Abstract Electroencephalography microstates (EEG-ms) capture and reflect the spatio-temporal neural dynamics of the brain. A growing literature is employing EEG-ms-based analyses to study various mental illnesses and to evaluate brain mechanisms implicated in cognitive and emotional processing. The spatial and functional interpretation of the EEG-ms is still being investigated. Previous works studied the association of EEG-ms time courses with blood-oxygen-level-dependent (BOLD) functional magnetic resonance imaging (fMRI) signal and suggested an association between EEG-ms and resting-state networks (RSNs). However, the distinctive association between EEG-ms temporal dynamics and brain neuronal activities is still not clear, despite the assumption that EEG-ms are an electrophysiological representation of RSNs activity. Recent works suggest a role for brain spontaneous EEG rhythms in contributing to and modulating canonical EEG-ms topographies and determining their classes (coined A through D) and metrics. This work simultaneously utilized EEG and fMRI to understand the EEG-ms and their properties further. We adopted the canonical EEG-ms analysis to extract three types of regressors for EEG-informed fMRI analyses: EEG-ms direct time courses, temporal activity per microstate, and pairwise temporal transitions among microstates (the latter two coined activity regressors). After convolving EEG-ms regressors with a hemodynamic response function, a generalized linear model whole-brain voxel-wise analysis was conducted to associate EEG-ms regressors with fMRI signals. The direct time course regressors replicated prior findings of the association between the fMRI signal and EEG-ms time courses but to a smaller extent. Notably, EEG-ms activity regressors were mostly anticorrelated with fMRI, including brain regions in the somatomotor, visual, dorsal attention, and ventral attention fMRI networks with no significant overlap for default mode, limbic or frontoparietal networks. A similar pattern emerged in using the transition regressors among microstates but not in self-transitions. The relatively short duration of each EEG-ms and the significant association of EEG-ms activity regressors with fMRI signals suggest that EEG-ms manifests successive transition from one brain functional state to another rather than being associated with specific brain functional state or RSN networks.

Abstract Sex is an important biological variable often used in analyzing and describing the functional organization of the brain during cognitive and behavioral tasks. Several prior studies have shown that blood-oxygen-level-dependent (BOLD) functional MRI (fMRI) functional connectivity (FC) can be used to differentiate sex among individuals. Herein, we demonstrate that sex can be further classified with high accuracy using the intrinsic BOLD signal fluctuations from resting-state fMRI (rs-fMRI). We adopted the amplitude of low-frequency fluctuation (ALFF), and the fraction of ALFF (fALFF) features from the automated anatomical atlas (AAL) and Power’s functional atlas as an input to different machine learning (ML) methods. Using datasets from five independently acquired subject cohorts and with eight fMRI scanning sessions, we comprehensively assessed unbiased performance using nested-cross validation for within-sample and across sample accuracies. The results demonstrated high prediction accuracies for the Human Connectome Project (HCP) dataset (area under cure (AUC) > 0.89). The yielded accuracies suggest that sex difference is embodied and well-pronounced in the low-frequency BOLD signal fluctuation. The performance degrades with the heterogeneity of the cohort and suggests that other factors,.e.g. psychiatric disorders and demographics influences the BOLD signal and may interact with the classification of sex. In addition, the results revealed high learning generalizability with the HCP scan, but not across different datasets. The intraclass correlation coefficient (ICC) across HCP scans showed moderate - to-good reliability based on atlas selection (ICC = 0.65 [0.63-0.67] and ICC= 0.78 [0.76-0.80].). We also assessed the effect of scan duration on the predictability of sex and showed that sex differences could be detected even with a short rs-fMRI scan (e.g., 2 minutes). Moreover, we provided statistical maps of the brain regions differentially recruited by or predicting sex using Shapely values and determined an overlap with previous reports of brain response due to sex differences. Altogether, our analysis suggests that sex differences are well-pronounced in rs-fMRI and should be considered seriously in any study design, analysis, or interpretation.

