Abstract Brain atlases have proven to be valuable neuroscience tools for localizing regions of interest and performing statistical inferences on populations. Although many human brain atlases exist, most do not contain information about white matter structures, often neglecting them completely or labelling all white matter as a single homogenous substrate. While few white matter atlases do exist based on diffusion MRI fiber tractography, they are often limited to descriptions of white matter as spatially separate “regions” rather than as white matter “bundles” or fascicles, which are well-known to overlap throughout the brain. Additional limitations include small sample sizes, few white matter pathways, and the use of outdated diffusion models and techniques. Here, we present a new population-based collection of white matter atlases represented in both volumetric and surface coordinates in a standard space. These atlases are based on 2443 subjects, and include 216 white matter bundles derived from 6 different state-of-the-art tractography techniques. This atlas is freely available and will be a useful resource for parcellation and segmentation.

Abstract Purpose Diffusion weighted MRI imaging (DWI) is often subject to low signal-to-noise ratios (SNRs) and artifacts. Recent work has produced software tools that can correct individual problems, but these tools have not been combined with each other and with quality assurance (QA). A single integrated pipeline is proposed to perform DWI preprocessing with a spectrum of tools and produce an intuitive QA document. Methods The proposed pipeline, built around the FSL, MRTrix3, and ANTs software packages, performs DWI denoising; inter-scan intensity normalization; susceptibility-, eddy current-, and motion-induced artifact correction; and slice-wise signal drop-out imputation. To perform QA on the raw and preprocessed data and each preprocessing operation, the pipeline documents qualitative visualizations, quantitative plots, gradient verifications, and tensor goodness-of-fit and fractional anisotropy analyses. Results Raw DWI data were preprocessed and quality checked with the proposed pipeline and demonstrated improved SNRs; physiologic intensity ratios; corrected susceptibility-, eddy current-, and motion-induced artifacts; imputed signal-lost slices; and improved tensor fits. The pipeline identified incorrect gradient configurations and file-type conversion errors and was shown to be effective on externally available datasets. Conclusion The proposed pipeline is a single integrated pipeline that combines established diffusion preprocessing tools from major MRI-focused software packages with intuitive QA.

Abstract Quantifying the microstructural and macrostructural geometrical features of the human brain’s connections is necessary for understanding normal aging and disease. Here, we examine brain white matter diffusion magnetic resonance imaging data from one cross-sectional and two longitudinal datasets totaling in 1184 subjects and 2236 sessions of people aged 50-97 years. Data was drawn from well-established cohorts, including the Baltimore Longitudinal Study of Aging dataset, Cambridge Centre for Ageing Neuroscience dataset, and the Vanderbilt Memory & Aging Project. Quantifying 4 microstructural features and, for the first time, 11 macrostructure-based features of volume, area, and length across 120 white matter pathways, we apply linear mixed effect modeling to investigate changes in pathway-specific features over time, and document large age associations within white matter. Conventional diffusion tensor microstructure indices are the most age-sensitive measures, with positive age associations for diffusivities and negative age associations with anisotropies, with similar patterns observed across all pathways. Similarly, pathway shape measures also change with age, with negative age associations for most length, surface area, and volume-based features. A particularly novel finding of this study is that while trends were homogeneous throughout the brain for microstructure features, macrostructural features demonstrated heterogeneity across pathways, whereby several projection, thalamic, and commissural tracts exhibited more decline with age compared to association and limbic tracts. The findings from this large-scale study provide a comprehensive overview of the age-related decline in white matter and demonstrate that macrostructural features may be more sensitive to heterogeneous white matter decline. Therefore, leveraging macrostructural features may be useful for studying aging and could have widespread implications for a variety of neurodegenerative disorders.

Abstract INTRODUCTION Tau pathology, a hallmark of Alzheimer’s disease, is observed in the brains of virtually all individuals over 70. METHODS Using 18 F-AV-1451 ( 18 F-flortaucipir) PET, we evaluated tau pathology in 54 cognitively normal participants (mean age 77.5, SD 8.9) from the Baltimore Longitudinal Study of Aging. We assessed associations between PET signal and age, sex, race, and amyloid positivity. We investigated relationships between regional signal and retrospective rates of change in regional volumes and cognitive function adjusting for age, sex, and amyloid status. RESULTS Greater age, male sex, black race, and amyloid positivity were associated with higher 18 F-AV-1451 retention in distinct brain regions. Retention in the entorhinal cortex was associated with lower entorhinal volume ( β = −1.124, SE = 0.485, p = 0.025) and a steeper decline in memory performance ( β = −0.086, SE = 0.039, p = 0.029). DISCUSSION Assessment of medial temporal tau pathology will provide insights into early structural brain changes associated with later cognitive impairment and Alzheimer’s disease.

