Abstract Performing a BOLD functional MRI (fMRI) acquisition during breath-hold (BH) tasks is a non-invasive, robust method to estimate cerebrovascular reactivity (CVR). However, movement and breathing-related artefacts caused by the BH can substantially hinder CVR estimates due to their high temporal collinearity with the effect of interest, and attention has to be paid when choosing which analysis model should be applied to the data. In this study, we evaluate the performance of multiple analysis strategies based on lagged general linear models applied on multi-echo BOLD fMRI data, acquired in ten subjects performing a BH task during ten sessions, to obtain subjectspecific CVR and haemodynamic lag estimates. The evaluated approaches range from conventional regression models including drifts and motion timecourses as nuisance regressors applied on singleecho or optimally-combined data, to more complex models including regressors obtained from multi-echo independent component analysis with different grades of orthogonalization in order to preserve the effect of interest, i.e. the CVR. We compare these models in terms of their ability to make signal intensity changes independent from motion, as well as the reliability as measured by voxelwise intraclass correlation coefficients of both CVR and lag maps over time. Our results reveal that a conservative independent component analysis model applied on the optimally-combined multi-echo fMRI signal offers the largest reduction of motion-related effects in the signal, while yielding reliable CVR amplitude and lag estimates, although a conventional regression model applied on the optimally-combined data results in similar estimates. This work demonstrate the usefulness of multi-echo based fMRI acquisitions and independent component analysis denoising for precision mapping of CVR in single subjects based on BH paradigms, fostering its potential as a clinically-viable neuroimaging tool for individual patients. It also proves that the way in which data-driven regressors should be incorporated in the analysis model is not straight-forward due to their complex interaction with the BH-induced BOLD response.

Abstract Magnetic resonance imaging (MRI) offers the possibility to non-invasively map the rate of cerebral metabolic oxygen consumption (CMRO 2 ), which is essential for understanding and monitoring neural function in both health and disease. Existing methods of mapping CMRO 2 , based on respiratory modulation of arterial spin labelling (ASL) and blood oxygen level dependent (BOLD) signals, require lengthy acquisitions and independent modulation of both arterial oxygen and carbon dioxide levels. Here, we present a new simplified method for mapping the rate of cerebral oxygen metabolism that can be performed using a simple breath-holding paradigm. The method incorporates flow-diffusion modelling of oxygen transport and physiological constraints to create a non-linear mapping between the maximum BOLD signal, M, baseline blood flow (CBF 0 ), and CMRO 2 . A gradient boosted decision tree is used to learn this mapping directly from simulated MRI data. Modelling studies demonstrate that the proposed method is robust to variation in cerebral physiology and metabolism. This new gas-free methodology offers a rapid and pragmatic alternative to existing dual-calibrated methods, removing the need for specialist respiratory equipment and long acquisition times. In-vivo testing of the method, using an 8-minute 45 second protocol of repeated breath-holding, was performed on 15 healthy volunteers, producing quantitative maps of cerebral blood flow (CBF), oxygen extraction fraction (OEF), and CMRO 2 .

Abstract Cerebrovascular reactivity (CVR), defined as the cerebral blood flow response to a vasoactive stimulus, is an imaging biomarker with demonstrated utility in a range of diseases and in typical development and aging processes. A robust and widely implemented method to map CVR involves using a breath-hold task during a BOLD fMRI scan. Recording end-tidal CO 2 (P ET CO 2 ) changes during the breath-hold task is recommended to be used as a reference signal for modeling CVR amplitude in standard units (%BOLD/mmHg) and CVR delay in seconds. However, obtaining reliable P ET CO 2 recordings requires equipment and task compliance that may not be achievable in all settings. To address this challenge, we investigated two alternative reference signals to map CVR amplitude and delay in a lagged general linear model (lagged-GLM) framework: respiration volume per time (RVT) and average gray matter BOLD response (GM- BOLD). In 8 healthy adults with multiple scan sessions, we compare spatial agreement of CVR maps from RVT and GM-BOLD to those generated with P ET CO 2 . We define a threshold to determine whether a P ET CO 2 recording has “sufficient” quality for CVR mapping and perform these comparisons in 16 datasets with sufficient P ET CO 2 and 6 datasets with insufficient P ET CO 2 . When P ET CO 2 quality is sufficient, both RVT and GM-BOLD produce CVR amplitude maps that are nearly identical to those from P ET CO 2 (after accounting for differences in scale), with the caveat they are not in standard units to facilitate between-group comparisons. CVR delays are comparable to P ET CO 2 with an RVT regressor but may be underestimated with the average GM- BOLD regressor. Importantly, when P ET CO 2 quality is insufficient, RVT and GM-BOLD CVR recover reasonable CVR amplitude and delay maps, provided the participant attempted the breath-hold task. Therefore, our framework offers a solution for achieving high quality CVR maps in both retrospective and prospective studies where sufficient P ET CO 2 recordings are not available and especially in populations where obtaining reliable measurements is a known challenge (e.g., children). Our results have the potential to improve the accessibility of CVR mapping and to increase the prevalence of this promising metric of vascular health.

