Abstract Alzheimer’s Disease (AD) is a progressive neurodegenerative disease where biomarkers for disease based on pathophysiology may be able to provide objective measures for disease diagnosis and staging. Neuroimaging scans acquired from MRI and metabolism images obtained by FDG-PET provide in-vivo measurements of structure and function (glucose metabolism) in a living brain. It is hypothesized that combining multiple different image modalities providing complementary information could help improve early diagnosis of AD. In this paper, we propose a novel deep-learning-based framework to discriminate individuals with AD utilizing a multimodal and multiscale deep neural network. Our method delivers 82.4% accuracy in identifying the individuals with mild cognitive impairment (MCI) who will convert to AD at 3 years prior to conversion (86.4% combined accuracy for conversion within 1–3 years), a 94.23% sensitivity in classifying individuals with clinical diagnosis of probable AD, and a 86.3% specificity in classifying non-demented controls improving upon results in published literature.

Emerging evidence suggests that there are morphological and physiological changes to the vastus lateralis after an anterior cruciate ligament (ACL) tear. However, it is unclear whether these alterations are limited to just the vastus lateralis or are more representative of widespread changes across the thigh musculature and/or if these changes precede reconstruction. The purpose of this study was to determine T1ρ relaxation time, a measure of extracellular matrix organization in muscle, and physiological cross-sectional area (PCSA) for muscles of the quadriceps and hamstrings of the ACL-deficient and contralateral limbs soon after ACL injury. T1ρ and diffusion tensor magnetic resonance imaging were performed on both limbs of 10 participants after primary ACL tear (< 10 weeks). T1ρ relaxation time and PCSA were calculated for all muscles of the quadriceps and hamstrings. Shapiro-Wilks tests were performed to assess normality. Outcomes were compared between limbs for each muscle of interest with paired t-tests or Wilcoxon signed-rank tests with the alpha level set to 0.05. T1ρ relaxation times were significantly longer for the vastus lateralis (7.0%), rectus femoris (15.4%), and vastus intermedius (9.4%) of ACL-deficient limb; whereas, relaxation times were similar between limbs for all hamstring muscles. PCSA was smaller for the vastus lateralis (-19.6%), vastus intermedius (-20.9%), vastus medialis (-26.0%), and semitendinosus (-15.0%) of the ACL-deficient limb compared to the contralateral limb. These results provide evidence that morphological and physiological alterations occur within multiple muscles of quadriceps but not the hamstrings prior to ACL reconstruction. Establishing these differences between the quadriceps and hamstrings suggests there is a differential response within the thigh musculature to an ACL injury, providing a framework for more targeted interventions.

Motivation: High-resolution T1&rho; mapping is desired to improve the early diagnosis of diseases such as osteoarthritis; however, it suffers from long acquisition times. Goal(s): To accelerate high-resolution T1&rho; mapping using compressed-sensing reconstruction in a multi-site multi-vendor setting. Approach: We standardized the T1&rho; imaging protocol between three sites using three MR platforms (GE/Philips/Siemens). Accelerated high-resolution T1&rho; mapping with accelerator factors (AF) ranging 8-12 were performed using both retrospective and prospective downsamplings with compressed-sensing reconstruction. Results: The coefficients-of-variation between reference and accelerated maps were &lt;5% for all sites. Reliable high-resolution T1&rho; mapping of the whole knee can be acquired within 7 mins. Impact: Standardization of the acquisition and reconstruction of accelerated high-resolution T1&rho; mapping across sites and MR platforms will greatly facilitate its future use in clinical trials and clinical practice, significantly improving diagnosis and evaluation of responses to interventions/treatments for OA.

Motivation: High-resolution T1&rho; mapping is desired for improved sensitivity to small lesions and less partial volume averaging effects. However, the low image SNR can induce bias in T1&rho; quantification. Goal(s): To develop and evaluate advanced fitting methods of high-resolution T1&rho; mapping in a multi-site multi-vendor setting. Approach: High-resolution T1&rho; mapping in volunteers were collected with a harmonized protocol from three sites and three MR platforms. Data were fitted with nonlinear least-squares (NLS) fitting, noise-corrected NLS fitting (NCNLS), and maximum-likelihood estimation (MLE). Results: :NLS overestimated T1&rho; while NCNLS and MLE reduced the overestimation. The results were consistent across all sitesImpact: Advanced fitting methods can reduce fitting errors induced by low SNR for high-resolution T1&rho; mapping, which may provide improved diagnosis of osteoarthritis.