Functional Positron Emission Tomography (fPET) has advanced as an effective tool for investigating dynamic processes in glucose metabolism and neurotransmitter action, offering potential insights into brain function, disease progression, and treatment development. Despite significant methodological advances, extracting stimulation-specific information presents additional challenges in optimizing signal processing across both spatial and temporal domains, which are essential for obtaining clinically relevant insights. This study aims to provide a systematic evaluation of state-of-the-art filtering techniques for fPET imaging. Forty healthy participants underwent a single [ 18 F]FDG PET/MR scan, engaging in the cognitive task Tetris®. Twenty thereof also underwent a second PET/MR session. Eight filtering techniques, including 3D and 4D Gaussian smoothing, highly constrained backprojection (hypr), iterative hypr (Ihypr4D), two MRI-Markov Random Field (MRI-MRF) filters (L=10 and 14 mm neighborhood) as well as static and dynamic Non-Local Means (sNLM and dNLM respectively) approaches, were applied to fPET data. Test-retest reliability (intraclass correlation coefficient), the identifiability of the task signal (temporal signal-to-noise ratio (tSNR)), spatial task-based activation (group level t-values), and sample size calculations were assessed. Results indicate distinct performance between filtering techniques. Compared to standard 3D Gaussian smoothing, dNLM, sNLM, MRI-MRF L=10 and Ihypr4D filters exhibited superior tSNR, while only dNLM and hypr showed improved test-retest reliability. Spatial task-based activation was enhanced by both NLM filters and MRI-MRF approaches. The dNLM enabled a minimum reduction of 15.4% in required sample size. The study systematically evaluated filtering techniques in fPET data processing, highlighting their strengths and limitations. The dNLM filter emerges as a promising choice, with improved performance across all metrics. However, filter selection should align with specific study objectives, considering factors like processing time and resource constraints.

Abstract Learning-induced neuroplastic changes, further modulated by content and setting, are mirrored in brain functional connectivity (FC). In animal models, serotonergic agents were shown to facilitate neuroplasticity. This is especially prominent during emotional relearning, such as fear extinction, which may translate to clinical improvements in human patients. To investigate this assumption, 99 healthy subjects underwent six weeks of emotional or non-emotional learning and subsequent relearning. Resting-state functional magnetic resonance imaging was performed before and after the learning phases to investigate changes in FC. During relearning, subjects received either a daily dose of the selective serotonin reuptake inhibitor (SSRI) escitalopram or placebo. Escitalopram intake modulated FC changes in a network comprising Broca’s area, the medial prefrontal cortex, the right inferior temporal and left lingual gyrus. More specifically, escitalopram increased the bidirectional connectivity between medial prefrontal cortex and lingual gyrus for non-emotional and additionally the connectivity from medial prefrontal cortex to Broca’s area for emotional relearning. The context-dependence of these effects supports the assumption that SSRIs in clinical practice might improve neuroplasticity rather than psychiatric symptoms per se. Correlations with learning behavior further point towards a relationship with extinction processes in relearning. These results demonstrate that escitalopram intake during relearning results in content-dependent network adaptations and support the conclusion that enhanced neuroplasticity might be the major underlying mechanism also in humans. Beyond expanding the complexities of learning, these findings emphasize the influence of external factors on serotonin-facilitated neuroplasticity of the human brain.

Abstract The antidepressant effect of selective serotonin reuptake inhibitors (SSRI) is related to increased neuroplasticity during relearning. Stress-induced dendritic atrophy in key brain areas for learning and memory such as the hippocampus and prefrontal cortex is reversed by SSRI treatment. This finding is accompanied by behavioral stabilization. The aim of this study was to investigated serotonergic modulation effects on structural neuroplasticity (cortical thickness, subcortical volumes) during relearning in healthy subjects. Participants performed daily associative learning tasks over 3 weeks followed by a 3-week relearning phase combined with intake of the SSRI escitalopram or placebo. Evidence suggests that SSRIs promote the brains susceptibility to change on the basis of environment factors. We found no effect of SSRI on grey matter measures during relearning. Here, non-findings might be a consequence of the implemented intensity and duration of study interventions. With sparse literature on healthy participants in this field, future studies will have to further elucidate SSRIs properties on relearning and structural neuroplasticity.

