Brain registration to a stereotaxic atlas is an effective way to report anatomic locations of interest and to perform anatomic quantification. However, existing stereotaxic atlases lack comprehensive coordinate information about white matter structures. In this paper, white matter-specific atlases in stereotaxic coordinates are introduced. As a reference template, the widely used ICBM-152 was used. The atlas contains fiber orientation maps and hand-segmented white matter parcellation maps based on diffusion tensor imaging (DTI). Registration accuracy by linear and non-linear transformation was measured, and automated template-based white matter parcellation was tested. The results showed a high correlation between the manual ROI-based and the automated approaches for normal adult populations. The atlases are freely available and believed to be a useful resource as a target template and for automated parcellation methods.

We describe the construction of a digital brain atlas composed of data from manually delineated MRI data. A total of 56 structures were labeled in MRI of 40 healthy, normal volunteers. This labeling was performed according to a set of protocols developed for this project. Pairs of raters were assigned to each structure and trained on the protocol for that structure. Each rater pair was tested for concordance on 6 of the 40 brains; once they had achieved reliability standards, they divided the task of delineating the remaining 34 brains. The data were then spatially normalized to well-known templates using 3 popular algorithms: AIR5.2.5’s nonlinear warp (Woods et al., 1998) paired with the ICBM452 Warp 5 atlas (Rex et al., 2003), FSL’s FLIRT (Smith et al., 2004) was paired with its own template, a skull-stripped version of the ICBM152 T1 average; and SPM5’s unified segmentation method (Ashburner and Friston, 2005) was paired with its canonical brain, the whole head ICBM152 T1 average. We thus produced 3 variants of our atlas, where each was constructed from 40 representative samples of a data processing stream that one might use for analysis. For each normalization algorithm, the individual structure delineations were then resampled according to the computed transformations. We next computed averages at each voxel location to estimate the probability of that voxel belonging to each of the 56 structures. Each version of the atlas contains, for every voxel, probability densities for each region, thus providing a resource for automated probabilistic labeling of external data types registered into standard spaces; we also computed average intensity images and tissue density maps based on the three methods and target spaces. These atlases will serve as a resource for diverse applications including meta-analysis of functional and structural imaging data and other bioinformatics applications where display of arbitrary labels in probabilistically defined anatomic space will facilitate both knowledge-based development and visualization of findings from multiple disciplines.

Structural delineation and assignment are the fundamental steps in understanding the anatomy of the human brain. The white matter has been structurally defined in the past only at its core regions (deep white matter). However, the most peripheral white matter areas, which are interleaved between the cortex and the deep white matter, have lacked clear anatomical definitions and parcellations. We used axonal fiber alignment information from diffusion tensor imaging (DTI) to delineate the peripheral white matter, and investigated its relationship with the cortex and the deep white matter. Using DTI data from 81 healthy subjects, we identified nine common, blade-like anatomical regions, which were further parcellated into 21 subregions based on the cortical anatomy. Four short association fiber tracts connecting adjacent gyri (U-fibers) were also identified reproducibly among the healthy population. We anticipate that this atlas will be useful resource for atlas-based white matter anatomical studies.

The purpose of this paper is to establish single-participant white matter atlases based on diffusion tensor imaging. As one of the applications of the atlas, automated brain segmentation was performed and the accuracy was measured using Large Deformation Diffeomorphic Metric Mapping (LDDMM). High-quality diffusion tensor imaging (DTI) data from a single-participant were B0-distortion-corrected and transformed to the ICBM-152 atlas or to Talairach coordinates. The deep white matter structures, which have been previously well documented and clearly identified by DTI, were manually segmented. The superficial white matter areas beneath the cortex were defined, based on a population-averaged white matter probability map. The white matter was parcellated into 176 regions based on the anatomical labeling in the ICBM-DTI-81 atlas. The automated parcellation was achieved by warping this parcellation map to normal controls and to Alzheimer's disease patients with severe anatomical atrophy. The parcellation accuracy was measured by a kappa analysis between the automated and manual parcellation at 11 anatomical regions. The kappa values were 0.70 for both normal controls and patients while the inter-rater reproducibility was 0.81 (controls) and 0.82 (patients), suggesting “almost perfect” agreement. A power analysis suggested that the proposed method is suitable for detecting FA and size abnormalities of the white matter in clinical studies.

