Abstract Stimulation-evoked signals are starting to be used as biomarkers to indicate the state and health of brain networks. The human limbic network, often targeted for brain stimulation therapy, is involved in emotion and memory processing. Previous anatomical, neurophysiological and functional studies suggest distinct subsystems within the limbic network (Rolls, 2015). Previous studies using intracranial electrical stimulation, however, have emphasized the similarities of the evoked waveforms across the limbic network. We test whether these subsystems have distinct stimulation-driven signatures. In seven patients with drug-resistant epilepsy we stimulated the limbic system with single pulse electrical stimulation (SPES). Reliable cortico-cortical evoked potentials (CCEPs) were measured between hippocampus and the posterior cingulate cortex (PCC) and between the amygdala and the anterior cingulate cortex (ACC). However, the CCEP waveform in the PCC after hippocampal stimulation showed a unique and reliable morphology, which we term the limbic H-wave. This limbic H-wave was visually distinct and separately decoded from the amygdala to ACC waveform. Diffusion MRI data show that the measured endpoints in the PCC overlap with the endpoints of the parolfactory cingulum bundle rather than the parahippocampal cingulum, suggesting that the limbic H-wave may travel through fornix, mammillary bodies and the anterior nucleus of the thalamus (ANT). This was further confirmed by stimulating the ANT, which evoked the same limbic H-wave but with a shorter latency. Limbic subsystems have unique stimulation evoked signatures that may be used in the future to help develop stimulation therapies. Significance Statement The limbic system is often compromised in diverse clinical conditions, such as epilepsy or Alzheimer’s disease, and it is important to characterize its typical circuit responses. Stimulation evoked waveforms have been used in the motor system to diagnose circuit pathology. We translate this framework to limbic subsystems using human intracranial stereo EEG (sEEG) recordings that measure deeper brain areas. Our sEEG recordings describe a stimulation evoked waveform characteristic to the memory and spatial subsystem of the limbic network that we term the limbic H-wave. The limbic H-wave follows anatomical white matter pathways from hippocampus to thalamus to the posterior cingulum and shows promise as a distinct biomarker of signaling in the human brain memory and spatial limbic network.

While it is known that the clinical efficacy of deep brain stimulation (DBS) alleviates motor-related symptoms, cognitive and behavioral effects of DBS and its action mechanism on brain circuits are not clearly understood. By combining functional magnetic resonance imaging (fMRI) and DBS, we investigated the pattern of blood-oxygenation-level-dependent (BOLD) signal changes induced by stimulating the nucleus accumbens and how inter-regional resting-state functional connectivity is related with the stimulation DBS effect in a healthy swine model. We found that the pattern of stimulation-induced BOLD activation was diffused across multiple functional networks including the prefrontal, limbic, and thalamic regions, altering inter-regional functional connectivity after stimulation. Furthermore, our results showed that the strength of the DBS effect is closely related to the strength of inter-regional resting-state functional connectivity including stimulation locus and remote brain regions. Our results reveal the impact of nucleus accumbens stimulation on major functional networks, highlighting functional connectivity may mediate the modulation effect of DBS via large-scale brain networks.

Functional magnetic resonance imaging (fMRI) concurrently conducted with the deep brain stimulation (DBS) has shown that diffuse BOLD activation occurred not only near stimulation locus, but in multiple brain networks, supporting that network-wide modulation would underlie its therapeutic effect. While the extent and pattern of activation varies depending on specific anatomical locus stimulated by DBS, some stimulation targets could induce similar activation pattern in cerebral cortex, albeit different therapeutic and adverse effects were yielded. In order to characterize the unique network-level activation effects of three DBS targets (subthalamic nucleus, the globus pallidus internus, and the nucleus accumbens), we trained the pattern classifier with DBS-fMRI data from three stimulation groups (21 healthy swine), wherein five six seconds of electrical stimulation was conducted while gradient-echo echo planar imaging was on going. Then whole brain regions were systematically grouped into different size of network-of-interest and the classification accuracy for individual target region was quantitatively assessed. We demonstrated that the pattern classifier could successfully differentiate BOLD activation pattern of cortical and subcortical brain regions originated from each individual stimulation target. Moreover, the success rate of classification indicated that some brain regions evoked indistinguishable BOLD pattern, suggesting the presence of commonly activated regions, which was influenced by stimulating different DBS targets. Our results provide an understanding of the biomarker of BOLD pattern that is associated with clinical effectiveness as well as an adverse effect associated to the stimulation. Further, we provide the proof-of-concept for multivariate pattern analysis that is capable of disentangling the complicated BOLD activation pattern, which cannot be readily achieved by a conventional univariate analysis.

To evaluate the feasibility of intraoperative neurophysiological monitoring (IONM) during MRI-guided ablations and identify strategies to reduce IONM electrode radiofrequency (RF)-heating during MRI.