ABSTRACT Positron emission tomography (PET) provides precise molecular information on physiological processes, but its low temporal resolution is a major obstacle. Consequently, we characterized the metabolic response of the human brain to working memory performance using an optimized functional PET framework at a temporal resolution of 3 seconds. Consistent with simulated kinetic modeling, we observed a constant increase in the [ 18 F]FDG signal during task execution, followed by a rapid return to baseline after stimulation ceased. The simultaneous acquisition of BOLD fMRI revealed that the temporal coupling between hemodynamic and metabolic signals in the primary motor cortex was related to individual behavioral performance during working memory. Furthermore, task-induced BOLD deactivations in the posteromedial default mode network were accompanied by distinct temporal patterns in glucose metabolism, which depended on the task-positive network metabolic demands. In sum, the proposed approach enables the advancement from parallel to truly synchronized investigation of metabolic and hemodynamic responses during cognitive processing.

Abstract Background Neuroplastic processes are influenced by selective serotonergic reuptake inhibitors, while learning in conjunction with the administration of serotonergic agents alters white matter microstructure in humans. The goal of this double-blind, placebo-controlled imaging study was to investigate the influence of escitalopram on white matter plasticity during (re)learning. Methods Seventy-one healthy individuals (age = 25.6±5.0, 43 females) underwent 3 diffusion magnetic resonance imaging sessions: at baseline, after 3-weeks of associative learning (emotional/non-emotional content) and after relearning shuffled associations for an additional 3 weeks. During the relearning phase, subjects received daily escitalopram 10 mg or placebo orally. Statistical analysis was performed with statistical parametric mapping (SPM) and using sandwich estimator. Results A three-way and two-way rmANOVA was conducted to analyze the effects of escitalopram on AD, FA, MD and RD during the learning and relearning period. We found no significant three-way or two-way interactions for each DTI metrics (p FDR > 0.05), thus neither after 3 nor after 6 weeks we found significant changes in white matter microstructure. Conclusion We examined neither an effect of escitalopram nor learning (or relearning) interventions on different DTI metrics. The duration and intensity of study interventions (i.e. administration of escitalopram and learning as the relearning task) might have been chosen insufficiently to induce detectable alterations. Previous studies examining the effects of SSRIs on white matter tracts in humans are underrepresented, but do mainly yield towards non-significant findings. The results implicate that escitalopram does not impact white matter microstructures in healthy subjects.

ABSTRACT Purpose In the human brain endogenous dopamine release is commonly assessed by the PET competition model. Although thoroughly validated, cognitive processing yields low signal changes and the assessment of several task conditions requires repeated scanning. Using the framework of functional PET imaging we introduce a novel approach which leverages the incorporation of the radioligand 6-[ 18 F]FDOPA into the dynamic fast-acting regulation of the corresponding enzyme activities by neuronal firing and neurotransmitter release. We demonstrate the feasibility of the approach by the assessment of widely described sex differences in dopamine neurotransmission. Methods Reward and punishment processing was behaviorally investigated in 36 healthy participants, where 16 underwent fPET and fMRI while performing the monetary incentive delay task. 6-[ 18 F]FDOPA was applied as bolus+infusion during a single 50 min PET acquisition. Task-specific changes in dopamine synthesis were identified with the general linear model and quantified with the Gjedde-Patlak plot. Results Monetary gain induced 78% increase in nucleus accumbens dopamine synthesis vs. 49% for loss in men. Interestingly, the opposite was discovered in women (gain: 51%, loss: 78%). Behavioral modeling revealed direct associations of task-specific dopamine synthesis with reward sensitivity in men (rho = −0.7) and with punishment sensitivity in women (rho = 0.89). As expected, fMRI showed robust task-specific neuronal activation but no sex difference. Conclusions Our findings provide a dopaminergic basis for well-known behavioral differences in reward and punishment processing between women and men. This has important implications in psychiatric conditions showing sex-specific prevalence rates, altered reward processing and dopamine signaling. The high temporal resolution and pronounced magnitude of task-specific changes make fPET a promising tool to investigate functional neurotransmitter dynamics during cognitive or emotional processing in various brain disorders.

