Since initial reports regarding the impact of motion artifact on measures of functional connectivity, there has been a proliferation of participant-level confound regression methods to limit its impact. However, many of the most commonly used techniques have not been systematically evaluated using a broad range of outcome measures. Here, we provide a systematic evaluation of 14 participant-level confound regression methods in 393 youths. Specifically, we compare methods according to four benchmarks, including the residual relationship between motion and connectivity, distance-dependent effects of motion on connectivity, network identifiability, and additional degrees of freedom lost in confound regression. Our results delineate two clear trade-offs among methods. First, methods that include global signal regression minimize the relationship between connectivity and motion, but result in distance-dependent artifact. In contrast, censoring methods mitigate both motion artifact and distance-dependence, but use additional degrees of freedom. Importantly, less effective de-noising methods are also unable to identify modular network structure in the connectome. Taken together, these results emphasize the heterogeneous efficacy of existing methods, and suggest that different confound regression strategies may be appropriate in the context of specific scientific goals.

The protracted development of structural and functional brain connectivity within distributed association networks coincides with improvements in higher-order cognitive processes such as executive function. However, it remains unclear how white-matter architecture develops during youth to directly support coordinated neural activity. Here, we characterize the development of structure–function coupling using diffusion-weighted imaging and n -back functional MRI data in a sample of 727 individuals (ages 8 to 23 y). We found that spatial variability in structure–function coupling aligned with cortical hierarchies of functional specialization and evolutionary expansion. Furthermore, hierarchy-dependent age effects on structure–function coupling localized to transmodal cortex in both cross-sectional data and a subset of participants with longitudinal data ( n = 294). Moreover, structure–function coupling in rostrolateral prefrontal cortex was associated with executive performance and partially mediated age-related improvements in executive function. Together, these findings delineate a critical dimension of adolescent brain development, whereby the coupling between structural and functional connectivity remodels to support functional specialization and cognition.

Abstract T1-weighted divided by T2-weighted (T1w/T2w) myelin maps were initially developed for neuroanatomical analyses such as identifying cortical areas, but they are increasingly used in statistical comparisons across individuals and groups with other variables of interest. Existing T1w/T2w myelin maps contain radiofrequency transmit field (B1+) biases, which may be correlated with these variables of interest, leading to potentially spurious results. Here we propose two empirical methods for correcting these transmit field biases using either explicit measures of the transmit field or alternatively a ‘pseudo-transmit’ approach that is highly correlated with the transmit field at 3T. We find that the resulting corrected T1w/T2w myelin maps are both better neuroanatomical measures (e.g., for use in cross-species comparisons), and more appropriate for statistical comparisons of relative T1w/T2w differences across individuals and groups (e.g., sex, age, or body-mass-index) within a consistently acquired study at 3T. We recommend that investigators who use the T1w/T2w approach for mapping cortical myelin use these B1+ transmit field corrected myelin maps going forward.

Abstract Myelination influences brain connectivity during sensitive periods of development by enhancing neural signaling speed and regulating synapse formation to reduce plasticity. However, in vivo studies characterizing the maturational timing of cortical myelination during human development remain scant. Here, we take advantage of recent advances in high-resolution cortical T1w/T2w myelin mapping methods, including principled correction of B1+ transmit field effects, using data from the Human Connectome Project in Development ( N =628, ages 8-21) to characterize the maturational timing of myelination from childhood through early adulthood throughout the cerebral neocortex. We apply Bayesian spline models and functional latent clustering analysis to demonstrate graded variation in the rate of cortical T1w/T2w myelin growth in neocortical areas that is strongly correlated with the sensorimotor-association (S-A) axis of cortical organization reported by others. In sensorimotor areas T1w/T2w myelin starts at high levels at early ages, increases at a fast pace, and decelerates at later ages (18-21). In intermediate multimodal areas along the S-A axis, T1w/T2w myelin tends to start at intermediate levels and increase linearly at an intermediate pace. In transmodal/paralimbic association areas high along the S-A axis, T1w/T2w myelin tends to start at low levels and increase linearly at the slowest pace. These data provide evidence for graded variation along the S-A axis in the rate of cortical myelination during adolescence, which could reflect ongoing plasticity underlying the development of complex information processing and psychological functioning. Significance Statement Myelin is a lipid membrane that is essential to healthy brain function. Myelin wraps axons to increase neural signaling speed, enabling complex neuronal functioning underlying learning and cognition. Here we characterize the developmental timing of myelination across the cerebral cortex during adolescence using recent advances in non-invasive myelin mapping. Our results provide new evidence demonstrating graded variation across the cortex in the timing of myelination during adolescence, with rapid myelination in lower-order sensory areas and gradual myelination in higher-order association areas. This spatial pattern of microstructural brain development closely parallels the sensorimotor-to-association axis of cortical organization and plasticity during ontogeny.

A diverse white matter network and finely tuned neuronal membrane properties allow the brain to transition seamlessly between cognitive states. However, it remains unclear how static structural connections guide the temporal progression of large-scale brain activity patterns in different cognitive states. Here, we deploy an unsupervised machine learning algorithm to define brain states as time point level activity patterns from functional magnetic resonance imaging data acquired during passive visual fixation (rest) and an n-back working memory task. We find that brain states are composed of interdigitated functional networks and exhibit context-dependent dynamics. Using diffusion-weighted imaging acquired from the same subjects, we show that structural connectivity constrains the temporal progression of brain states. We also combine tools from network control theory with geometrically conservative null models to demonstrate that brains are wired to support states of high activity in default mode areas, while requiring relatively low energy. Finally, we show that brain state dynamics change throughout development and explain working memory performance. Overall, these results elucidate the structural underpinnings of cognitively and developmentally relevant spatiotemporal brain dynamics.

