a high number of false positives voxel-wise lesions. We aimed to develop an automated, more precise microbleeds segmentation tool able to use standardizable MRI contrasts. Methods We first trained a ResNet50 network on another MRI segmentations task (cerberospinal fluid versus background segmentation) using T1-weighted, T2-weighted, and T2* MRI. We then used transfer learning to train the network for the detection of microbleeds with the same contrasts. As a final step, we employed a combination of morphological operators and rules at the local lesion level to remove false positives. Manual segmentations of microbleeds from 78 participants were used to train and validate the system. We assessed the impact of patch size, freezing weights of the initial layers, mini-batch size, learning rate, as well as data augmentation on the performance of the Microbleed ResNet50 network. Results The proposed method achieved a high performance, with a patch-level sensitivity, specificity, and accuracy of 99.57%, 99.16%, and 99.93%, respectively. At a per lesion level, sensitivity, precision, and Dice similarity index values were 89.1%, 20.1%, and 0.28 for cortical GM; 100%, 100%, and 1.0 for deep GM; and 91.1%, 44.3%, and 0.58 for WM, respectively. Discussion The proposed microbleed segmentation method is more suitable for the automated detection of microbleeds with high sensitivity.

Abstract Alzheimer’s disease is a complex, multi-factorial and multi-parametric neurodegenerative etiology. Mathematical models can help understand such a complex problem by providing a way to explore and conceptualize principles, merging biological knowledge with experimental data into a model amenable to simulation and external validation, all without the need for extensive clinical trials. We performed a scoping review of mathematical models of AD with a search strategy applied to the PubMed database which yielded 846 entries. After applying our exclusion criteria, only 17 studies remained from which we extracted data, focusing on three aspects of mathematical modeling: how authors addressed continuous time, how models were solved, and how the high dimensionality and non-linearity of models were managed. Most articles modeled AD at the cellular range of the disease process, operating on a short time scale (e.g., minutes; hours), i.e., the micro view (12/17); the rest considered regional or brain-level processes, with longer timescales (e.g., years, decades) (the macro view). Most papers were concerned primarily with Aβ ( n = 8), few modeled with both Aβ and tau proteins ( n = 3), and some considered more than these two factors in the model ( n = 6). Models used partial differential equations ( PDEs ; n = 3), ordinary differential equations ( ODEs ; n = 7), both PDEs and ODEs ( n = 3). Some didn’t specify the mathematical formalism ( n = 4). Sensitivity analyses were performed in only a small number of papers (4/17). Overall, we found that only two studies could be considered valid in terms of parameters and conclusions, and two more were partially valid. The majority ( n = 13) either was invalid or there was insufficient information to ascertain their status. While mathematical models are powerful and useful tools for the study of AD, closer attention to reporting is necessary to gauge the quality of published studies to replicate or continue with their contributions.

MRI-histology correlation studies of the ex vivo brain mostly employ fresh, extracted (ex situ) specimens, aldehyde fixed by immersion. This method entails manipulation of the fresh brain during extraction, introducing several disadvantages: deformation of the specimen prior to MRI acquisition; introduction of air bubbles in the sulci, creating artifacts; and uneven or poor fixation of the deeper regions of the brain. We propose a new paradigm to scan the ex vivo brain, exploiting a technique used by anatomists: fixation by whole body perfusion, which implies fixation of the brain in situ. This allows scanning the brain surrounded by fluids, meninges, and skull, thus preserving the structural relationships of the brain in vivo and avoiding the disadvantages of ex situ scanning. Our aims were: 1) to assess whether months of in situ fixation resulted in a loss of fluid around the brain; 2) to evaluate whether in situ fixation modified antigenicity for myelin and neuron specific marker; 3) to assess whether in situ fixation improved the register of ex vivo brain images to standard neuroanatomical templates in pseudo-Talairach space for morphometry studies. Five head specimens fixed with a saturated sodium chloride solution (a non-standard fixative used in our anatomy laboratory for neurosurgical simulation) were employed. We acquired 3D T1-weighted (MPRAGE), 2D fluid-attenuated inversion recovery T2-weighted turbo spin echo (T2w-FLAIR), and 3D gradient-echo (3D-GRE) pulse sequences of all brains on a 1.5T MRI. After brain extraction, sections were processed for binding with myelin basic protein (MBP) and neuronal nuclei (NeuN) primary antibodies by immunofluorescence. This study showed that all but one specimen retained fluids in the subarachnoid and ventricular spaces. The specimen that lost fluid was the oldest one, with the longest interval between the time of death and the MRI scanning day being 403 days. All T1-weighted images were successfully processed through a validated pipeline used with in vivo MRIs. The pipeline did not require any modification to run on the ex vivo-in situ scans. All scans were successfully registered to the brain template, more accurately than an ex vivo-ex situ scan and exhibited positive antigenicity for MBP and NeuN. MRI and histology study of the ex vivo-in situ brain fixed by perfusion is feasible and allows for in situ MRI imaging for of at least 10 months post-mortem prior to histology analyses. Fluids around and inside the brain specimens and antigenicity for myelin and neurons were all well preserved.### Competing Interest Statement

