Abstract Cerebrovascular reactivity (CVR), defined as the cerebral blood flow response to a vasoactive stimulus, is an imaging biomarker with demonstrated utility in a range of diseases and in typical development and aging processes. A robust and widely implemented method to map CVR involves using a breath-hold task during a BOLD fMRI scan. Recording end-tidal CO 2 (P ET CO 2 ) changes during the breath-hold task is recommended to be used as a reference signal for modeling CVR amplitude in standard units (%BOLD/mmHg) and CVR delay in seconds. However, obtaining reliable P ET CO 2 recordings requires equipment and task compliance that may not be achievable in all settings. To address this challenge, we investigated two alternative reference signals to map CVR amplitude and delay in a lagged general linear model (lagged-GLM) framework: respiration volume per time (RVT) and average gray matter BOLD response (GM- BOLD). In 8 healthy adults with multiple scan sessions, we compare spatial agreement of CVR maps from RVT and GM-BOLD to those generated with P ET CO 2 . We define a threshold to determine whether a P ET CO 2 recording has “sufficient” quality for CVR mapping and perform these comparisons in 16 datasets with sufficient P ET CO 2 and 6 datasets with insufficient P ET CO 2 . When P ET CO 2 quality is sufficient, both RVT and GM-BOLD produce CVR amplitude maps that are nearly identical to those from P ET CO 2 (after accounting for differences in scale), with the caveat they are not in standard units to facilitate between-group comparisons. CVR delays are comparable to P ET CO 2 with an RVT regressor but may be underestimated with the average GM- BOLD regressor. Importantly, when P ET CO 2 quality is insufficient, RVT and GM-BOLD CVR recover reasonable CVR amplitude and delay maps, provided the participant attempted the breath-hold task. Therefore, our framework offers a solution for achieving high quality CVR maps in both retrospective and prospective studies where sufficient P ET CO 2 recordings are not available and especially in populations where obtaining reliable measurements is a known challenge (e.g., children). Our results have the potential to improve the accessibility of CVR mapping and to increase the prevalence of this promising metric of vascular health.

Abstract Cerebrovascular reactivity (CVR) is an important indicator of cerebrovascular health and is commonly studied with the Blood Oxygenation Level Dependent functional MRI (BOLD-fMRI) response to a vasoactive stimulus. There is theoretical and empirical evidence to suggest that baseline cerebral blood flow (CBF) modulates the BOLD signal amplitude, and that baseline CBF may influence BOLD-CVR estimates. We address how some pertinent data acquisition and modelling choices affect the relationship between baseline CBF and BOLD-CVR: whether BOLD-CVR is modelled with breathing task data or just resting-state data, and whether BOLD-CVR amplitudes are optimized for hemodynamic lag effects. For the relationship between baseline CBF and BOLD-CVR, we assessed both between-subject correlations of average GM values and within-subject spatial correlations across cortical regions. Our results suggest that a simple breathing task addition to a resting-state scan, alongside lag-optimization within BOLD-CVR modelling, can improve BOLD-CVR correlations with baseline CBF, both between- and within-subjects, likely because these CVR estimates are more physiologically accurate. We report positive coupling between baseline CBF and BOLD-CVR, both between and within subjects; the physiological explanation of this positive coupling is unclear, and future research with larger sample sizes and more tightly controlled vasoactive stimuli is needed. Understanding how baseline vascular physiology relates to dynamic cerebrovascular processes will bring further insights into what drives between and within subject participant variability in BOLD-CVR measurements and related measurements of cerebrovascular function. These insights are particularly relevant when interpreting results in populations with altered vascular and/or metabolic baselines or impaired cerebrovascular reserve.

