In Multiple Sclerosis (MS), detection of T2-hyperintense white matter (WM) lesions on magnetic resonance imaging (MRI) has become a crucial criterion for diagnosis and predicting prognosis in early disease. Automated lesion detection is not only desirable with regard to time and cost effectiveness but also constitutes a prerequisite to minimize user bias. Here, we developed and evaluated an algorithm for automated lesion detection requiring a three-dimensional (3D) gradient echo (GRE) T1-weighted and a FLAIR image at 3 Tesla (T). Our tool determines the three tissue classes of gray matter (GM) and WM as well as cerebrospinal fluid (CSF) from the T1-weighted image, and, then, the FLAIR intensity distribution of each tissue class in order to detect outliers, which are interpreted as lesion beliefs. Next, a conservative lesion belief is expanded toward a liberal lesion belief. To this end, neighboring voxels are analyzed and assigned to lesions under certain conditions. This is done iteratively until no further voxels are assigned to lesions. Herein, the likelihood of belonging to WM or GM is weighed against the likelihood of belonging to lesions. We evaluated our algorithm in 53 MS patients with different lesion volumes, in 10 patients with posterior fossa lesions, and 18 control subjects that were all scanned at the same 3T scanner (Achieva, Philips, Netherlands). We found good agreement with lesions determined by manual tracing (R2 values of over 0.93 independent of FLAIR slice thickness up to 6 mm). These results require validation with data from other protocols based on a conventional FLAIR sequence and a 3D GRE T1-weighted sequence. Yet, we believe that our tool allows fast and reliable segmentation of FLAIR-hyperintense lesions, which might simplify the quantification of lesions in basic research and even clinical trials.

Alzheimer's disease (AD) is a neurodegenerative disorder that prominently affects cerebral connectivity. Assessing the functional connectivity at rest, recent functional MRI (fMRI) studies reported on the existence of resting-state networks (RSNs). RSNs are characterized by spatially coherent, spontaneous fluctuations in the blood oxygen level-dependent signal and are made up of regional patterns commonly involved in functions such as sensory, attention, or default mode processing. In AD, the default mode network (DMN) is affected by reduced functional connectivity and atrophy. In this work, we analyzed functional and structural MRI data from healthy elderly ( n = 16) and patients with amnestic mild cognitive impairment (aMCI) ( n = 24), a syndrome of high risk for developing AD. Two questions were addressed: ( i ) Are any RSNs altered in aMCI? ( ii ) Do changes in functional connectivity relate to possible structural changes? Independent component analysis of resting-state fMRI data identified eight spatially consistent RSNs. Only selected areas of the DMN and the executive attention network demonstrated reduced network-related activity in the patient group. Voxel-based morphometry revealed atrophy in both medial temporal lobes (MTL) of the patients. The functional connectivity between both hippocampi in the MTLs and the posterior cingulate of the DMN was present in healthy controls but absent in patients. We conclude that in individuals at risk for AD, a specific subset of RSNs is altered, likely representing effects of ongoing early neurodegeneration. We interpret our finding as a proof of principle, demonstrating that functional brain disorders can be characterized by functional-disconnectivity profiles of RSNs.

Major depressive disorder (MDD) is characterized by altered intrinsic functional connectivity within (intra-iFC) intrinsic connectivity networks (ICNs), such as the Default Mode- (DMN), Salience- (SN) and Central Executive Network (CEN). It has been proposed that aberrant switching between DMN-mediated self-referential and CEN-mediated goal-directed cognitive processes might contribute to MDD, possibly explaining patients' difficulties to disengage the processing of self-focused, often negatively biased thoughts. Recently, it has been shown that the right anterior insula (rAI) within the SN is modulating DMN/CEN interactions. Since structural and functional alterations within the AI have been frequently reported in MDD, we hypothesized that aberrant intra-iFC in the SN's rAI is associated with both aberrant iFC between DMN and CEN (inter-iFC) and severity of symptoms in MDD. Twenty-five patients with MDD and 25 healthy controls were assessed using resting-state fMRI (rs-fMRI) and psychometric examination. High-model-order independent component analysis (ICA) of rs-fMRI data was performed to identify ICNs including DMN, SN, and CEN. Intra-iFC within and inter-iFC between distinct subsystems of the DMN, SN, and CEN were calculated, compared between groups and correlated with the severity of symptoms. Patients with MDD showed (1) decreased intra-iFC within the SN's rAI, (2) decreased inter-iFC between the DMN and CEN, and (3) increased inter-iFC between the SN and DMN. Moreover, decreased intra-iFC in the SN's rAI was associated with severity of symptoms and aberrant DMN/CEN interactions, with the latter losing significance after correction for multiple comparisons. Our results provide evidence for a relationship between aberrant intra-iFC in the salience network's rAI, aberrant DMN/CEN interactions and severity of symptoms, suggesting a link between aberrant salience mapping, abnormal coordination of DMN/CEN based cognitive processes and psychopathology in MDD.

