Abstract The emerging field of geometric deep learning extends the application of convolutional neural networks to irregular domains such as graphs, meshes and surfaces. Several recent studies have explored the potential for using these techniques to analyse and segment the cortical surface. However, there has been no comprehensive comparison of these approaches to one another, nor to existing Euclidean methods, to date. This paper benchmarks a collection of geometric and traditional deep learning models on phenotype prediction and segmentation of sphericalised neonatal cortical surface data, from the publicly available Developing Human Connectome Project (dHCP). Tasks include prediction of postmenstrual age at scan, gestational age at birth and segmentation of the cortical surface into anatomical regions defined by the M-CRIB-S atlas. Performance was assessed not only in terms of model precision, but also in terms of network dependence on image registration, and model interpretation via occlusion. Networks were trained both on sphericalised and anatomical cortical meshes. Findings suggest that the utility of geometric deep learning over traditional deep learning is highly task-specific, which has implications for the design of future deep learning models on the cortical surface. The code, and instructions for data access, are available from https://github.com/Abdulah-Fawaz/Benchmarking-Surface-DL .

Abstract Our recently published M-CRIB atlas comprises 100 neonatal brain regions including 68 compatible with the widely-used Desikan-Killiany adult cortical atlas. A successor to the Desikan-Killiany atlas is the Desikan-Killiany-Tourville atlas, in which some regions with unclear boundaries were removed, and many existing boundaries were revised to conform to clearer landmarks in sulcal fundi. Our first aim here was to modify cortical M-CRIB regions to comply with the Desikan-Killiany-Tourville protocol, in order to offer: a) compatibility with this adult cortical atlas, b) greater labelling accuracy due to clearer landmarks, and c) optimisation of cortical regions for integration with surface-based infant parcellation pipelines. Secondly, we aimed to update subcortical regions in order to offer greater compatibility with subcortical segmentations produced in FreeSurfer. Data utilized were the T2-weighted MRI scans in our M-CRIB atlas, for ten healthy neonates (postmenstrual age at MRI 40-43 weeks, 4 female), and corresponding parcellated images. Edits were performed on the parcellated images in volume space using ITK-SNAP. Cortical updates included deletion of frontal and temporal poles and ‘Banks STS’, and modification of boundaries of many other regions. Changes to subcortical regions included the addition of ‘ventral diencephalon’, and deletion of ‘subcortical matter’ labels. A detailed updated parcellation protocol was produced. The resulting whole-brain M-CRIB 2.0 atlas comprises 94 regions altogether. This atlas provides comparability with adult Desikan-Killiany-Tourville-labelled cortical data and FreeSurfer-labelled subcortical data, and is more readily adaptable for incorporation into surface-based neonatal parcellation pipelines. As such, it offers the ability to help facilitate a broad range of investigations into brain structure and function both at the neonatal time point and developmentally across the lifespan.