Abstract Recent studies suggest that transcranial electrical stimulation (tES) can be performed during functional magnetic resonance imaging (fMRI). The novel approach of using concurrent tES-fMRI to modulate and measure targeted brain activity/connectivity may provide unique insights into the causal interactions between the brain neural responses and psychiatric/neurologic signs and symptoms, and importantly, guide the development of new treatments. However, tES stimulation parameters to optimally influence the underlying brain activity in health and disorder may vary with respect to phase, frequency, intensity and electrode’s montage. Here, we delineate how a closed-loop tES-fMRI study of frontoparietal network modulation can be designed and performed. We also discuss the challenges of running a concurrent tES-fMRI, describing how we can distinguish clinically meaningful physiological changes caused by tES from tES-related artifacts. There is a large methodological parameter space including electrode types, electrolytes, electrode montages, concurrent tES-fMRI hardware, online fMRI processing pipelines and closed-loop optimization algorithms that should be carefully selected for closed-loop tES-fMRI brain modulation. We also provide technical details on how safety and quality of tES-fMRI settings can be tested, and how these settings can be monitored during the study to ensure they do not exceed safety standards. The initial results of feasibility and applicability of closed-loop tES-fMRI are reported and potential hypotheses for the outcomes are discussed. Highlight points Methodological details of a closed-loop tES-fMRI study protocol are provided. The protocol is performed successfully on a frontoparietal network without side-effects. The temperature of electrodes in concurrent tES-fMRI remains in the safe range. Properly setup concurrent tES does not introduce MRI artifacts and noise. Simplex optimizer could be used to find an optimal tES stimulation parameter.

Major Depressive Disorder (MDD) poses a significant public health challenge due to its high prevalence and the substantial burden it places on individuals and healthcare systems. Real-time functional magnetic resonance imaging neurofeedback (rtfMRI-NF) shows promise as a treatment for this disorder, although its mechanisms of action remain unclear. This study investigated whole-brain response patterns during rtfMRI-NF training to explain interindividual variability in clinical efficacy in MDD. We analyzed data from 95 participants (67 active, 28 control) with MDD from previous rtfMRI-NF studies designed to increase left amygdala activation through positive autobiographical memory recall. Significant symptom reduction was observed in the active group (t=-4.404, d=-0.704, p<0.001) but not in the control group (t=-1.609, d=-0.430, p=0.111). However, left amygdala activation did not account for the variability in clinical efficacy. To elucidate the brain training process underlying the clinical effect, we examined whole-brain activation patterns during two critical phases of the neurofeedback procedure: activation during the self-regulation period, and transient responses to feedback signal presentations. Using a systematic process involving feature selection, manifold extraction, and clustering with cross-validation, we identified two subtypes of regulation activation and three subtypes of brain responses to feedback signals. These subtypes were significantly associated with the clinical effect (regulation subtype: F=8.735, p=0.005; feedback response subtype: F=5.326, p=0.008; subtypes' interaction: F=3.471, p=0.039). Subtypes associated with significant symptom reduction were characterized by selective increases in control regions, including lateral prefrontal areas, and decreases in regions associated with self-referential thinking, such as default mode areas. These findings suggest that large-scale brain activity during training is more critical for clinical efficacy than the level of activation in the neurofeedback target region itself. Tailoring neurofeedback training to incorporate these patterns could significantly enhance its therapeutic efficacy.

