Abstract The development of scanners with ultra-high gradients, spearheaded by the Human Connectome Project, has led to dramatic improvements in the spatial, angular, and diffusion resolution that is feasible for in vivo diffusion MRI acquisitions. The improved quality of the data can be exploited to achieve higher accuracy in the inference of both microstructural and macrostructural anatomy. However, such high-quality data can only be acquired on a handful of Connectom MRI scanners worldwide, while remaining prohibitive in clinical settings because of the constraints imposed by hardware and scanning time. In this study, we first update the classical protocols for tractography-based, manual annotation of major white-matter pathways, to adapt them to the much greater volume and variability of the streamlines that can be produced from today’s state-of-the-art diffusion MRI data. We then use these protocols to annotate 42 major pathways manually in data from a Connectom scanner. Finally, we show that, when we use these manually annotated pathways as training data for global probabilistic tractography with anatomical neighborhood priors, we can perform highly accurate, automated reconstruction of the same pathways in much lower-quality, more widely available diffusion MRI data. The outcomes of this work include both a new, comprehensive atlas of WM pathways from Connectom data, and an updated version of our tractography toolbox, TRActs Constrained by UnderLying Anatomy (TRACULA), which is trained on data from this atlas. Both the atlas and TRACULA are distributed publicly as part of FreeSurfer. We present the first comprehensive comparison of TRACULA to the more conventional, multi-region-of-interest approach to automated tractography, and the first demonstration of training TRACULA on high-quality, Connectom data to benefit studies that use more modest acquisition protocols.

Abstract Limitations in the accuracy of brain pathways reconstructed by diffusion MRI (dMRI) tractography have received considerable attention. While the technical advances spearheaded by the Human Connectome Project (HCP) led to significant improvements in dMRI data quality, it remains unclear how these data should be analyzed to maximize tractography accuracy. Over a period of two years, we have engaged the dMRI community in the IronTract Challenge, which aims to answer this question by leveraging a unique dataset. Macaque brains that have received both tracer injections and ex vivo dMRI at high spatial and angular resolution allow a comprehensive, quantitative assessment of tractography accuracy on state-of-the-art dMRI acquisition schemes. We find that, when analysis methods are carefully optimized, the HCP scheme can achieve similar accuracy as a more time-consuming, Cartesian-grid scheme. Importantly, we show that simple pre- and post-processing strategies can improve the accuracy and robustness of many tractography methods. Finally, we find that fiber configurations that go beyond crossing ( e . g ., fanning, branching) are the most challenging for tractography. The IronTract Challenge remains open and we hope that it can serve as a valuable validation tool for both users and developers of dMRI analysis methods.

Abstract While many useful microstructural indices, as well as orientation distribution functions, can be obtained from multi-shell dMRI data, there is growing interest in exploring the richer set of microstructural features that can be extracted from the full ensemble average propagator (EAP). The EAP can be readily computed from diffusion spectrum imaging (DSI) data, at the cost of a very lengthy acquisition. Compressed sensing (CS) has been used to make DSI more practical by reducing its acquisition time. CS applied to DSI (CS-DSI) attempts to reconstruct the EAP from significantly undersampled q-space data. We present a post mortem validation study where we evaluate the ability of CS-DSI to approximate not only fully sampled DSI but also multi-shell acquisitions with high fidelity. Human brain samples are imaged with high-resolution DSI at 9.4T and with polarization-sensitive optical coherence tomography (PSOCT). The latter provides direct measurements of axonal orientations at microscopic resolutions, allowing us to evaluate the mesoscopic orientation estimates obtained from diffusion MRI, in terms of their angular error and the presence of spurious peaks. We test two fast, dictionary-based, L2-regularized algorithms for CS-DSI reconstruction. We find that, for a CS acceleration factor of R=3, i.e., an acquisition with 171 gradient directions, one of these methods is able to achieve both low angular error and low number of spurious peaks. With a scan length similar to that of high angular resolution multi-shell acquisition schemes, this CS-DSI approach is able to approximate both fully sampled DSI and multi-shell data with high accuracy. Thus it is suitable for orientation reconstruction and microstructural modeling techniques that require either grid- or shell-based acquisitions. We find that the signal-to-noise ratio (SNR) of the training data used to construct the dictionary can have an impact on the accuracy of CS-DSI, but that there is substantial robustness to loss of SNR in the test data. Finally, we show that, as the CS acceleration factor increases beyond R=3, the accuracy of these reconstruction methods degrade, either in terms of the angular error, or in terms of the number of spurious peaks. Our results provide useful benchmarks for the future development of even more efficient q-space acceleration techniques.

