The UltraCortex repository (https:/www.ultracortex.org) houses magnetic resonance imaging data of the human brain obtained at an ultra-high field strength of 9.4 T. It contains 86 structural MR images with spatial resolutions ranging from 0.6 to 0.8 mm. Additionally, the repository includes segmentations of 12 brains into gray and white matter compartments. These segmentations have been independently validated by two expert neuroradiologists, thus establishing them as a reliable gold standard. This resource provides researchers with access to high-quality brain imaging data and validated segmentations, facilitating neuroimaging studies and advancing our understanding of brain structure and function. Existing repositories do not accommodate field strengths beyond 7 T, nor do they offer validated segmentations, underscoring the significance of this new resource.

ABSTRACT Purpose Magnetic resonance current density imaging (MRCDI) combines MR brain imaging with the injection of time-varying weak currents (1-2 mA) to assess the current flow pattern in the brain. However, the utility of MRCDI is still hampered by low measurement sensitivity and poor image quality. Methods We recently introduced a multi-gradient-echo-based MRCDI approach that has the hitherto best documented efficiency. We now advanced our MRCDI approach in three directions and performed phantom and in-vivo human brain experiments for validation: First, we verified the importance of enhanced spoiling and optimize it for imaging of the human brain. Second, we improved the sensitivity and spatial resolution by using acquisition weighting. Third, we added navigators as a quality control measure for tracking physiological noise. Combining these advancements, we tested our optimized MRCDI method by using 1 mA transcranial electrical stimulation (TES) currents injected via two different electrode montages in five subjects. Results For a session duration of 4:20 min, the new MRCDI method was able to detect magnetic field changes caused by the TES current flow at a sensitivity level of 84 pT, representing in a twofold increase relative to our original method. Comparing both methods to current flow simulations based on personalized head models demonstrated a consistent increase in the coefficient of determination of Δ R 2 =0.12 for the current-induced magnetic fields and Δ R 2 =0.22 for the current flow reconstructions. Interestingly, some of the simulations still clearly deviated from the measurements despite of the strongly improved measurement quality. This suggests that MRCDI can reveal useful information for the improvement of head models used for current flow simulations. Conclusion The advanced method strongly improves the sensitivity and robustness of MRCDI and is an important step from proof-of-concept studies towards a broader application of MRCDI in clinical and basic neuroscience research.

Motivation: When using black-box regression models in diagnostic imaging, it is critical to quantify the uncertainty of such model predictions. Goal(s): Implementing and understanding uncertainty quantification for multi-parametric quantitative MRI. Do prediction intervals reflect model uncertainty? Approach: Train conditional quantile regression deep neural networks with subsequent conformalization steps for multi-parametric quantitative mapping without making distributional assumptions about the data. Results: Conformalized relaxometry and magnetic field prediction intervals reflect model uncertainty. Conformalized quantile regression was successfully implemented and provides supportive information about intrinsic model uncertainty which is mandatory for clinical decision making. Impact: A novel method for quantifying uncertainty of supervised machine learning models for multi-parametric quantitative MRI was successfully tested in silico and in vivo. Conformalized quantile regression allows prediction of confidence intervals without making assumptions about the training data distribution.

Motivation: If fat signal is not properly suppressed, it can lead to errors in the T2 calculations in human articular cartilage. Goal(s): This work aimed to quantify the influence of fat suppression on T2 values as well as texture features extracted from T2 maps. Approach: Ten donors were scanned in 3T MRI with DESS, T2-TESS and CPMG with and without fat suppression. Results: The results of this study showed the importance of using fat suppression while acquiring T2 maps. The influence of fat suppression was substantially greater for CPMG-T2-mapping compared to TESS-T2-mapping. Impact: If fat signal is not properly suppressed, it can lead to errors in the T2 calculations in human articular cartilage which can have a significant impact on longitudinal clinical trials.

Motivation: Efficient, distortion-free, and selective to microvessels: these attributes make bSSFP an attractive candidate for fMRI. 2D multi-slice scans in the transient state are increasingly employed as an alternative to 3D steady-state imaging to improve localization. Goal(s): To evaluate the BOLD sensitivity of bSSFP during the transient phase as compared to the steady state. Approach: bSSFP acquisitions in transient and steady state are utilized for task-based fMRI. Monte Carlo simulations and in vitro microsphere experiments are conducted to verify the in vivo results. Results: An inversion of the BOLD contrast with a trend towards negative BOLD in the early transient phase can be observed. Impact: The bSSFP BOLD contrast undergoes an inversion during the transient phase. Consequently, the BOLD response appears suppressed in transient-state imaging with a tendency to become negative, which has important implications when designing 2D multi-slice fMRI experiments with high temporal resolution.

Motivation: Deuterium metabolic imaging could significantly impact the field of neuro-oncology by providing clinical quantitative metabolic information. Goal(s): To improve the spatial resolution of human deuterium metabolic imaging at 9.4 T. Approach: We performed phantom and in vivo experiments with oral intake of deuterated glucose using multi-echo phase-cycled bSSFP acquisitions. The results were compared with a standard 3D spectroscopy sequence. Results: We achieved higher spatial resolution compared to a 3D spectroscopy sequence. Phase cycling improved the reliability of the metabolite quantification especially in the large off-resonance and low SNR regimes. Impact: We present an improved whole-brain dynamic deuterium metabolic imaging strategy at 9.4 T using bSSFP with multiple echoes and phase cycling. The efficacy of this method is validated with phantom and in vivo experiments along with standard spectroscopy measurements.