Perhaps more than any other "-omics" endeavor, the accuracy and level of detail obtained from mapping the major connection pathways in the living human brain with diffusion MRI depend on the capabilities of the imaging technology used. The current tools are remarkable; allowing the formation of an "image" of the water diffusion probability distribution in regions of complex crossing fibers at each of half a million voxels in the brain. Nonetheless our ability to map the connection pathways is limited by the image sensitivity and resolution, and also the contrast and resolution in encoding of the diffusion probability distribution. The goal of our Human Connectome Project (HCP) is to address these limiting factors by re-engineering the scanner from the ground up to optimize the high b-value, high angular resolution diffusion imaging needed for sensitive and accurate mapping of the brain's structural connections. Our efforts were directed based on the relative contributions of each scanner component. The gradient subsection was a major focus since gradient amplitude is central to determining the diffusion contrast, the amount of T2 signal loss, and the blurring of the water PDF over the course of the diffusion time. By implementing a novel 4-port drive geometry and optimizing size and linearity for the brain, we demonstrate a whole-body sized scanner with Gmax = 300 mT/m on each axis capable of the sustained duty cycle needed for diffusion imaging. The system is capable of slewing the gradient at a rate of 200 T/m/s as needed for the EPI image encoding. In order to enhance the efficiency of the diffusion sequence we implemented a FOV shifting approach to Simultaneous MultiSlice (SMS) EPI capable of unaliasing 3 slices excited simultaneously with a modest g-factor penalty allowing us to diffusion encode whole brain volumes with low TR and TE. Finally we combine the multi-slice approach with a compressive sampling reconstruction to sufficiently undersample q-space to achieve a DSI scan in less than 5 min. To augment this accelerated imaging approach we developed a 64-channel, tight-fitting brain array coil and show its performance benefit compared to a commercial 32-channel coil at all locations in the brain for these accelerated acquisitions. The technical challenges of developing the over-all system are discussed as well as results from SNR comparisons, ODF metrics and fiber tracking comparisons. The ultra-high gradients yielded substantial and immediate gains in the sensitivity through reduction of TE and improved signal detection and increased efficiency of the DSI or HARDI acquisition, accuracy and resolution of diffusion tractography, as defined by identification of known structure and fiber crossing.

Most traumatic brain injuries (TBIs) are classified as mild (mTBI) based on admission Glasgow Coma Scale (GCS) scores of 13 to 15. The prevalence of persistent functional limitations for these patients is unclear.To characterize the natural history of recovery of daily function following mTBI vs peripheral orthopedic traumatic injury in the first 12 months postinjury using data from the Transforming Research and Clinical Knowledge in Traumatic Brain Injury (TRACK-TBI) study, and, using clinical computed tomographic (CT) scans, examine whether the presence (CT+) or absence (CT-) of acute intracranial findings in the mTBI group was associated with outcomes.TRACK-TBI, a cohort study of patients with mTBI presenting to US level I trauma centers, enrolled patients from February 26, 2014, to August 8, 2018, and followed up for 12 months. A total of 1453 patients at 11 level I trauma center emergency departments or inpatient units met inclusion criteria (ie, mTBI [n = 1154] or peripheral orthopedic traumatic injury [n = 299]) and were enrolled within 24 hours of injury; mTBI participants had admission GCS scores of 13 to 15 and clinical head CT scans. Patients with peripheral orthopedic trauma injury served as the control (OTC) group.Participants with mTBI or OTC.The Glasgow Outcome Scale Extended (GOSE) scale score, reflecting injury-related functional limitations across broad life domains at 2 weeks and 3, 6, and 12 months postinjury was the primary outcome. The possible score range of the GOSE score is 1 (dead) to 8 (upper good recovery), with a score less than 8 indicating some degree of functional impairment.Of the 1453 participants, 953 (65.6%) were men; mean (SD) age was 40.9 (17.1) years in the mTBI group and 40.9 (15.4) years in the OTC group. Most participants (mTBI, 87%; OTC, 93%) reported functional limitations (GOSE <8) at 2 weeks postinjury. At 12 months, the percentage of mTBI participants reporting functional limitations was 53% (95% CI, 49%-56%) vs 38% (95% CI, 30%-45%) for OTCs. A higher percentage of CT+ patients reported impairment (61%) compared with the mTBI CT- group (49%; relative risk [RR], 1.24; 95% CI, 1.08-1.43) and a higher percentage in the mTBI CT-group compared with the OTC group (RR, 1.28; 95% CI, 1.02-1.60).Most patients with mTBI presenting to US level I trauma centers report persistent, injury-related life difficulties at 1 year postinjury, suggesting the need for more systematic follow-up of patients with mTBI to provide treatments and reduce the risk of chronic problems after mTBI.