Motivation: Advances in MRI have increased our understanding of the human brain but are frequently limited by single modality study designs. Combining data from multiple modalities/MR contrasts can enhance our understanding of the complex multi-scale neural relationships that underpin human behaviour. Goal(s): Our goal was to create an open-access multi-scale, multi-modal imaging database of the healthy human brain. Approach: The Welsh Advanced Neuroimaging Database (WAND) includes micro and macro-structural, functional and spectroscopic MRI, MEG and cognitive data from over 150 healthy volunteers. Results: WAND is free, open-source, organised using the Brain Imaging Data Structure (BIDS), and now available for download. Impact: The Welsh Advanced Neuroimaging Database takes steps toward democratising magnetic resonance research by making multi-modal, multi-scale neuroimaging data freely and easily available, enhancing opportunities for collaboration and development of novel analysis techniques, further progressing the field of neuroimaging.

Simultaneous multi-slice (SMS) imaging is a popular technique for increasing acquisition speed in echo-planar imaging (EPI) fMRI. However, SMS data are prone to motion sensitivity and slice leakage artefacts, which spread signal between simultaneously acquired slices. Relevant to motion sensitivity, artefacts from moving anatomic structures propagate along the phase-encoding (PE) direction. This is particularly relevant for eye movement. As signal from the eye is acquired along with signal from simultaneously excited slices during SMS, there is potential for signal to spread in-plane and between spatially remote slices. After identifying an artefact temporally coinciding with signal fluctuations in the eye and spatially distributed in correspondence with multiband slice acceleration and parallel imaging factors, we conducted a series of small experiments to investigate eye movement artefacts in SMS data and the contribution of PE direction to the invasiveness of these artefacts. Five healthy adult volunteers were scanned during a blinking task using a standard SMS-EPI protocol with posterior-to-anterior (P≫A), anterior-to-posterior (A≫P) or right-to-left (R≫L) PE direction. The intensity of signal fluctuations (artefact severity) was measured at expected artefact positions and control positions. We demonstrated a direct relationship between eye movements and artefact severity across expected artefact regions. Within-brain artefacts were apparent in P≫A- and A≫P-acquired data but not in R≫L data due to the shift in artefact positions. Further research into eye motion artefacts in SMS data is warranted but researchers should exercise caution with SMS protocols. We recommend rigorous piloting of SMS protocols and switching to R≫L/L≫R PE where feasible.

Abstract Previous research suggests that the proximity of individuals in a social network predicts how similarly their brains respond to naturalistic stimuli. However, the relationship between social connectedness and brain connectivity in the absence of external stimuli has not been examined. To investigate whether neural homophily between friends exists at rest we collected resting-state functional magnetic resonance imaging (fMRI) data from 68 school-aged girls, along with social network information from all pupils in their year groups (total 5,066 social dyads). Participants were asked to rate the amount of time they voluntarily spent with each person in their year group, and directed social network matrices and community structure were then determined from these data. No statistically significant relationships between social distance, community homogeneity and similarity of global-level resting-state connectivity were observed. Nor were we able to predict social distance using a machine learning technique (i.e. elastic net regression based on the local-level similarities in resting-state whole-brain connectivity between participants). Although neural homophily between friends exists when viewing naturalistic stimuli, this finding did not extend to functional connectivity at rest in our population. Instead, resting-state connectivity may be less susceptible to the influences of a person’s social environment.

Motivation: Substantial effort has been invested into understanding how brain structure constrains function. However, research has primarily focused on understanding structure, rather than linking brain dynamics to it. Goal(s): Compare oscillation propagation delays estimated using neuronal avalanches from MEG resting-state data with the underlying white matter structure estimated through tractography. Approach: We characterised the relationship between pathways length and the related propagation delays, using deterministic and probabilistic approaches, and looking at different frequency bands. Results: While higher frequency bands scale proportionally with propagation delays and length, lower frequency bands show constant delays, regardless of tract length, for both deterministic and probabilistic tractography. Impact: This multi-modal approach has the potential to improve understanding of how underlying white matter structure constrains brain [oscillatory] activity. Future research will focus on integrating additional structural and microstructural measurements to inform biophysical models of brain structural and functional connectivity.

Motivation: Ultra-strong gradients scanners allow to explore microstructure, but these systems are not widespread because of their associated challenges. Goal(s): Our goal is to leverage image synthesis and deep learning to design a neural network able to predict high b-values data from low b-values. Approach: .We implemented a U-net architecture and tailored a loss function able to learn tissue-based features in a patch-based fashion. We trained it on a large dataset and tested it quantitatively and qualitatively. Results: .Qualitative and quantitative results showed a remarkable agreement between synthetic high-b values and the ground-truth. A preliminary test with a microstructural model also gave encouraging results. Impact: Being able to synthesise high b-value data from clinical data could unleash the availability of advanced microstructural models to study the human brain and body, with applications in fundamental research and in the clinical settings.