Motivation: Neuromonitoring is critical during interventions near nerves. During MRI-guided interventions, a conventional system using metallic electrode needles has been used clinically, since MRI-conditional neuromonitoring systems are currently unavailable. This introduces elevated RF-heating risk. Goal(s): To identify factors that contribute to RF-heating of neuromonitoring electrodes and strategies to mitigate the risk. Approach: Neuromonitoring electrodes were inserted into porcine tissue and imaged with various clinically relevant MRI sequences for various neuromonitoring equipment configurations with high RF-heating risks. Temperatures were recorded using fiber-optic sensors. Results: Substantial temperature elevations were observed during MRI, and several RF-heating mitigation strategies were identified to enable neuromonitoring during MRI-guided procedures. Impact: The identified electrode RF-heating mitigation strategies can significantly reduce the RF-heating risk during MRI-guided ablations where neuromonitoring is critical. Understanding factors affecting RF-heating can also help identify high-risk procedures and guide risk-benefit analysis.

Motivation: Estimating cerebrospinal fluid (CSF) in perivascular spaces (PVS) is essential to advance understanding of glymphatic clearance of cerebral waste products. Goal(s): This study aimed to explore a novel method for evaluating CSF in PVS in awake subjects, including healthy controls and those with mild cognitive impairment (MCI). Approach: We analyzed the explained variance of CSF components (CSF-derived R2) in resting-state fMRI images to determine the proportionate volume of PVS. Results: We observed a decline in CSF-derived R2 with aging in healthy controls. Conversely, elevated CSF-derived R2 in MCI participants suggests enlargement of PVS, which may implicate altered glymphatic function in cognitive disorders. Impact: The CSF-derived R2 metric from resting-state fMRI images offers a quantifiable assessment of CSF volume in perivascular spaces of the gray matter, holding potential as a biomarker for investigating glymphatic system efficiency.

Cardiorespiratory signals have long been treated as "noise" in functional magnetic resonance imaging (fMRI) research, with the goal of minimizing their impact to isolate neural activity. However, there is a growing recognition that these signals, once seen as confounding variables, provide valuable insights into brain function and overall health. This shift reflects the dynamic interaction between the cardiovascular, respiratory, and neural systems, which together support brain activity. In this review, we explore the role of cardiorespiratory dynamics-such as heart rate variability (HRV), respiratory sinus arrhythmia (RSA), and changes in blood flow, oxygenation, and carbon dioxide levels-embedded within fMRI signals. These physiological signals reflect critical aspects of neurovascular coupling and are influenced by factors such as physiological stress, breathing patterns, and age-related changes. We also discuss the complexities of distinguishing these signals from neuronal activity in fMRI data, given their significant contribution to signal variability and interactions with cerebrospinal fluid (CSF). Recognizing the influence of these cardiorespiratory dynamics is crucial for improving the interpretation of fMRI data, shedding light on heart-brain and respiratory-brain connections, and enhancing our understanding of circulation, oxygen delivery, and waste elimination within the brain.

Motivation: Clinical MRI-guided microwave ablations often suffer from noise due to electromagnetic interference (EMI) between ablation probes and imaging coils. Instead of modifying the clinical microwave ablation system that could compromise FDA-approval, we explore alternative coil designs to mitigate the noise. Goal(s): Minimize EMI between the microwave ablation probes and imaging coils during clinical MR-guided microwave ablations. Approach: We applied a band-pass filter, studying the impact of coil size, and investigating efficient coil combinations to reduce interference. Results: A band-pass filter led to a 89% improvement in field uniformity. Also employing smaller coils can mitigate the ripple effects induced by the ablation probe. Impact: Our study addresses the critical need to reduce electromagnetic interference (EMI) between microwave ablation probes and imaging coils during clinical MR-guided microwave ablations at 1.5T. Motivated by the interference challenges in current clinical setups, we develop methods to mitigate EMI.

Motivation: High-performance asymmetric gradient systems have the potential to produce high-spatial-order eddy-current-induced magnetic fields that can impact phase-based applications such as wavelet MRE using large-magnitude motion-encoding bipolar gradient pulses. Goal(s): Removal of the gradient-system-induced high-order phase deviation in the wavelet MRE phase map. Approach: Gradient impulse response functions (GIRFs) can be used to characterize the gradient system. We introduce a GIRF-based phase compensation approach to alleviate the high-order phase deviations resulting from imperfections in the gradient system, along with practical recommendations, including the use of a tailored set of GIRFs. Results: The phase inhomogeneity in wavelet-MRE phase map improved with the GIRF-based compensation. Impact: The proposed GIRF-based phase compensation approach offers the potential to enhance phase image quality and accuracy, addressing imperfections in the gradient system, which is a challenge not fully resolved by alternative methods like concomitant field correction and pre-emphasis gradient modification.

Motivation: Diffusion-weighted imaging (DWI) is typically based on single-shot echo-planar imaging (EPI), which is prone to magnetic field inhomogeneities-induced artifacts, such as geometric distortion and blurring. The multi-shot diffusion sequence, DIADEM, employing a dual spin-warp (SW) and EPI phase-encoding strategies, can produce distortion-free images at the cost of extended scan times. Goal(s): We proposed a deep learning-based distortion correction method for conventional DWI, using DIADEM as reference. Approach: The 3D neural network was trained to learn the mapping between the projections of the point-spread-function, PSF H(y,s) along the EPI phase-encoding (y) direction and the PSF-encoding (s) direction, respectively. Results: It demonstrated reduced geometric distortion. Impact: Conventional DWI sequence suffers from distortion caused by susceptibility. We proposed a deep learning-based distortion correction method, leveraging distortion-free DIADEM images as reference. Our method was demonstrated to reduce geometric distortion and imaging blurring without distortion calibration.