Background Screening is not recommended for prostate cancer in the UK. Asymptomatic men aged ≥50 years can request a prostate-specific antigen (PSA) test following counselling on potential harms and benefits. There are areas of clinical uncertainty among GPs, resulting in the content and quality of counselling varying. Aim To produce a consensus that can influence guidelines for UK primary care on the optimal use of the PSA test in asymptomatic men for early prostate cancer detection. Design and setting Prostate Cancer UK facilitated a RAND/UCLA consensus. Method Statements covering five topics were developed with a subgroup of experts. A panel of 15 experts in prostate cancer scored (round one) statements on a scale of one (strongly disagree) to nine (strongly agree). Panellists met to discuss statements before rescoring (round two). A lived experience panel of seven men scored a subset of statements with outcomes fed into the main panel. Results Of the initial 94 statements reviewed by the expert panel, a final 48/85 (56%) achieved consensus. In the absence of screening, there was consensus on proactive approaches to initiate discussions about the PSA test with men who were at higher-than-average risk. Conclusion Improvements in the prostate cancer diagnostic pathway may have reduced some of the harms associated with PSA testing; however, several areas of uncertainty remain in relation to screening, including optimal PSA thresholds for referral and intervals for retesting. There is consensus on proactive approaches to testing in higher-than-average risk groups. This should prompt a review of current guidelines.

Abstract The accurate measurement of three-dimensional (3D) fiber orientation in the brain is crucial for reconstructing fiber pathways and studying their involvement in neurological diseases. Optical imaging methods such as polarization-sensitive optical coherence tomography (PS-OCT) provide important tools to directly quantify fiber orientation at micrometer resolution. However, brain imaging based on the optic axis by PS-OCT so far has been limited to two-dimensional in-plane orientation, preventing the comprehensive study of connectivity in 3D. In this work, we present a novel method to obtain the 3D fiber orientation in full angular space with only two illumination angles. We measure the optic axis orientation and the apparent birefringence by PS-OCT from a normal and a 15 deg tilted illumination, and then apply a computational method yielding the 3D optic axis orientation and true birefringence. We verify that our method accurately recovers a large range of through-plane orientations from -85 deg to 85 deg with a high angular precision. We further present 3D fiber orientation maps of entire coronal sections of human cerebrum and brainstem with 10 μm in-plane resolution, revealing unprecedented details of fiber configurations. We envision that further development of our method will open a promising avenue towards large-scale 3D fiber axis mapping in the human brain and other complex fibrous tissues at microscopic level.

Abstract The importance of polarization-sensitive optical coherence tomography (PS-OCT) has been increasingly recognized in human brain imaging. Despite the recent progress of PS-OCT in revealing white matter architecture and orientation, quantification of fine-scale fiber tracts in the human brain cortex has been a challenging problem, due to a low birefringence in the gray matter. In this study, we investigated the effect of refractive index matching by 2,2’-thiodiethanol (TDE) immersion on the improvement of PS-OCT measurements in ex vivo human brain tissue. We obtain the cortical fiber orientation maps in the gray matter, which reveals the radial fibers in the gyrus, the U-fibers along the sulcus, as well as distinct layers of fiber axes exhibiting laminar organization. Further analysis shows that index matching reduces the noise in axis orientation measurements by 56% and 39%, in white and gray matter, respectively. Index matching also enables precise measurements of apparent birefringence, which was underestimated in the white matter by 82% but overestimated in the gray matter by 16% prior to TDE immersion. Mathematical simulations show that the improvements are primarily attributed to the reduction in the tissue scattering coefficient, leading to an enhanced signal-to-noise ratio in deeper tissue regions, which could not be achieved by conventional noise reduction methods.