Abstract Like neocortical structures, the archicortical hippocampus differs in its folding patterns across individuals. Here, we present an automated and robust BIDS-App, HippUnfold, for defining and indexing individual-specific hippocampal folding in MRI, analogous to popular tools used in neocortical reconstruction. Such tailoring is critical for inter-individual alignment, with topology serving as the basis for homology. This topological framework enables qualitatively new analyses of morphological and laminar structure in the hippocampus or its subfields. It is critical for refining current neuroimaging analyses at a meso- as well as micro-scale. HippUnfold uses state-of-the-art deep learning combined with previously developed topological constraints to generate uniquely folded surfaces to fit a given subject’s hippocampal conformation. It is designed to work with commonly employed sub-millimetric MRI acquisitions, with possible extension to microscopic resolution. In this paper we describe the power of HippUnfold in feature extraction, and highlight its unique value compared to several extant hippocampal subfield analysis methods.

Abstract The hippocampus is classically divided into mesoscopic subfields which contain varying microstructure that contribute to their unique functional roles. It has been challenging to characterize this microstructure with current MR based neuroimaging techniques. In this work, we used diffusion MRI and a novel surface-based approach in the hippocampus which revealed distinct microstructural distributions of neurite density and dispersion, T1w/T2w ratio as a proxy for myelin content, fractional anisotropy, and mean diffusivity. We used the Neurite Orientation Dispersion and Density Imaging (NODDI) model optimized for gray matter diffusivity to characterize neurite density and dispersion. We found that neurite dispersion was highest in the Cornu Ammonis (CA) 1 and subiculum subfields which likely captures the large heterogeneity of tangential and radial fibers, such as the Schaffer collaterals, perforant path, and pyramidal neurons. Neurite density and T1w/T2w were highest in the subiculum and CA3 and lowest in CA1, which may reflect known myeloarchitecture differences between these subfields. Using a simple logistic regression model, we showed that neurite density, dispersion, and T1w/T2w measures provided good separability across the subfields, suggesting that they may be sensitive to the known variability in subfield cyto- and myeloarchitecture. We report macrostructural measures of gyrification, thickness, and curvature that were in line with ex vivo descriptions of hippocampal anatomy. We employed a multivariate orthogonal projective non-negative matrix factorization (OPNNMF) approach to capture co-varying regions of macro- and microstructure across the hippocampus. The clusters were highly variable along the medial-lateral (proximal-distal) direction, likely reflecting known differences in morphology, cytoarchitectonic profiles, and connectivity. Finally, we show that by examining the main direction of diffusion relative to canonical hippocampal axes, we could identify regions with stereotyped microstructural orientations that may map onto specific fiber pathways, such as the Schaffer collaterals, perforant path, fimbria, and alveus. These results highlight the value of combining in vivo diffusion MRI with computational approaches for capturing hippocampal microstructure, which may provide useful features for understanding cognition and for diagnosis of disease states.

The internal structure of the human hippocampus is challenging to map using histology or neuroimaging due to its complex archicortical folding. Here, we aimed to overcome this challenge using a unique combination of three methods. First, we leveraged a histological dataset with unprecedented 3D coverage, 3D BigBrain. Second, we imposed a computational unfolding framework that respects the topological continuity of hippocampal subfields, which are traditionally defined by laminar composition. Third, we adapted neocortical parcellation techniques to map the hippocampus with respect to not only laminar but also morphological features. Unsupervised clustering of these features revealed subdivisions that closely resemble ground-truth manual subfield segmentations. Critically, we also show that morphological features alone are sufficient to derive most hippocampal subfield boundaries. Moreover, some features showed differences within subfields along the hippocampal longitudinal axis. Our findings highlight new characteristics of internal hippocampal structure, and offer new avenues for its characterization with in-vivo neuroimaging.

The hippocampus, like the neocortex, has a morphological structure that is complex and variable in its folding pattern, especially in the hippocampal head. The current study presents a computational method to unfold hippocampal grey matter, with a particular focus on the hippocampal head where complexity is highest due to medial curving of the structure and the variable presence of digitations. This unfolding was performed on segmentations from high-resolution, T2-weighted 7T MRI data from 12 healthy participants and one surgical patient with epilepsy whose resected hippocampal tissue was used for histological validation. We traced a critical hippocampal component, the hippocampal sulcus and stratum radiatum, lacunosum moleculaire, (SRLM) in these images, then employed user-guided semi-automated techniques to detect and subsequently unfold the surrounding hippocampal grey matter. This unfolding was performed by solving Laplace's equation in three dimensions of interest (long-axis, proximal-distal, and laminar). The resulting 'unfolded coordinate space' provides an intuitive way of mapping the hippocampal subfields in 2D space (long-axis and proximal-distal), such that similar borders can be applied in the head, body, and tail of the hippocampus independently of variability in folding. This unfolded coordinate space was employed to map intracortical myelin and thickness in relation to subfield borders, which revealed intracortical myelin differences that closely follow the subfield borders used here. Examination of a histological sample from a patient with epilepsy reveals that our unfolded coordinate system shows biological validity, and that subfield segmentations applied in this space are able to capture features not seen in manual tracing protocols.