Longitudinal studies measuring changes in cortical morphology over time are best facilitated by parcellation schemes compatible across all life stages. The Melbourne Children’s Regional Infant Brain (M-CRIB) and M-CRIB 2.0 atlases provide voxel-based parcellations of the cerebral cortex compatible with the Desikan-Killiany (DK) and the Desikan-Killiany-Tourville (DKT) cortical labelling schemes. However, there is still a need for a surface-based approach for parcellating neonatal images using these atlases.We introduce surface-based versions of the M-CRIB and M-CRIB 2.0 atlases, termed M-CRIB-S(DK) and M-CRIB-S(DKT), with a pipeline for automated parcellation utilizing FreeSurfer and developing Human Connectome Project (dHCP) tools.Using T 2-weighted magnetic resonance images of healthy neonates ( n = 58), we created average spherical templates of cortical curvature and sulcal depth. Manually-labelled regions in a subset ( n = 10) were encoded into the spherical template space to construct M-CRIB-S(DK) and M-CRIB-S(DKT) atlases. Labelling accuracy was assessed using Dice overlap measures and boundary discrepancy measures within a leave-one-out cross-validation framework.Cross-validated labelling accuracy was high for both atlases (average regional Dice = 0.79 - 0.83). Worst-case boundary discrepancy instances ranged from 9.96 - 10.22 mm, which appeared to be driven by variability in anatomy for particular cases.The M-CRIB-S atlases and automatic pipeline allow extraction of neonatal cortical surfaces labelled according to the DK or DKT parcellation schemes. This will facilitate surface-based investigations of brain structure at the neonatal time point. The atlases and spherical surfaces, along with customised scripts for segmentation, cortical surface extraction and parcellation, are available for public download.* BSTS : Banks of the superior temporal sulcus CAC : Caudal anterior cingulate CMF : Caudal middle frontal CUN : Cuneus dHCP : developing Human Connectome Project DK : Desikan-Killiany DKT : Desikan-Killiany-Tourville ENT : Entorhinal FP : Frontal pole FUS : Fusiform INFP : Inferior parietal INS : Insula ISTC : Isthmus cingulate IT : Inferior temporal L+U : Labelled+Unlabelled LIN : Lingual LOCC : Lateral occipital LOO : Leave One Out LORB : Lateral orbitofrontal M-CRIB : Melbourne Children’s Regional Infant Brain M-CRIB-S : Surface-based Melbourne Children’s Regional Infant Brain atlas MORB : Medial orbitofrontal MRI : Magnetic Resonance Imaging MT : Middle temporal gyrus PARH : Parahippocampal PARC : Paracentral lobule POPE : Pars opercularis PORB : Pars orbitalis PCING : Posterior cingulate PCAL : Pericalcarine POSTC : Posterior cingulate PCUN : Precuneus PREC : Precentral PTRI : Pars triangularis RAC : Rostral anterior cingulate RMF : Rostral middle frontal SF : Superior frontal SMAR : Supramarginal gyrus SP : Superior parietal ST : Superior temporal gyrus TP : Temporal pole TT : Transverse temporal gyrus UNC : University of North Carolina PMA : Post-menstrual age LH : Left hemisphere RH : Right hemisphere

Background: Understanding typically developing infant brain structure is crucial in investigating neurological disorders of early childhood. Brain atlases providing standardised identification of neonatal brain regions are key in such investigations. Our previously developed Melbourne Children's Regional Infant Brain (M-CRIB) and M-CRIB 2.0 neonatal brain atlases provide standardised parcellation of 100 and 94 brain regions respectively, including cortical, subcortical, and cerebellar regions. The aim of this study was to extend the M-CRIB atlas coverage to include 54 white matter regions. Methods: Participants were ten healthy term-born neonates who comprised the sample for the M-CRIB and M-CRIB 2.0 atlases. WM regions were manually segmented on T2 images and co-registered diffusion tensor imaging-based, direction-encoded colour maps. Our labelled regions are based on those in the JHU-neonate-SS atlas, but differ in the following ways: 1) we included five corpus callosum subdivisions instead of a left / right division; 2) we included a left / right division for the middle cerebellar peduncle; and 3) we excluded the three brainstem divisions. All segmentations were reviewed and approved by a paediatric radiologist and a neurosurgery research fellow for anatomical accuracy. Results: The resulting neonatal WM atlas comprises 54 WM regions: 24 paired regions, and six unpaired regions comprising five corpus callosum subdivisions and one pontine crossing tract. Detailed protocols for manual WM parcellations are provided, and the M-CRIB-WM atlas is presented together with the existing M-CRIB and M-CRIB 2.0 cortical, subcortical and cerebellar parcellations in ten individual neonatal MRI datasets. Conclusion: The updated M-CRIB atlas including the WM parcellations will be made publicly available. The atlas will be a valuable tool that will help facilitate neuroimaging research into neonatal WM development in both healthy and diseased states.