It is estimated that short association fibers, or 'U-shaped' fibers running immediately beneath the cortex, may make up as much as 60% of the total white matter volume. However, these have been understudied relative to the long-range association, projection, and commissural fibers of the brain. This is largely because of limitations of diffusion MRI fiber tractography, which is the primary methodology used to non-invasively study the white matter connections. Inspired by recent anatomical considerations and methodological improvements in U-fiber tractography, we aim to characterize changes in these fiber systems in cognitively normal aging, which provide insight into the biological foundation of age-related cognitive changes, and a better understanding of how age-related pathology differs from healthy aging. To do this, we used three large, longitudinal and cross-sectional datasets (N = 1293 subjects, 2711 sessions) to quantify microstructural features and length/volume features of several U-fiber systems. We find that axial, radial, and mean diffusivities show positive associations with age, while fractional anisotropy has negative associations with age in superficial white matter throughout the entire brain. These associations were most pronounced in the frontal, temporal, and temporoparietal regions. Moreover, measures of U-fiber volume and length decrease with age in a heterogenous manner across the brain, with prominent effects observed for pre- and post-central gyri. These features, and their variations with age, provide the background for characterizing normal aging, and, in combination with larger association pathways and gray matter microstructural features, may provide insight into fundamental mechanisms associated with aging and cognition.

Diffusion magnetic resonance images may suffer from geometric distortions due to susceptibility induced off resonance fields, which cause geometric mismatch with anatomical images and ultimately affect subsequent quantification of microstructural or connectivity indices. State-of-the art diffusion distortion correction methods typically require data acquired with reverse phase encoding directions, resulting in varying magnitudes and orientations of distortion, which allow estimation of an undistorted volume. Alternatively, additional field maps acquisitions can be used along with sequence information to determine warping fields. However, not all imaging protocols include these additional scans and cannot take advantage of state-of-the art distortion correction. To avoid additional acquisitions, structural MRI (undistorted scans) can be used as registration targets for intensity driven correction. In this study, we aim to (1) enable susceptibility distortion correction with historical and/or limited diffusion datasets that do not include specific sequences for distortion correction and (2) avoid the computationally intensive registration procedure typically required for distortion correction using structural scans. To achieve these aims, we use deep learning (3D U- nets) to synthesize an undistorted b0 image that matches geometry of structural T1w images and intensity contrasts from diffusion images. Importantly, the training dataset is heterogenous, consisting of varying acquisitions of both structural and diffusion. We apply our approach to a withheld test set and show that distortions are successfully corrected after processing. We quantitatively evaluate the proposed distortion correction and intensity-based registration against state-of-the-art distortion correction (FSL topup). The results illustrate that the proposed pipeline results in b0 images that are geometrically similar to non-distorted structural images, and more closely match state-of-the-art correction with additional acquisitions. In addition, we show generalizability of the proposed approach to datasets that were not in the original training / validation / testing datasets. These datasets included varying populations, contrasts, resolutions, and magnitudes and orientations of distortion and show efficacious distortion correction. The method is available as a Singularity container, source code, and an executable trained model to facilitate evaluation.

It is unclear how rates of white matter microstructural decline differ between normal aging and abnormal aging.Diffusion MRI data from several well-established longitudinal cohorts of aging [Alzheimer's Neuroimaging Initiative (ADNI), Baltimore Longitudinal Study of Aging (BLSA), Vanderbilt Memory & Aging Project (VMAP)] was free-water corrected and harmonized. This dataset included 1,723 participants (age at baseline: 72.8±8.87 years, 49.5% male) and 4,605 imaging sessions (follow-up time: 2.97±2.09 years, follow-up range: 1-13 years, mean number of visits: 4.42±1.98). Differences in white matter microstructural decline in normal and abnormal agers was assessed.While we found global decline in white matter in normal/abnormal aging, we found that several white matter tracts (e.g., cingulum bundle) were vulnerable to abnormal aging.There is a prevalent role of white matter microstructural decline in aging, and future large-scale studies in this area may further refine our understanding of the underlying neurodegenerative processes.Longitudinal data was free-water corrected and harmonizedGlobal effects of white matter decline were seen in normal and abnormal agingThe free-water metric was most vulnerable to abnormal agingCingulum free-water was the most vulnerable to abnormal aging.