Abstract Introduction Previous studies have found associations between grey matter atrophy and white matter hyperintensities (WMH) of vascular origin with cognitive and motor deficits in Parkinson’s disease (PD). Here we investigate these relationships in a sample of PD patients and age-matched healthy controls. Methods Data included 50 PD patients and 45 age-matched controls with T1-weighted and FLAIR scans at baseline, 18-months, and 36-months follow-up. Deformation-based morphometry was used to measure grey matter atrophy. SNIPE (Scoring by Nonlocal Image Patch Estimator) was used to measure Alzheimer’s disease-like textural patterns in the hippocampi. WMHs were segmented using T1-weighted and FLAIR images. The relationship between MRI features and clinical scores was assessed using mixed-effects models. The motor subscore of the Unified Parkinson’s Disease Rating Scale (UPDRSIII), number of steps in a walking trial, and Dementia Rating Scale (DRS) were used respectively as measures of motor function, gait, and cognition. Results Substantia nigra atrophy was significantly associated with motor deficits, with a greater impact in PDs (p<0.05). Hippocampal SNIPE scores were associated with cognitve decline in both PD and controls (p<0.01). WMH burden was significantly associated with cognitive decline and increased motor deficits in the PD group, and gait deficits in both PD and controls (p<0.03). Conclusion While substantia nigra atrophy and WMH burden were significantly associated with additional motor deficits, WMH burden and hippocampal atrophy were associated with cognitive deficits in PD patients. These results suggest an additive contribution of both grey and white matter damage to the motor and cognitive deficits in PD.

Abstract Background Freezing of gait (FOG) is a common symptom in Parkinson’s Disease (PD) patients. Previous studies have reported relationships between FOG, substantia nigra (SN) degeneration, dopamine transporter (DAT) concentration, as well as amyloid β deposition. However, there is a paucity of research on the concurrent impact of white matter damage. Objectives To assess the inter-relationships between these different co-morbidities, their impact on future FOG and whether they act independently of each other. Methods We used baseline MRI and longitudinal gait data from the Parkinson’s Progression Markers Initiative (PPMI). We used deformation based morphometry (DBM) from T1-weighted MRI to measure SN atrophy, and segmentation of white matter hyperintensities (WMH) as a measure of WM pathological load. Putamen and caudate DAT levels from SPECT as well as cerebrospinal fluid (CSF) amyloid β were obtained directly from the PPMI. Following correlation analyses, we investigated whether WMH burden mediates the impact of amyloid β on future FOG. Results SN DBM, WMH load, putamen and caudate DAT activity and CSF amyloid β levels were significantly different between PD patients with and without future FOG (p < 0.008). Mediation analysis demonstrated an effect of CSF amyloid β levels on future FOG via WMH load, independent of SN atrophy and striatal DAT activity levels. Conclusions Amyloid β might impact future FOG in PD patients through an increase in WMH burden, in a pathway independent of Lewy body pathology.