Real-time fMRI neurofeedback (rtfMRI-NF) has emerged as a promising intervention for psychiatric disorders, yet its clinical efficacy remains underexplored due to limited controls and an incomplete mechanistic understanding. This study aimed to elucidate the whole-brain mechanisms underpinning the effects of rtfMRI-NF on repetitive negative thinking in depression. In a double-blind randomized controlled trial, forty-three depressed individuals underwent NF training targeting the functional connectivity (FC) between the posterior cingulate cortex and the right temporoparietal junction, linked to rumination severity. Participants were randomly assigned to active or sham groups, with the sham group receiving synthesized feedback mimicking real NF signal patterns. The active group demonstrated a significant reduction in brooding rumination scores (p<0.001, d=-1.52), whereas the sham group did not (p=0.503, d=-0.23). While the target FC did not show discernible training effects or group differences, we found that the interaction between brain activities during regulation and the response to the feedback signal was the critical factor in explaining treatment outcomes. Connectome-based predictive modeling (CPM) analysis, incorporating this interaction, successfully predicted rumination changes across both groups. The FCs significantly contributing to the prediction were distributed across broad brain regions, notably the frontal control, salience network, and subcortical reward processing areas. These results underscore the importance of considering the interplay between brain regulation activities and brain response to the feedback signal in understanding the therapeutic mechanisms of rtfMRI-NF. The study not only affirms the potential of rtfMRI-NF as a therapeutic intervention for repetitive negative thinking in depression but also highlights the need for a more nuanced understanding of the whole-brain mechanisms contributing to its efficacy.

Resting-state functional connectivity (RSFC) has been proposed as a potential indicator of repetitive negative thinking (RNT) in depression. However, identifying the specific functional process associated with RSFC alterations is challenging, and it remains unclear whether alterations in RSFC for depressed individuals are directly related to the RNT process or to individual characteristics distinct from the negative thinking process per se. To investigate the relationship between RSFC alterations and the RNT process in individuals with major depressive disorder (MDD), we compared RSFC with functional connectivity during an induced negative-thinking state (NTFC) in terms of their predictability of RNT traits and associated whole-brain connectivity patterns using connectome-based predictive modeling (CPM) and connectome-wide association (CWA) analyses. Thirty-six MDD participants and twenty-six healthy control participants underwent both resting state and induced negative thinking state fMRI scans. Both RSFC and NTFC distinguished between healthy and depressed individuals with CPM. However, trait RNT in depressed individuals, as measured by the Ruminative Responses Scale-Brooding subscale, was only predictable from NTFC, not from RSFC. CWA analysis revealed that negative thinking in depression was associated with higher functional connectivity between the default mode and executive control regions, which was not observed in RSFC. These findings suggest that RNT in depression involves an active mental process encompassing multiple brain regions across functional networks, which is not represented in the resting state. Although RSFC indicates brain functional alterations in MDD, they may not directly reflect the negative thinking process.

Importance: Microstructural alterations in cortico-subcortical connections are thought to be present in Obsessive Compulsive Disorder (OCD). However, prior studies have yielded inconsistent findings, perhaps because small sample sizes provided insufficient power to detect subtle abnormalities. Objective: To investigate microstructural white matter alterations and their relation to clinical features in the largest dataset of adult and pediatric OCD to date. Design, Setting, and Participants: In this cross-sectional case control magnetic resonance study, we investigated diffusion tensor imaging metrics from 700 adult patients and 645 adult controls, as well as 174 pediatric patients and 144 pediatric controls across 19 sites participating in the ENIGMA-OCD Working Group. Main Outcomes and Measures: We extracted measures of fractional anisotropy (FA) as main outcome, and mean diffusivity, radial diffusivity, and axial diffusivity as secondary outcomes for 25 white matter regions. We meta-analyzed patient control group differences (Cohens d) across sites, after adjusting for age and sex, and investigated associations with clinical characteristics. Results: Adult OCD patients showed significant FA reduction in the sagittal stratum (d=-0.21, z=-3.21, p=0.001) and posterior thalamic radiation (d=-0.26, z=-4.57, p<0.0001). In the sagittal stratum only, lower FA was associated with a younger age of onset (z=2.71, p=0.006), longer duration of illness (z=-2.086, p=0.036) and a higher percentage of medicated patients in the cohorts studied (z=-1.98, p=0.047). No significant association with symptom severity was found. Pediatric OCD patients did not show any detectable microstructural abnormalities compared to matched controls. Conclusions and Relevance: Microstructural alterations in projection and association fibers to posterior brain regions were found in adult OCD, and related to disease course and medication status. Such results are relevant to models positing deficits in connectivity as a crucial mechanism in OCD.