In schizophrenia, consistent structural and functional changes have been demonstrated for the insula including aberrant salience processing, which is critical for psychosis. Interactions within and across default mode and central executive network (DMN, CEN) are impaired in schizophrenia. The question arises whether these 2 types of changes are related. Recently, the anterior insula has been demonstrated to control DMN/CEN interactions. We hypothesized that aberrant insula and DMN/CEN activity in schizophrenia is associated with an impaired dependence of DMN/CEN interactions on anterior insular salience network (SN) activity. Eighteen patients with schizophrenia during psychosis and 20 healthy controls were studied by resting-state-fMRI and psychometric examination. High-model-order independent component analysis of fMRI data revealed spatiotemporal patterns of synchronized ongoing blood-oxygenation-level-dependent (BOLD) activity including SN, DMN, and CEN. Scores of functional and time-lagged connectivity across networks’ time courses were calculated. Connectivity scores and spatial network maps were compared between groups and related with patients’ hallucination and delusion severity. Spatial BOLD-synchronicity was altered in patients’ SN, DMN, and CEN, including decreased activity in the right anterior insula (rAI). Patients’ functional connectivity between DMN and CEN was increased and related with hallucinations severity. Importantly, patients’ time-lagged connectivity between SN and DMN/CEN was reduced, and decreased rAI activity of the SN was associated with both hallucinations and increased functional connectivity between DMN and CEN. Data provide evidence for an aberrant dependence of DMN/CEN interactions on anterior insular SN activity, linking impaired insula, DMN, CEN activity, and psychosis in schizophrenia.

Ischemic stroke of undetermined cause is a major health issue because of its high frequency and clinical relevance. Histopathologic analysis of human thrombi, retrieved from stroke patients with large-vessel occlusion during mechanical thrombectomy, may provide information about underlying pathologies. This study examines the relationship between stroke causes and histological clot composition to identify specific patterns that might help to distinguish causes of cryptogenic stroke.Thrombi of 145 consecutive stroke patients with large-vessel occlusion were collected during intracranial mechanical recanalization. The hematoxylin and eosin-stained specimens were quantitatively analyzed in terms of the relative fractions of the main constituents (red and white blood cells and fibrin/platelets). These data, along with additional clinical and interventional parameters, were compared for different stroke subtypes, as defined by the international Trial of Org 10172 in Acute Stroke Treatment criteria.The composition of thrombi from cardioembolic and noncardioembolic stroke patients differed significantly for all main thrombus components. Cardioembolic thrombi had higher proportions of fibrin/platelets (P=0.009), less erythrocytes (P=0.003), and more leucocytes (P=0.035) than noncardioembolic thrombi. Cryptogenic strokes showed strong overlap with cardioembolic strokes but not with noncardioembolic strokes, in terms of both thrombus histology and interventional and clinical outcome parameters.Quantitative evaluation of thrombus composition may help to distinguish between different stroke causes. Our findings support the notion that the majority of cryptogenic strokes are cardioembolic.

Lasting thalamus volume reduction after preterm birth is a prominent finding. However, whether thalamic nuclei volumes are affected differentially by preterm birth and whether nuclei aberrations are relevant for cognitive functioning remains unknown. Using T1-weighted MR-images of 83 adults born very preterm (≤ 32 weeks' gestation; VP) and/or with very low body weight (≤ 1,500 g; VLBW) as well as of 92 full-term born (≥ 37 weeks' gestation) controls, we compared thalamic nuclei volumes of six subregions (anterior, lateral, ventral, intralaminar, medial, and pulvinar) across groups at the age of 26 years. To characterize the functional relevance of volume aberrations, cognitive performance was assessed by full-scale intelligence quotient using the Wechsler Adult Intelligence Scale and linked to volume reductions using multiple linear regression analyses. Thalamic volumes were significantly lower across all examined nuclei in VP/VLBW adults compared to controls, suggesting an overall rather than focal impairment. Lower nuclei volumes were linked to higher intensity of neonatal treatment, indicating vulnerability to stress exposure after birth. Furthermore, we found that single results for lateral, medial, and pulvinar nuclei volumes were associated with full-scale intelligence quotient in preterm adults, albeit not surviving correction for multiple hypotheses testing. These findings provide evidence that lower thalamic volume in preterm adults is observable across all subregions rather than focused on single nuclei. Data suggest the same mechanisms of aberrant thalamus development across all nuclei after premature birth.

