Neuroimaging data analysis often requires purpose-built software, which can be challenging to install and may produce different results across computing environments. Beyond being a roadblock to neuroscientists, these issues of accessibility and portability can hamper the reproducibility of neuroimaging data analysis pipelines. Here, we introduce the Neurodesk platform, which harnesses software containers to support a comprehensive and growing suite of neuroimaging software (https://www.neurodesk.org/). Neurodesk includes a browser-accessible virtual desktop environment and a command line interface, mediating access to containerized neuroimaging software libraries on various computing platforms, including personal and high-performance computers, cloud computing and Jupyter Notebooks. This community-oriented, open-source platform enables a paradigm shift for neuroimaging data analysis, allowing for accessible, flexible, fully reproducible, and portable data analysis pipelines.

Abstract Purpose Quantitative Susceptibility Mapping (QSM) is a post-processing technique applied to gradient-echo phase data. QSM algorithms require a signal mask to delineate regions with reliable phase signal for subsequent susceptibility estimation. Existing masking techniques used in QSM have limitations that introduce artefacts, exclude anatomical detail, and rely on parameter tuning and anatomical priors that narrow their application. Here, a robust masking and reconstruction procedure is presented to overcome these limitations and enable automated QSM processing for a wide range of use-cases implemented in an open-source software framework: QSMxT . Methods A robust masking technique that automatically separates reliable from less reliable phase regions was developed and combined with a two-pass reconstruction procedure that operates on the separated sources before combination, extracting more information while reducing the influence of artefacts. Result Compared with standard masking and reconstruction procedures, the two-pass inversion reduces streaking artefacts caused by unreliable phase and high dynamic ranges of susceptibility sources. QSMxT is robust across a range of datasets at 3 T in healthy volunteers and phantoms, at 7 T in tumour patients, and in the QSM challenge 2.0 simulated brain dataset, with significant artefact and error reductions, greater anatomical detail, and minimal parameter tuning. Conclusion QSMxT generates masks for QSM that separate reliable from less reliable phase regions, enables a more accurate QSM reconstruction that mitigates artefacts, operates without anatomical priors, and requires minimal parameter tuning. QSMxT makes QSM processing more accessible, reliable and reproducible.

Abstract Purpose Interest is growing in MR-only radiotherapy (RT) planning for prostate cancer (PCa) due to the potential reductions in cost and patient exposure to radiation, and a more streamlined work-flow and patient imaging pathway. However, in MRI, the gold fiducial markers (FMs) used for target localization appear as signal voids, complicating differentiation from other void sources such as calcifications and bleeds. This work investigates using Quantitative Susceptibility Mapping (QSM), an MRI phase post-processing technique, to aid in the differentiation task. It also presents deep learning models that capture nuanced information and automate the segmentation task, facilitating a streamlined approach to MR-only RT. Methods CT and MRI, including GRE and T1-weighted imaging, were acquired from 26 PCa patients, each with three implanted gold FMs. GRE data were post-processed into QSM, T 2 * , and R 2 * maps using QSMxT’s body imaging pipeline. Statistical analyses were conducted to investigate the quantitative differentiation of FMs and calcification in each contrast. 3D U-Nets were developed using fastMONAI to automate the segmentation task using various combinations of MR-derived contrasts, with a model trained on CT used as a baseline. Models were evaluated using precision and recall calculated using a leave-one-out cross-validation scheme. Results Significant differences were observed between FM and calcification regions in CT, QSM and T 2 * , though overlap was observed in QSM and T 2 * . The baseline CT U-Net achieved an FM-level precision of ≈ 98% and perfect recall. The best-performing QSM-based model achieved precision and recall of 80% and 90%, respectively, while conventional MRI had values below 70% and 80%, respectively. The QSM-based model produced segmentations with good agreement with the ground truth, including a challenging FM that coincided with a bleed. Conclusion The model performance highlights the value of using QSM over indirect measures in MRI, such as signal voids in magnitude-based contrasts. The results also indicate that a U-Net can capture more information about the presentation of FMs and other sources than would be possible using susceptibility quantification alone, which may be less reliable due to the diverse presentation of sources across a patient population. In our study, QSM was a reliable discriminator of FMs and other sources in the prostate, facilitating an accurate and streamlined approach to MR-only RT.

Motivation: Reconstruction challenges for Quantitative Susceptibility Mapping (QSM) offer a common evaluation but are challenging to run and offer only a single snapshot of algorithm performance in time. Goal(s): To develop a QSM challenge with continuous integration (QSM-CI), enabling automatic, transparent evaluation of community-submitted algorithms across diverse datasets and metrics. Approach: QSM-CI was implemented using GitHub Actions and a user interface for displaying metrics and collecting community visual ratings, which inform a qualitative Elo metric alongside quantitative assessments. Results: The QSM-CI prototype implementation is publicly available and has been tested using a range of QSM algorithms. Impact: QSM-CI will facilitate a QSM challenge that allows for continuous evaluations using current and future datasets, algorithms, and metrics. This ensures the continued accessibility of the challenge and continued relevance as new methods, metrics and test data are made available.

Motivation: Quantitative susceptibility mapping (QSM) is being increasingly used to investigate pathophysiological changes in traumatic brain injury (TBI). However, generating artefact-free quantitative susceptibility maps in brains with large focal lesions, as in the case of moderate-to-severe TBI (ms-TBI), is particularly challenging. Goal(s): To generate artefact-free quantitative susceptibility maps in moderate-to-severe TBI patients with large focal lesions. Approach: We utilized a novel two-pass masking technique and reconstruction procedure in combination with a recently developed virtual brain grafting tool for brain repair. Results: Our innovative approach allowed us to generate artefact-free personalised QSM profiles of individual ms-TBI patients with reference to a sample of healthy controls. Impact: We outline an approach to obtain magnetic susceptibility values in the presence of large focal lesions and provide a framework to generate personalised QSM profiles that may be used by clinicians to characterise TBI pathophysiology or implement neuroscience-guided rehabilitation programs.

Motivation: There is a strong clinical desire to accelerate the established SWI protocols. The clinical adoption of quantitative susceptibility maps (QSM) is hindered in part by long scan time and cumbersome offline QSM processing. Goal(s): This study aims to substantially accelerate the SWI/QSM acquisitions while providing high-quality inline SWI/QSM images. Approach: A flow-compensated, CAIPIRINHA-accelerated 3D echo-planar imaging (3DEPI) sequence was used to create 1-minute protocols with matching resolution to conventional sequences. Deep-learning reconstruction and super-resolution were used to enhance image quality. Results: Compared with the established approach, the 1-minute 3D-EPI protocols provided 4× to 6× speed-up, while the DL reconstruction provided superior image quality. Impact: Besides the general improvement in throughput, the 1-minute SWI protocols with improved image quality may enhance the role of MRI-SWI in acute care. The high-quality in-line QSM and susceptibility map weighted images (SWMI) will facilitate their clinical evaluation and adoption.