There is a need to understand the histopathological basis of MRI signal characteristics in complex biological matter. Microstructural imaging holds promise for sensitive and specific indicators of the early stages of human neurodegeneration but requires validation against traditional histological markers before it can be reliably applied in the clinical setting. Validation relies on a precise and preferably automatic method to align MRI and histological images of the same tissue, which poses unique challenges compared to more conventional MRI-to-MRI registration. A customisable open-source platform, Tensor Image Registration Library (TIRL) is presented. Based on TIRL, a fully automated pipeline was implemented to align small stained histological images with dissection photographs of corresponding tissue blocks and coronal brain slices, and further with high-resolution (0.5 mm) whole-brain post-mortem MRI data. The pipeline performed three separate deformable registrations to achieve accurate mapping between whole-brain MRI and small-slide histology coordinates. The robustness and accuracy of the individual registration steps were evaluated using both simulated data and real-life images from 6 different anatomical locations of one post-mortem human brain. The automated registration method demonstrated sub-millimetre accuracy in all steps, robustness against tissue damage, and good reproducibility between experiments. The method also outperformed manual landmark-based slice-to-volume registration, also correcting for curvatures in the slicing plane. Due to the customisability of TIRL, the pipeline can be conveniently adapted for other research needs and is therefore suitable for the large-scale comparison of routinely collected histology and MRI data.

Microscopic features (i.e., microstructure) of axons affect neural circuit activity through characteristics such as conduction speed. Deeper understanding of structure-function relationships and translating this into human neuroscience has been limited by the paucity of studies relating axonal microstructure in white matter pathways to functional connectivity (synchrony) between macroscopic brain regions. Using magnetic resonance imaging data in 11354 subjects, we constructed multi-variate models that predict the functional connectivity of pairs of brain regions from the microstructural signature of white matter pathways that connect them. Microstructure-derived models provide predictions of functional connectivity that were significant in up to 86% of the brain region pairs considered. These relationships are specific to the relevant white matter pathway and have high reproducibility. The microstructure-function relationships are associated to genetic variants (single-nucleotide polymorphisms), co-located with genes DAAM1 and LPAR1, that have previously been reported to play a role in neural development. Our results demonstrate that variation in white matter microstructure across individuals consistently and specifically predicts functional connectivity, and that this relationship is underpinned by genetic variability.

Abstract Background Accurate registration between microscopy and MRI data is necessary for validating imaging biomarkers against neuropathology, and to disentangle complex signal dependencies in microstructural MRI. Existing registration methods often rely on serial histological sampling or significant manual input, providing limited scope to work with a large number of stand-alone histology sections. Here we present a customisable pipeline to automate the registration of stand-alone histology sections to whole-brain MRI data. Methods Our pipeline registers stained histology sections to whole-brain post-mortem MRI in 4 stages, with the help of two photographic intermediaries: a block face image (to undistort histology sections) and coronal brain slice photographs (to insert them into MRI space). Each registration stage is implemented as a configurable stand-alone Python script using our novel platform, Tensor Image Registration Library (TIRL), which provides flexibility for wider adaptation. We report our experience of registering 87 PLP-stained histology sections from 14 subjects and perform various experiments to assess the accuracy and robustness of each stage of the pipeline. Results All 87 histology sections were successfully registered to MRI. Histology-to-block registration (Stage 1) achieved 0.2-0.4 mm accuracy, better than commonly used existing methods. Block-to-slice matching (Stage 2) showed great robustness in automatically identifying and inserting small tissue blocks into whole brain slices with 0.2 mm accuracy. Simulations demonstrated sub-voxel level accuracy (0.13 mm) of the slice-to-volume registration (Stage 3) algorithm, which was observed in over 200 actual brain slice registrations, compensating 3D slice deformations up to 6.5 mm. Stage 4 combined the previous stages and generated refined pixelwise aligned multi-modal histology-MRI stacks. Conclusions Our open-source pipeline provides robust automation tools for registering stand-alone histology sections to MRI data with sub-voxel level precision, and the underlying framework makes it readily adaptable to a diverse range of microscopy-MRI studies. Highlights New software framework for prototyping bespoke image registration pipelines Automated pipeline to register stand-alone histology sections to whole-brain MRI Novel deformable slice-to-volume registration algorithm No strict necessity for serial histological sectioning for MRI-histology registration

Amyotrophic lateral sclerosis (ALS) is a progressive and incurable motor neuron disease. Some ALS patients are affected by a level of cognitive or behavioural decline that meets the criteria for frontotemporal dementia (FTD). ALS and FTD share genetic and pathological features; for example, the deposition of phosphorylated 43 kDa TAR DNA-binding protein (pTDP-43) in the brain. Spreading of pTDP-43 pathology in ALS towards brain areas that connect via the Papez circuit is a possible indicator of progression towards FTD. For example, pTDP-43 aggregates in the granule cells of the hippocampus correlate well with clinically manifest FTD. Here, we test the hypothesis that white matter degeneration of the perforant path, as part of the Papez circuit, in the hippocampus is a feature of ALS, even in the absence of fully developed FTD or deposition of pTDP-43 inclusions in hippocampal granule cells. We used diffusion MRI (dMRI), polarized light imaging (PLI) and immunohistochemical analysis of hippocampus sections from controls (n=5) and ALS patients (n=14) to perform an in-depth study of white matter in the perforant path. The dMRI results show a significant decrease in fractional anisotropy (p=0.01) and an increase in mean diffusivity (p=0.01), axial diffusivity (p=0.03) and radial diffusivity (p=0.03) in the perforant path in ALS patients compared to controls, possibly indicating a loss of white matter fibres. Myelin density (measured with PLI retardance) was lower in ALS patients compared to controls (p=0.05) and correlated with dMRI fractional anisotropy (r=0.52, p=0.03). The dMRI and PLI results were confirmed by the immunohistochemistry; both myelin (proteolipid protein, p=0.03) and neurofilaments (SMI-312, p=0.02) were lower in ALS patients. The activated microglial (CD68) density was similar in ALS and controls. Only two out of the fourteen ALS cases showed pTDP-43 pathology in the dentate gyrus; however, while these two ALS-FTD cases showed reduced myelination in the perforant path, the values were comparable to other ALS cases. We conclude that degeneration of the perforant path occurs in ALS patients and that this may occur before, or independent of, pTDP-43 aggregation in the dentate gyrus of the hippocampus. Future research should focus on correlating the degree of clinically observed cognitive decline to the amount of white matter atrophy in the perforant path.