ABSTRACT Cerebrovascular reactivity (CVR), defined here as the Blood Oxygenation Level Dependent (BOLD) response to a CO 2 pressure change, is a useful metric of cerebrovascular function. Both the amplitude and the timing (hemodynamic lag) of the CVR response can bring insight into the nature of a cerebrovascular pathology and aid in understanding noise confounds when using functional Magnetic Resonance Imaging (fMRI) to study neural activity. This research assessed a practical modification to a typical resting-state fMRI protocol, to improve the characterization of cerebrovascular function. In 9 healthy subjects, we modelled CVR and lag in three resting-state data segments, and in data segments which added a 2–3 minute breathing task to the start of a resting-state segment. Two different breathing tasks were used to induce fluctuations in arterial CO 2 pressure: a breath-hold task to induce hypercapnia (CO 2 increase) and a cued deep breathing task to induce hypocapnia (CO 2 decrease). Our analysis produced voxel-wise estimates of the amplitude (CVR) and timing (lag) of the BOLD-fMRI response to CO 2 by systematically shifting the CO 2 regressor in time to optimize the model fit. This optimization inherently increases grey matter CVR values and fit statistics. The inclusion of a simple breathing task, compared to a resting-state scan only, increases the number of voxels in the brain that have a significant relationship between CO 2 and BOLD-fMRI signals, and improves our confidence in the plausibility of voxel-wise CVR and hemodynamic lag estimates. We demonstrate the clinical utility and feasibility of this protocol in an incidental finding of Moyamoya disease, and explore the possibilities and challenges of using this protocol in younger populations. This hybrid protocol has direct applications for CVR mapping in both research and clinical settings and wider applications for fMRI denoising and interpretation.

Motor-task functional magnetic resonance imaging (fMRI) is crucial in the study of several clinical conditions, including stroke and Parkinson's disease. However, motor-task fMRI is complicated by task-correlated head motion, which can be magnified in clinical populations and confounds motor activation results. One method that may mitigate this issue is multi-echo independent component analysis (ME-ICA), which has been shown to separate the effects of head motion from the desired BOLD signal, but has not been tested in motor-task datasets with high amounts of motion. In this study, we collected an fMRI dataset from a healthy population who performed a hand grasp task with and without task-correlated amplified head motion to simulate a motor-impaired population. We analyzed these data using three models: single-echo (SE), multi-echo optimally combined (ME-OC), and ME-ICA. We compared the models' performance in mitigating the effects of head motion on the subject level and group level. On the subject level, ME-ICA better dissociated the effects of head motion from the BOLD signal; both ME models led to increased activation extent and t-statistics in brain motor regions. In scans with high levels of motion, ME-ICA additionally mitigated artifacts and led to potentially more reliable beta coefficient estimates, compared to ME-OC. On the group level, all three models produced activation clusters in expected motor areas in scans with both low and high motion, indicating that group-level averaging may also sufficiently resolve motion artifacts that vary by subject. These findings demonstrate that ME-ICA is a useful tool for subject-level analysis of motor-task data with high levels of task-correlated head motion. The improvements afforded by ME-ICA are critical to improve reliability of subject-level activation maps for clinical populations in which group-level analysis may not be feasible or appropriate, for example in a chronic stroke cohort with varying stroke location and degree of tissue damage.

Motivation: Cerebral circulation time (CCT) is a metric that provides insight into cerebrovascular health. However, conventional CCT measurements typically require injection of contrast agents, or demonstrate high variability. Goal(s): We propose an improved, contrast-free method to calculate CCT by cross-correlating fMRI signals from the putamen and sagittal sinus. Approach: n 16 healthy adult datasets (8 subjects, 2 sessions), we compared CCT estimates using the internal carotid artery (as proposed in the literature) or putamen as “arterial” references in breath-hold and resting-state data. Results: The putamen ROI provides more reliable CCT estimates, consistent with values from bolus-tracking methods. Impact: A modified analysis of fMRI data provides a robust method to measure cerebral circulation time on a single-subject level. This method may offer an accessible, contrast-free metric of cerebrovascular health for future application in patient populations.