High-definition fiber tracking (HDFT) is a novel combination of processing, reconstruction, and tractography methods that can track white matter fibers from cortex, through complex fiber crossings, to cortical and subcortical targets with subvoxel resolution.To perform neuroanatomical validation of HDFT and to investigate its neurosurgical applications.Six neurologically healthy adults and 36 patients with brain lesions were studied. Diffusion spectrum imaging data were reconstructed with a Generalized Q-Ball Imaging approach. Fiber dissection studies were performed in 20 human brains, and selected dissection results were compared with tractography.HDFT provides accurate replication of known neuroanatomical features such as the gyral and sulcal folding patterns, the characteristic shape of the claustrum, the segmentation of the thalamic nuclei, the decussation of the superior cerebellar peduncle, the multiple fiber crossing at the centrum semiovale, the complex angulation of the optic radiations, the terminal arborization of the arcuate tract, and the cortical segmentation of the dorsal Broca area. From a clinical perspective, we show that HDFT provides accurate structural connectivity studies in patients with intracerebral lesions, allowing qualitative and quantitative white matter damage assessment, aiding in understanding lesional patterns of white matter structural injury, and facilitating innovative neurosurgical applications. High-grade gliomas produce significant disruption of fibers, and low-grade gliomas cause fiber displacement. Cavernomas cause both displacement and disruption of fibers.Our HDFT approach provides an accurate reconstruction of white matter fiber tracts with unprecedented detail in both the normal and pathological human brain. Further studies to validate the clinical findings are needed.

Modification of spatial attention via reinforcement learning (Lee and Shomstein, 2013) requires the integration of reward, attention, and executive processes. Corticostriatal pathways are an ideal neural substrate for this integration because these projections exhibit a globally parallel (Alexander et al., 1986), but locally overlapping (Haber, 2003), topographical organization. Here we explore whether there are unique striatal regions that exhibit convergent anatomical connections from orbitofrontal cortex, dorsolateral prefrontal cortex, and posterior parietal cortex. Deterministic fiber tractography on diffusion spectrum imaging data from neurologically healthy adults ( N = 60) was used to map frontostriatal and parietostriatal projections. In general, projections from cortex were organized according to both a medial–lateral and a rostral–caudal gradient along the striatal nuclei. Within rostral aspects of the striatum, we identified two bilateral convergence zones (one in the caudate nucleus and another in the putamen) that consisted of voxels with unique projections from orbitofrontal cortex, dorsolateral prefrontal cortex, and parietal regions. The distributed cortical connectivity of these striatal convergence zones was confirmed with follow-up functional connectivity analysis from resting state fMRI data, in which a high percentage of structurally connected voxels also showed significant functional connectivity. The specificity of this convergent architecture to these regions of the rostral striatum was validated against control analysis of connectivity within the motor putamen. These results delineate a neurologically plausible network of converging corticostriatal projections that may support the integration of reward, executive control, and spatial attention that occurs during spatial reinforcement learning.

Standard BOLD connectivity analyses depend on aggregating the signals of individual voxel within regions of interest (ROIs). In certain cases, this aggregation implies a loss of valuable functional and anatomical information about sub-regions of voxels that drive the ROI level connectivity. We describe a data-driven statistical search method that identifies the voxels that are chiefly responsible for exchanging signals between regions of interest that are known to be effectively connected. We apply the method to high-resolution resting state functional magnetic resonance imaging (rs-fMRI) data from medial temporal lobe regions of interest of a single healthy individual measured repeated times over a year and a half. The method successfully recovered densely connected voxels within larger ROIs of entorhinal cortex and hippocampus subfields consistent with the well-known medial temporal lobe structural connectivity. To assess the performance of our method in more common scanning protocols we apply it to resting state fMRI data of corticostriatal regions of interest for 50 healthy individuals. The method recovered densely connected voxels within the caudate nucleus and the putamen in good qualitative agreement with structural connectivity measurements. We describe related methods for estimation of effective connections at the voxel level that merit investigation.

Modification of spatial attention via reinforcement learning (Lee & Shomstein, 2013) requires the integration of reward, attention, and executive processes. Corticostriatal pathways are an ideal neural substrate for this integration because these projections exhibit a globally parallel (Alexander, De Long, and Strick, 1985), but locally overlapping (Haber, 2003), topographical organization. Here, we explored whether there are unique striatal regions that exhibit convergent anatomical connections from orbitofrontal cortex (OFC), dorsolateral prefrontal cortex (DLPFC), and posterior parietal cortex. Deterministic fiber tractography on diffusion spectrum imaging data from neurologically healthy adults (N=60) was used to map fronto- and parieto-striatal projections. In general, projections from cortex were organized in a rostral-caudal gradient along the striatal nuclei; however, we also identified two bilateral convergence zones?one in the caudate nucleus and another in the putamen?that consisted of voxels with projections from OFC, DLPFC, and parietal regions. The distributed cortical connectivity of these striatal convergence zones was confirmed with follow-up functional connectivity analysis from resting state fMRI data from 55 of the participants, in which a high percentage (62-80%) of structurally connected voxels also showed significant functional connectivity. These results delineate a neurologically plausible network of converging corticostriatal projections that may support the integration of reward, executive control, and spatial attention that occurs during spatial reinforcement learning.