Abstract Cerebrovascular reactivity (CVR) is an important indicator of cerebrovascular health and is commonly studied with the Blood Oxygenation Level Dependent functional MRI (BOLD-fMRI) response to a vasoactive stimulus. There is theoretical and empirical evidence to suggest that baseline cerebral blood flow (CBF) modulates the BOLD signal amplitude, and that baseline CBF may influence BOLD-CVR estimates. We address how some pertinent data acquisition and modelling choices affect the relationship between baseline CBF and BOLD-CVR: whether BOLD-CVR is modelled with breathing task data or just resting-state data, and whether BOLD-CVR amplitudes are optimized for hemodynamic lag effects. For the relationship between baseline CBF and BOLD-CVR, we assessed both between-subject correlations of average GM values and within-subject spatial correlations across cortical regions. Our results suggest that a simple breathing task addition to a resting-state scan, alongside lag-optimization within BOLD-CVR modelling, can improve BOLD-CVR correlations with baseline CBF, both between- and within-subjects, likely because these CVR estimates are more physiologically accurate. We report positive coupling between baseline CBF and BOLD-CVR, both between and within subjects; the physiological explanation of this positive coupling is unclear, and future research with larger sample sizes and more tightly controlled vasoactive stimuli is needed. Understanding how baseline vascular physiology relates to dynamic cerebrovascular processes will bring further insights into what drives between and within subject participant variability in BOLD-CVR measurements and related measurements of cerebrovascular function. These insights are particularly relevant when interpreting results in populations with altered vascular and/or metabolic baselines or impaired cerebrovascular reserve.

Abstract The blood flow response to a vasoactive stimulus demonstrates regional heterogeneity across both the healthy brain and in cerebrovascular pathology. The timing of a regional hemodynamic response is emerging as an important biomarker of cerebrovascular dysfunction, as well as a confound within fMRI analyses. Previous research demonstrated that hemodynamic timing is more robustly characterized when a larger systemic vascular response is evoked by a breathing challenge, compared to when only spontaneous fluctuations in vascular physiology are present (i.e., in resting-state data). However, it is not clear whether hemodynamic delays in these two conditions are physiologically interchangeable, and how methodological signal-to-noise factors may limit their agreement. To address this, we generated whole-brain maps of hemodynamic delays in nine healthy adults. We assessed the agreement of voxel-wise gray matter (GM) hemodynamic delays between two conditions: resting-state and breath-holding. We found that delay values demonstrated poor agreement when considering all GM voxels, but increasingly greater agreement when limiting analyses to voxels showing strong correlation with the GM mean time-series. Voxels showing the strongest agreement with the GM mean time-series were primarily located near large venous vessels, however these voxels explain some, but not all, of the observed agreement in timing. Increasing the degree of spatial smoothing of the fMRI data enhanced the correlation between individual voxel time-series and the GM mean time-series. These results suggest that signal-to-noise factors may be limiting the accuracy of voxel-wise timing estimates and hence their agreement between the two data segments. In conclusion, caution must be taken when using voxel-wise delay estimates from resting-state and breathing-task data interchangeably, and additional work is needed to evaluate their relative sensitivity and specificity to aspects of vascular physiology and pathology.