Capturing early changes in the brain related to Alzheimer's disease may lead to models that successfully predict cognitive decline and the eventual onset of dementia, well ahead of onset of clinical symptoms. In this study we used both hippocampal volume and our hippocampal driven SNIPE score to show which marker better captures Alzheimer's related changes in a large dataset of normal controls (N=515) from the ADNI study, comparing controls that remain cognitively stable and controls that progress to either MCI or Alzheimer's dementia during 10 years of follow-up (median follow-up: 30 months). We measured hippocampal volume and SNIPE score and found that the effect size to differentiate between stable and progressor groups was significantly larger for SNIPE score than for volume. Our results also show that there is a significant age-related difference between groups for both markers, and the difference is greater with the SNIPE score. Our experiments show that considering high sensitivity of our SNIPE score regarding to early AD-related brain changes, this marker is a better candidate in comparison to hippocampal volume for predicting the future onset of dementia.

Abstract Background The hippocampal-to-ventricle ratio (HVR) is a biomarker of medial temporal atrophy, particularly useful in the assessment of neurodegeneration in diseases such as Alzheimer’s disease (AD). To minimize subjectivity and inter-rater variability, an automated, accurate, precise, and reliable segmentation technique for the hippocampus (HC) and surrounding cerebro-spinal fluid (CSF) filled spaces — such as the temporal horns of the lateral ventricles — is essential. Methods We trained and evaluated three automated methods for the segmentation of both HC and CSF (Multi-Atlas Label Fusion (MALF), Nonlinear Patch-Based Segmentation (NLPB), and a Convolutional Neural Network (CNN)). We then evaluated these methods, including the widely used FreeSurfer technique, using baseline T1w MRIs of 1,641 participants from the AD Neuroimaging Initiative study with various degree of atrophy associated with their cognitive status on the spectrum from cognitively healthy to clinically probable AD. Our gold standard consisted in manual segmentation of HC and CSF from 80 cognitively healthy individuals. We calculated HC volumes and HVR and compared all methods in terms of segmentation reliability, similarity across methods, sensitivity in detecting between-group differences and associations with age, scores of the learning subtest of the Rey Auditory Verbal Learning Test (RAVLT) and the Alzheimer’s Disease Assessment Scale 13 (ADAS13) scores. Results Cross validation demonstrated that the CNN method yielded more accurate HC and CSF segmentations when compared to MALF and NLPB, demonstrating higher volumetric overlap (Dice Kappa = 0.94) and correlation (rho = 0.99) with the manual labels. It was also the most reliable method in clinical data application, showing minimal failures. Our comparisons yielded high correlations between FreeSurfer, CNN and NLPB volumetric values. HVR yielded higher control:AD effect sizes than HC volumes among all segmentation methods, reinforcing the significance of HVR in clinical distinction. Associations The positive association with age was significantly stronger for HVR compared to HC volumes on all methods except FreeSurfer. Memory associations with HC volumes or HVR were only significant for individuals with mild cognitive impairment. Finally, the HC volumes and HVR showed comparable negative associations with ADAS13, particularly in the mild cognitive impairment cohort. Conclusion This study provides an evaluation of automated segmentation methods centered to estimate HVR, emphasizing the superior performance of a CNN-based algorithm. The findings underscore the pivotal role of accurate segmentation in HVR calculations for precise clinical applications, contributing valuable insights into medial temporal lobe atrophy in neurodegenerative disorders, especially AD. Authorship Sofia Fernandez-Lozano: Conceptualization, Methodology, Software, Investigation, Writing – Original Draft, Visualization. Vladimir Fonov: Software, Data Curation. Dorothee Schoemaker: Resources, Writing – Review & Editing. Jens Pruessner: Resources, Writing – Review & Editing. Olivier Potvin: Resources, Writing – Review & Editing. Simon Duchesne: Resources, Writing – Review & Editing. D. Louis Collins: Conceptualization, Writing – Review & Editing, Supervision.