Functional positron emission tomography (fPET) with [18F]FDG allows one to quantify stimulation-induced dynamics in glucose metabolism independent of neurovascular coupling. However, the gold standard for quantification requires arterial blood sampling, which can cause discomfort for the participant and increases complexity of the experimental protocol. These constraints have limited the widespread applicability of fPET, especially in the clinical routine. Therefore, we introduce a novel approach, which enables the assessment of the dynamics in cerebral glucose metabolism without the need for an input function. Methods: We tested the validity of a mathematical derivation on the basis of two independent data sets (DS). For DS1, 52 healthy volunteers (23.2 ± 3.3 years, 24 females) completed a visuo-spatial motor coordination task (the video game Tetris®) and for DS2, 18 healthy participants (24.2 ± 4.3 years, 8 females) performed an eyes-open/finger tapping task, both during a [18F]FDG fPET scan. Task-specific changes in metabolism were assessed with the general linear model (GLM) and cerebral metabolic rate of glucose (CMRGlu) was quantified with the Patlak plot as the reference standard. Simplified outcome parameters, such as GLM beta values of task effects and percent signal change (%SC) of both parameters were estimated. These were compared for task-relevant brain regions and on a whole-brain level. Results: In general, we observed higher agreement with the reference standard for DS1 (radiotracer administration as bolus + constant infusion) compared to DS2 (constant infusion only). Across both data sets, strong correlations were found between regional task-specific beta estimates and CMRGlu (r = 0.763...0.912). Additionally, %SC of beta values exhibited excellent agreement with %SC of CMRGlu (r = 0.909...0.999). Average activation maps showed a high spatial similarity between CMRGlu and beta estimates (Dice = 0.870...0.979) as well as %SC (Dice = 0.932...0.997), respectively. Conclusion: Task-specific changes in glucose metabolism can be reliably estimated using %SC of GLM beta values, eliminating the need for any blood sampling. This approach streamlines fPET imaging, albeit with the trade-off of being unable to quantify baseline metabolism. The proposed simplification enhances the applicability of fPET, allowing for widespread employment in research settings and clinical investigations.

Abstract Serotonin (5-HT) plays an essential role in reward processing, however, the possibilities to investigate 5-HT action in humans during emotional stimulation are particularly limited. Here we demonstrate the feasibility of assessing reward-specific dynamics in 5-HT synthesis using functional PET (fPET), combining its molecular specificity with the high temporal resolution of blood oxygen level dependent (BOLD) fMRI. Sixteen healthy volunteers underwent simultaneous fPET/fMRI with the radioligand [ 11 C]AMT, a substrate for tryptophan hydroxylase. During the scan, participants completed the monetary incentive delay task and arterial blood samples were acquired for quantifying 5-HT synthesis rates. BOLD fMRI was recorded as a proxy of neuronal activation, allowing differentiation of reward anticipation and feedback. Monetary gain and loss resulted in substantial increases in 5-HT synthesis in the ventral striatum (VStr, +21% from baseline) and the anterior insula (+41%). In the VStr, task-specific 5-HT synthesis was further correlated with BOLD signal changes during reward feedback (ρ = −0.65), but not anticipation. Conversely, 5-HT synthesis in the anterior insula correlated with BOLD reward anticipation (ρ = −0.61), but not feedback. In sum, we provide a robust tool to identify task-induced changes in 5-HT action in humans, linking the dynamics of 5-HT synthesis to distinct phases of reward processing in a regionally specific manner. Given the relevance of altered reward processing in psychiatric disorders such as addiction, depression and schizophrenia, our approach offers a tailored assessment of impaired 5-HT signaling during cognitive and emotional processing.

Abstract PET-based connectivity computation is a molecular approach that complements fMRI-derived functional connectivity. However, the diversity of methodologies and terms employed in PET connectivity analysis has resulted in ambiguities and confounded interpretations, highlighting the need for a standardized nomenclature. Drawing parallels from other imaging modalities, we propose “molecular connectivity” as an umbrella term to characterize statistical dependencies between PET signals across brain regions at the individual level (within-subject). Like fMRI resting-state functional connectivity, “molecular connectivity” leverages temporal associations in the PET signal to derive brain network associations. Another within-subject approach evaluates regional similarities of tracer kinetics, which are unique in PET imaging, thus referred to as “kinetic connectivity”. On the other hand, “molecular covariance” denotes group-level computations of covariance matrices across-subject. Further specification of the terminology can be achieved by including the employed radioligand, such as “metabolic connectivity/covariance” for [ 18 F]FDG as well as “tau/amyloid covariance” for [ 18 F]flutemetamol / [ 18 F]flortaucipir. To augment these distinctions, high-temporal resolution functional [ 18 F]FDG PET scans from 17 healthy participants were analysed with common techniques of molecular connectivity and covariance, allowing for a data-driven support of the above terminology. Our findings demonstrate that temporal band-pass filtering yields structured network organization, whereas other techniques like 3 rd order polynomial fitting, spatio-temporal filtering and baseline normalization require further methodological refinement for high-temporal resolution data. Conversely, molecular covariance from across-subject data provided a simple means to estimate brain region interactions through regularized or sparse inverse covariance estimation. A standardized nomenclature in PET-based connectivity research can reduce ambiguity, enhance reproducibility, and facilitate interpretability across radiotracers and imaging modalities. Via a data-driven approach, this work provides a transparent framework for categorizing and comparing PET-derived connectivity and covariance metrics, laying the foundation for future investigations in the field.