Abstract Evidence suggests that cerebrovascular function and oxygen consumption are altered in multiple sclerosis (MS). Here, we quantified the vascular and oxygen metabolic MRI burden in patients with MS (PwMS) and assessed the relationship between these MRI measures of and metrics of damage and disability. In PwMS and in matched healthy volunteers, we applied a newly developed dual-calibrated fMRI method of acquisition and analysis to map grey matter (GM) cerebral blood flow (CBF), oxygen extraction fraction (OEF), cerebral metabolic rate of oxygen consumption (CMRO 2 ) and effective oxygen diffusivity of the capillary network (D C ). We also quantified physical and cognitive function in PwMS and controls. There was no significant difference in GM volume between 22 PwMS and 20 healthy controls ( p =0.302). Significant differences in CBF (PwMS vs. controls: 44.91 ± 6.10 vs. 48.90 ± 5.87 ml/100g/min, p =0.010), CMRO 2 (117.69 ± 17.31 vs. 136.49 ± 14.48 μmol/100g/min p <0.001) and D C (2.70 ± 0.51 vs. 3.18 ± 0.41 μmol/100g/mmHg/min, p =0.002) were observed in the PwMS. No significant between-group differences were observed for OEF (PwMS vs. controls: 0.38 ± 0.09 vs. 0.39 ± 0.02, p =0.358). Regional analysis showed widespread reductions in CMRO 2 and D C for PwMS compared to healthy volunteers. There was a significant correlation between physiological measures and T2 lesion volume, but no association with current clinical disability. Our findings demonstrate concurrent reductions in oxygen supply and consumption in the absence of an alteration in oxygen extraction that may be indicative of a reduced demand for oxygen (O 2 ), an impaired transfer of O 2 from capillaries to mitochondria, and/or a reduced ability to utilise O 2 that is available at the mitochondria. With no between-group differences in GM volume, our results suggest that changes in brain physiology may precede MRI-detectable GM loss and thus may be one of the pathological drivers of neurodegeneration and disease progression.

ABSTRACT Cerebrovascular reactivity (CVR), defined here as the Blood Oxygenation Level Dependent (BOLD) response to a CO 2 pressure change, is a useful metric of cerebrovascular function. Both the amplitude and the timing (hemodynamic lag) of the CVR response can bring insight into the nature of a cerebrovascular pathology and aid in understanding noise confounds when using functional Magnetic Resonance Imaging (fMRI) to study neural activity. This research assessed a practical modification to a typical resting-state fMRI protocol, to improve the characterization of cerebrovascular function. In 9 healthy subjects, we modelled CVR and lag in three resting-state data segments, and in data segments which added a 2–3 minute breathing task to the start of a resting-state segment. Two different breathing tasks were used to induce fluctuations in arterial CO 2 pressure: a breath-hold task to induce hypercapnia (CO 2 increase) and a cued deep breathing task to induce hypocapnia (CO 2 decrease). Our analysis produced voxel-wise estimates of the amplitude (CVR) and timing (lag) of the BOLD-fMRI response to CO 2 by systematically shifting the CO 2 regressor in time to optimize the model fit. This optimization inherently increases grey matter CVR values and fit statistics. The inclusion of a simple breathing task, compared to a resting-state scan only, increases the number of voxels in the brain that have a significant relationship between CO 2 and BOLD-fMRI signals, and improves our confidence in the plausibility of voxel-wise CVR and hemodynamic lag estimates. We demonstrate the clinical utility and feasibility of this protocol in an incidental finding of Moyamoya disease, and explore the possibilities and challenges of using this protocol in younger populations. This hybrid protocol has direct applications for CVR mapping in both research and clinical settings and wider applications for fMRI denoising and interpretation.

Abstract Cerebrovascular Reactivity (CVR), the brain’s vascular response to a vasodilatory stimulus, can be measured using fMRI during breathing challenges that modulate arterial CO 2 levels. CVR is an important indicator of cerebrovascular health, although its estimation can be challenging due to the extra experimental setup and/or the subject compliance required. To overcome these limitations, summary metrics based on resting state fluctuations (RSF), such as the (fractional) amplitude of low frequency fluctuations (f/ALFF) and the resting state fluctuation amplitude (RSFA), have been proposed as alternative estimates of CVR, as they are frequently associated with vascular and physiological factors. Previous studies have reported a significant relationship between CVR estimates obtained by means of respiratory paradigms and RSF metrics. However, the total sample sizes, considering both subjects and sessions, are typically small, and not all studies agree on the degree of the relationship. Furthermore, to our knowledge, these studies have only reported cross-sectional analyses, whereas intra-subject longitudinal relationships between CVR estimates and RSF metrics are unknown. Leveraging a unique dense sampling dataset in which resting state and breath-hold multi-echo fMRI were collected in 7 subjects with 10 sessions each, we provide evidence of high individual variability in the inter-session (i.e. intra-subject) relationship between RSF metrics and CVR. These results indicate that RSF metrics might not be a suitable proxy of CVR in clinical settings or for BOLD signal calibration as they may not properly account for intra-individual physiological variations in BOLD fMRI data.