We propose a dual pathway, 11-layers deep, three-dimensional Convolutional Neural Network for the challenging task of brain lesion segmentation. The devised architecture is the result of an in-depth analysis of the limitations of current networks proposed for similar applications. To overcome the computational burden of processing 3D medical scans, we have devised an efficient and effective dense training scheme which joins the processing of adjacent image patches into one pass through the network while automatically adapting to the inherent class imbalance present in the data. Further, we analyze the development of deeper, thus more discriminative 3D CNNs. In order to incorporate both local and larger contextual information, we employ a dual pathway architecture that processes the input images at multiple scales simultaneously. For post-processing of the network's soft segmentation, we use a 3D fully connected Conditional Random Field which effectively removes false positives. Our pipeline is extensively evaluated on three challenging tasks of lesion segmentation in multi-channel MRI patient data with traumatic brain injuries, brain tumours, and ischemic stroke. We improve on the state-of-the-art for all three applications, with top ranking performance on the public benchmarks BRATS 2015 and ISLES 2015. Our method is computationally efficient, which allows its adoption in a variety of research and clinical settings. The source code of our implementation is made publicly available.

A head computed tomography (CT) with positive results for acute intracranial hemorrhage is the gold-standard diagnostic biomarker for acute traumatic brain injury (TBI). In moderate to severe TBI (Glasgow Coma Scale [GCS] scores 3-12), some CT features have been shown to be associated with outcomes. In mild TBI (mTBI; GCS scores 13-15), distribution and co-occurrence of pathological CT features and their prognostic importance are not well understood.To identify pathological CT features associated with adverse outcomes after mTBI.The longitudinal, observational Transforming Research and Clinical Knowledge in Traumatic Brain Injury (TRACK-TBI) study enrolled patients with TBI, including those 17 years and older with GCS scores of 13 to 15 who presented to emergency departments at 18 US level 1 trauma centers between February 26, 2014, and August 8, 2018, and underwent head CT imaging within 24 hours of TBI. Evaluations of CT imaging used TBI Common Data Elements. Glasgow Outcome Scale-Extended (GOSE) scores were assessed at 2 weeks and 3, 6, and 12 months postinjury. External validation of results was performed via the Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) study. Data analyses were completed from February 2020 to February 2021.Acute nonpenetrating head trauma.Frequency, co-occurrence, and clustering of CT features; incomplete recovery (GOSE scores <8 vs 8); and an unfavorable outcome (GOSE scores <5 vs ≥5) at 2 weeks and 3, 6, and 12 months.In 1935 patients with mTBI (mean [SD] age, 41.5 [17.6] years; 1286 men [66.5%]) in the TRACK-TBI cohort and 2594 patients with mTBI (mean [SD] age, 51.8 [20.3] years; 1658 men [63.9%]) in an external validation cohort, hierarchical cluster analysis identified 3 major clusters of CT features: contusion, subarachnoid hemorrhage, and/or subdural hematoma; intraventricular and/or petechial hemorrhage; and epidural hematoma. Contusion, subarachnoid hemorrhage, and/or subdural hematoma features were associated with incomplete recovery (odds ratios [ORs] for GOSE scores <8 at 1 year: TRACK-TBI, 1.80 [95% CI, 1.39-2.33]; CENTER-TBI, 2.73 [95% CI, 2.18-3.41]) and greater degrees of unfavorable outcomes (ORs for GOSE scores <5 at 1 year: TRACK-TBI, 3.23 [95% CI, 1.59-6.58]; CENTER-TBI, 1.68 [95% CI, 1.13-2.49]) out to 12 months after injury, but epidural hematoma was not. Intraventricular and/or petechial hemorrhage was associated with greater degrees of unfavorable outcomes up to 12 months after injury (eg, OR for GOSE scores <5 at 1 year in TRACK-TBI: 3.47 [95% CI, 1.66-7.26]). Some CT features were more strongly associated with outcomes than previously validated variables (eg, ORs for GOSE scores <5 at 1 year in TRACK-TBI: neuropsychiatric history, 1.43 [95% CI .98-2.10] vs contusion, subarachnoid hemorrhage, and/or subdural hematoma, 3.23 [95% CI 1.59-6.58]). Findings were externally validated in 2594 patients with mTBI enrolled in the CENTER-TBI study.In this study, pathological CT features carried different prognostic implications after mTBI to 1 year postinjury. Some patterns of injury were associated with worse outcomes than others. These results support that patients with mTBI and these CT features need TBI-specific education and systematic follow-up.

Objective The long‐term consequences of traumatic brain injury (TBI) on brain structure remain uncertain. Given evidence that a single significant brain injury event increases the risk of dementia, brain‐age estimation could provide a novel and efficient indexing of the long‐term consequences of TBI. Brain‐age procedures use predictive modeling to calculate brain‐age scores for an individual using structural magnetic resonance imaging (MRI) data. Complicated mild, moderate, and severe TBI (cmsTBI) is associated with a higher predicted age difference (PAD), but the progression of PAD over time remains unclear. We sought to examine whether PAD increases as a function of time since injury (TSI) and if injury severity and sex interacted to influence this progression. Methods Through the ENIGMA Adult Moderate and Severe (AMS)‐TBI working group, we examine the largest TBI sample to date (n = 343), along with controls, for a total sample size of n = 540, to replicate and extend prior findings in the study of TBI brain age. Cross‐sectional T1w‐MRI data were aggregated across 7 cohorts, and brain age was established using a similar brain age algorithm to prior work in TBI. Results Findings show that PAD widens with longer TSI, and there was evidence for differences between sexes in PAD, with men showing more advanced brain age. We did not find strong evidence supporting a link between PAD and cognitive performance. Interpretation This work provides evidence that changes in brain structure after cmsTBI are dynamic, with an initial period of change, followed by relative stability in brain morphometry, eventually leading to further changes in the decades after a single cmsTBI. ANN NEUROL 2024;96:365–377

Objective The long-term consequences of traumatic brain injury (TBI) on brain structure remain uncertain. In light of current evidence that even a single significant brain injury event increases the risk of dementia, brain-age estimation could provide a novel and efficient indexing of the long-term consequences of TBI. Brain-age procedures use predictive modeling to calculate brain-age scores for an individual using MRI data. Complicated mild, moderate and severe TBI (cmsTBI) is associated with a higher predicted (brain) age difference (PAD), but the progression of PAD over time remains unclear. Here we sought to examine whether PAD increases as a function of time since injury (TSI). Methods As part of the ENIGMA Adult Moderate and Severe (AMS)-TBI working group, we examine the largest TBI sample to date (n=343), along with controls, for a total sample size of 540, to reproduce and extend prior findings in the study of TBI brain age. T1w-MRI data were aggregated across 7 cohorts and brain age was established using a similar brain age algorithm to prior work in TBI. Results Findings show that PAD widens with longer TSI, and there was evidence for differences between sexes in PAD, with men showing more advanced brain age. We did not find evidence supporting a link between PAD and cognitive performance. Interpretation This work provides evidence that changes in brain structure after msTBI are dynamic, with an initial period of change, followed by relative stability, eventually leading to further changes in the decades after a single msTBI.