Abstract Resting-state functional MRI (rs-fMRI) allows estimation of individual-specific cortical parcellations. We have previously developed a multi-session hierarchical Bayesian model (MS-HBM) for estimating high-quality individual-specific network-level parcellations. Here, we extend the model to estimate individual-specific areal-level parcellations. While network-level parcellations comprise spatially distributed networks spanning the cortex, the consensus is that areal-level parcels should be spatially localized, i.e., should not span multiple lobes. There is disagreement about whether areal-level parcels should be strictly contiguous or comprise multiple non-contiguous components, therefore we considered three areal-level MS-HBM variants spanning these range of possibilities. Individual-specific MS-HBM parcellations estimated using 10min of data generalized better than other approaches using 150min of data to out-of-sample rs-fMRI and task-fMRI from the same individuals. Resting-state functional connectivity (RSFC) derived from MS-HBM parcellations also achieved the best behavioral prediction performance. Among the three MS-HBM variants, the strictly contiguous MS-HBM (cMS-HBM) exhibited the best resting-state homogeneity and most uniform within-parcel task activation. In terms of behavioral prediction, the gradient-infused MS-HBM (gMS-HBM) was numerically the best, but differences among MS-HBM variants were not statistically significant. Overall, these results suggest that areal-level MS-HBMs can capture behaviorally meaningful individual-specific parcellation features beyond group-level parcellations. Multi-resolution trained models and parcellations are publicly available ( https://github.com/ThomasYeoLab/CBIG/tree/master/stable_projects/brain_parcellation/Kong2022_ArealMSHBM ).

Distinct regions of the cerebellum connect to separate regions of the cerebral cortex forming a complex topography. While key properties of cerebellar organization have been revealed in group-averaged data, in-depth study of individuals provides an opportunity to discover functional-anatomical features that emerge at a higher spatial resolution. Here functional connectivity MRI was used to examine the cerebellum of two intensively-sampled individuals (each scanned across 31 MRI sessions). Connectivity to somatomotor cortex showed the expected crossed laterality and inversion of the body maps between the anterior and posterior lobes. A surprising discovery was connectivity to the primary visual cortex along the vermis with evidence for representation of the central field. Within the hemispheres, each individual displayed a hierarchical progression from the inverted anterior lobe somatomotor map through to higher-order association zones. The hierarchy ended near Crus I/II and then progressed in reverse order through to the upright somatomotor map in the posterior lobe. Evidence for a third set of networks was found in the most posterior extent of the cerebellum. Detailed analysis of the higher-order association networks around the Crus I/II apex revealed robust representations of two distinct networks linked to the default network, multiple networks linked to cognitive control, as well as a separate representation of a language network. While idiosyncratic spatial details emerged between subjects, each of these networks could be detected in both individuals, and small seed regions placed within the cerebellum recapitulated the full extent of the spatially-specific cerebral networks. The observation of multiple networks in juxtaposed regions at the Crus I/II apex confirms the importance of this zone to higher-order cognitive function and reveals new organizational details.

Abstract Resting-state fMRI is commonly used to derive brain parcellations, which are widely used for dimensionality reduction and interpreting human neuroscience studies. We previously developed a model that integrates local and global approaches for estimating areal-level cortical parcellations. The resulting local-global parcellations are often referred to as the Schaefer parcellations. However, the lack of homotopic correspondence between left and right Schaefer parcels has limited their use for brain lateralization studies. Here, we extend our previous model to derive homotopic areal-level parcellations. Using resting-fMRI and task-fMRI across diverse scanners, acquisition protocols, preprocessing and demographics, we show that the resulting homotopic parcellations are as homogeneous as the Schaefer parcellations, while being more homogeneous than five publicly available parcellations. Furthermore, weaker correlations between homotopic parcels are associated with greater lateralization in resting network organization, as well as lateralization in language and motor task activation. Finally, the homotopic parcellations agree with the boundaries of a number of cortical areas estimated from histology and visuotopic fMRI, while capturing sub-areal (e.g., somatotopic and visuotopic) features. Overall, these results suggest that the homotopic local- global parcellations represent neurobiologically meaningful subdivisions of the human cerebral cortex and will be a useful resource for future studies. Multi-resolution parcellations estimated from 1479 participants are publicly available (GITHUB_LINK).