Identifying what an object is, and whether an object has been encountered before, is a crucial aspect of human behavior. Despite this importance, we do not have a complete understanding of the neural basis of these abilities. Investigations into the neural organization of human object representations have revealed category specific organization in the ventral visual stream in perceptual tasks. Interestingly, these categories fall within broader domains of organization, with distinctions between animate, inanimate large, and inanimate small objects. While there is some evidence for category specific effects in the medial temporal lobe (MTL), it is currently unclear whether domain level organization is also present across these structures. To this end, we used fMRI with a continuous recognition memory task. Stimuli were images of objects from several different categories, which were either animate or inanimate, or large or small within the inanimate domain. We employed representational similarity analysis (RSA) to test the hypothesis that object-evoked responses in MTL structures during recognition-memory judgments also show evidence for domain-level organization along both dimensions. Our data support this hypothesis. Specifically, object representations were shaped by either animacy, real-world size, or both, in perirhinal and parahippocampal cortex, as well as the hippocampus. While sensitivity to these dimensions differed when structures when probed individually, hinting at interesting links to functional differentiation, similarities in organization across MTL structures were more prominent overall. These results argue for continuity in the organization of object representations in the ventral visual stream and the MTL.

Abstract The internal architecture of the hippocampus is challenging to map in detail using traditional histology and in-vivo neuroimaging. This is due, in part, to its complex archicortical folding that is difficult to appreciate in both modalities. Here, we aimed to overcome this challenge by leveraging the unique histological dataset available as open-source 3D BigBrain. Specifically, we investigated the relationship between topology, laminar cytoarchitecture, and detailed morphology with respect to hippocampal subfields and its anterior-posterior axis. Inspired by computational parcellation methods used in the neocortex, we topologically ‘unfolded’ the hippocampus and mapped it with respect to 5 morphological and 10 laminar features. Several features, including thickness, gyrification, and mean neuronal density, clearly differed between subfields. Indeed, data-driven clustering of all features revealed subdivisions which closely resemble manually defined subfields. Some features, most notably gyrification, also showed anterior-posterior differences within subfields, which may relate to connectivity and functional differences described in previous literature. Overall these findings offer quantifiable markers of hippocampal subfields, and provide new anatomical insight into the topology and properties of hippocampal tissue. Future applications could involve translation to in-vivo MRI for probing the internal hippocampal architecture at this mesoscale in cognition and disease.

Abstract Observers perceive their visual environment in unique ways. How ventral visual stream (VVS) regions represent subjectively perceived object characteristics remains poorly understood. We hypothesized that the visual similarity between objects that observers perceive is reflected with highest fidelity in neural activity patterns in perirhinal and anterolateral entorhinal cortex at the apex of the VVS object-processing hierarchy. To address this issue with fMRI, we administered a task that required discrimination between images of exemplars from real-world categories. Further, we obtained ratings of perceived visual similarities. We found that perceived visual similarities predicted discrimination performance in an observer-specific manner. As anticipated, activity patterns in perirhinal and anterolateral entorhinal cortex predicted perceived similarity structure, including those aspects that are observer-specific, with higher fidelity than any other region examined. Our findings provide new evidence that representations of the visual world at the apex of the VVS differ across observers in ways that influence behaviour.

Abstract The hippocampus is largely recognized for its integral contributions to memory processing. By contrast, its role in perceptual processing remains less clear. Hippocampal properties differ along the anterior-posterior (AP) axis. Based on past research suggesting a gradient in the scale of features processed along the anterior-posterior extent of the hippocampus, the representations have been proposed to differ as a function of granularity along this axis. One way to quantify such granularity is with population receptive field (pRF) size measured during visual processing, which has so far received little attention. In this study, we compare the pRF sizes within the hippocampus to its activation for images of scenes versus faces. We also measure these functional properties in surrounding medial temporal lobe (MTL) structures. Consistent with past research, we find pRFs to be larger in anterior than in the posterior hippocampus. Critically, our analysis of surrounding MTL regions, such as the perirhinal cortex, entorhinal cortex and parahippocampal cortex, shows a similar relationship between scene sensitivity and larger pRF size. These findings provide conclusive evidence for a tight relationship between pRF size and the sensitivity to image content in the hippocampus.