Meningiomas are the most common primary brain tumors. While most are benign (WHO grade 1) and have a favorable prognosis, up to one-fourth are classified as higher-grade, falling into WHO grade 2 or 3 categories. Recently, an integrated risk score (IRS) pertaining to tumor biology was developed and its prognostic relevance was validated in a large, multicenter study. We hypothesized imaging data to be reflective of the IRS. Thus, we assessed the potential of a machine learning classifier for its noninvasive prediction using preoperative magnetic resonance imaging (MRI).

Abstract Background Molecular glioblastoma (molGB) does not exhibit the histologic hallmarks of a grade 4 glioma but is nevertheless diagnosed as glioblastoma when harboring specific molecular markers. MolGB can easily be mistaken for similar-appearing lower-grade astrocytomas. Here, we investigated how advanced imaging could reflect the underlying tumor biology. Methods Clinical and imaging data were collected for 7 molGB grade 4, 9 astrocytomas grade 2, and 12 astrocytomas grade 3. Four neuroradiologists performed VASARI-scoring of conventional imaging, and their inter-reader agreement was assessed using Fleiss κ coefficient. To evaluate the potential of advanced imaging, 2-sample t test, 1-way ANOVA, Mann–Whitney U, and Kruskal–Wallis test were performed to test for significant differences between apparent diffusion coefficient (ADC) and relative cerebral blood volume (rCBV) that were extracted fully automatically from the whole tumor volume. Results While conventional VASARI imaging features did not allow for reliable differentiation between glioma entities, rCBV was significantly higher in molGB compared to astrocytomas for the 5th and 95th percentile, mean, and median values (P < .05). ADC values were significantly lower in molGB than in astrocytomas for mean, median, and the 95th percentile (P < .05). Although no molGB showed contrast enhancement initially, we observed enhancement in the short-term follow-up of 1 patient. Discussion Quantitative analysis of diffusion and perfusion parameters shows potential in reflecting the malignant tumor biology of molGB. It may increase awareness of molGB in a nonenhancing, “benign” appearing tumor. Our results support the emerging hypothesis that molGB might present glioblastoma captured at an early stage of gliomagenesis.

Abstract To assess the natural trajectory of brain activity over the migraine cycle, we assessed (1) the cerebral perfusion and (2) the hypothalamic connectivity during spontaneous headache attacks with follow-up recordings towards the next migraine attack. Using pseudo-continuous arterial spin labelling and resting-state functional magnetic resonance imaging, 12 migraine patients were examined in 82 sessions. We detected cyclic changes of brain perfusion in the limbic circuit (insula, hippocampus, and nucleus accumbens), with the highest perfusion during headache attacks. In addition, we found an increase of hypothalamic connectivity to the limbic system over the interictal interval, then collapsing during the headache. Our data provide strong evidence for the predominant role of the hypothalamus as a zeitgeber for generating migraine attacks. Our findings suggest that migraine attacks are the result of the hypothalamus losing control over the limbic system.

Abstract Purpose Spatial intratumoral heterogeneity poses a significant challenge for accurate response assessment in glioblastoma. Multimodal imaging coupled with advanced image analysis has the potential to unravel this response heterogeneity. Methods Based on automated tumor segmentation and longitudinal registration with follow-up imaging, we categorized contrast-enhancing voxels of 61 patients with suspected recurrence of glioblastoma into either true tumor progression (TP) or pseudoprogression (PsP). To allow the unbiased analysis of semantically related image regions, adjacent voxels with similar values of cerebral blood volume (CBV), FET-PET, and contrast-enhanced T1w were automatically grouped into supervoxels. We then extracted first-order statistics as well as texture features from each supervoxel. With these features, a Random Forest classifier was trained and validated employing a 10-fold cross-validation scheme. For model evaluation, the area under the receiver operating curve, as well as classification performance metrics were calculated. Results Our image analysis pipeline enabled reliable spatial assessment of tumor response. The predictive model reached an accuracy of 80.0% and a macro-weighted AUC of 0.875, which takes class imbalance into account, in the hold-out samples from cross-validation on supervoxel level. Analysis of feature importances confirmed the significant role of FET-PET-derived features. Accordingly, TP- and PsP-labeled supervoxels differed significantly in their 10th and 90th percentile, as well as the median of tumor-to-background normalized FET-PET. However, CBV- and T1c-related features also relevantly contributed to the model’s performance. Conclusion Disentangling the intratumoral heterogeneity in glioblastoma holds immense promise for advancing precise local response evaluation and thereby also informing more personalized and localized treatment strategies in the future.