Multiple studies have shown that data quality is a critical confound in the construction of brain networks derived from functional MRI. This problem is particularly relevant for studies of human brain development where important variables (such as participant age) are correlated with data quality. Nevertheless, the impact of head motion on estimates of structural connectivity derived from diffusion tractography methods remains poorly characterized. Here, we evaluated the impact of in-scanner head motion on structural connectivity using a sample of 949 participants (ages 8-23 years old) who passed a rigorous quality assessment protocol for diffusion tensor imaging (DTI) acquired as part of the Philadelphia Neurodevelopmental Cohort. Structural brain networks were constructed for each participant using both deterministic and probabilistic tractography. We hypothesized that subtle variation in head motion would systematically bias estimates of structural connectivity and confound developmental inference, as observed in previous studies of functional connectivity. Even following quality assurance and retrospective correction for head motion, eddy currents, and field distortions, in-scanner head motion significantly impacted the strength of structural connectivity in a consistency- and length-dependent manner. Specifically, increased head motion was associated with reduced estimates of structural connectivity for high-consistency network edges, which included both short- and long-range connections. In contrast, motion inflated estimates of structural connectivity for low-consistency network edges that were primarily shorter-range. Finally, we demonstrate that age-related differences in head motion can both inflate and obscure developmental inferences on structural connectivity. Taken together, these data delineate the systematic impact of head motion on structural connectivity, and provide a critical context for identifying motion-related confounds in studies of structural brain network development.

In systems neuroscience, most models posit that brain regions communicate information under constraints of efficiency. Yet, metabolic and information transfer efficiency across structural networks are not understood. In a large cohort of youth, we find metabolic costs associated with structural path strengths supporting information diffusion. Metabolism is balanced with the coupling of structures supporting diffusion and network modularity. To understand efficient network communication, we develop a theory specifying minimum rates of message diffusion that brain regions should transmit for an expected fidelity, and we test five predictions from the theory. We introduce compression efficiency, which quantifies differing trade-offs between lossy compression and communication fidelity in structural networks. Compression efficiency evolves with development, heightens when metabolic gradients guide diffusion, constrains network complexity, explains how rich-club hubs integrate information, and correlates with cortical areal scaling, myelination, and speed-accuracy trade-offs. Our findings elucidate how network structures and metabolic resources support efficient neural communication.

Executive function develops rapidly during adolescence, and failures of executive function are associated with both risk-taking behaviors and psychopathology. However, it remains relatively unknown how structural brain networks mature during this critical period to facilitate energetically demanding transitions to activate the frontoparietal system, which is critical for executive function. In a sample of 946 human youths (ages 8-23 yr) who completed diffusion imaging as part of the Philadelphia Neurodevelopment Cohort, we capitalized upon recent advances in network control theory in order to calculate the control energy necessary to activate the frontoparietal system given the existing structural network topology. We found that the control energy required to activate the frontoparietal system declined with development. Moreover, we found that this control energy pattern contains sufficient information to make accurate predictions about individuals' brain maturity. Finally, the control energy costs of the cingulate cortex were negatively correlated with executive performance, and partially mediated the development of executive performance with age. These results could not be explained by changes in general network control properties or in network modularity. Taken together, our results reveal a mechanism by which structural networks develop during adolescence to facilitate the instantiation of activation states necessary for executive function.

Diffusion tensor imaging (DTI) has advanced our understanding of how brain microstructure evolves over development. However, the proliferation of multi-shell diffusion imaging sequences has coincided with notable advances in the modeling of neuronal diffusion patterns, such as Neurite Orientation Dispersion and Density Imaging (NODDI) and Laplacian-regularized Mean Apparent Propagator MRI (MAPL). The relative utility of these newer diffusion models for understanding brain maturation remains sparsely investigated. Additionally, despite evidence that motion artifact is a major confound for studies of development, the relative vulnerability of these models to in-scanner motion has not been described. Accordingly, in a sample of 123 youth (ages 12-30) we evaluated DTI, NODDI, and MAPL for associations with age and in-scanner head motion at multiple scales, including mean white matter values, voxelwise analyses, and tractography-based structural brain networks. Our results reveal that multi-shell diffusion imaging sequences can be leveraged to robustly characterize neurodevelopment, even within the framework of DTI. However, these metrics of diffusion are variably impacted by motion, highlighting the importance of modeling choices for studies of movement-prone populations. Our findings suggest that while traditional DTI is sensitive to neurodevelopmental trends, contemporary modeling techniques confer key advantages for neurodevelopmental inquiries.

The protracted development of structural and functional brain connectivity within distributed association networks coincides with improvements in higher-order cognitive processes such as working memory. However, it remains unclear how white matter architecture develops during youth to directly support coordinated neural activity. Here, we characterize the development of structure-function coupling using diffusion-weighted imaging and n-back fMRI data in a sample of 727 individuals (ages 8-23 years). We found that spatial variability in structure-function coupling aligned with cortical hierarchies of functional specialization and evolutionary expansion. Furthermore, hierarchy-dependent age effects on structure-function coupling localized to transmodal cortex in both cross-sectional data and a subset of participants with longitudinal data (n=294). Moreover, structure-function coupling in rostrolateral prefrontal cortex was associated with executive performance, and partially mediated age-related improvements in executive function. Together, these findings delineate a critical dimension of adolescent brain development, whereby the coupling between structural and functional connectivity remodels to support functional specialization and cognition.