AG
Alice Graham
Author with expertise in Analysis of Brain Functional Connectivity Networks
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
7
(100% Open Access)
Cited by:
126
h-index:
25
/
i10-index:
41
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
102

Adolescent Brain Cognitive Development (ABCD) Community MRI Collection and Utilities

Eric Feczko et al.Jul 11, 2021
+37
G
T
E
Abstract The Adolescent Brain Cognitive Development Study (ABCD), a 10 year longitudinal neuroimaging study of the largest population based and demographically distributed cohort of 9-10 year olds (N=11,877), was designed to overcome reproducibility limitations of prior child mental health studies. Besides the fantastic wealth of research opportunities, the extremely large size of the ABCD data set also creates enormous data storage, processing, and analysis challenges for researchers. To ensure data privacy and safety, researchers are not currently able to share neuroimaging data derivatives through the central repository at the National Data Archive (NDA). However, sharing derived data amongst researchers laterally can powerfully accelerate scientific progress, to ensure the maximum public benefit is derived from the ABCD study. To simultaneously promote collaboration and data safety, we developed the ABCD-BIDS Community Collection (ABCC), which includes both curated processed data and software utilities for further analyses. The ABCC also enables researchers to upload their own custom-processed versions of ABCD data and derivatives for sharing with the research community. This NeuroResource is meant to serve as the companion guide for the ABCC. In section we describe the ABCC. Section II highlights ABCC utilities that help researchers access, share, and analyze ABCD data, while section III provides two exemplar reproducibility analyses using ABCC utilities. We hope that adoption of the ABCC’s data-safe, open-science framework will boost access and reproducibility, thus facilitating progress in child and adolescent mental health research.
0

Patterns of brain activation in foster children and nonmaltreated children during an inhibitory control task

Jacqueline Bruce et al.Nov 1, 2013
+3
A
P
J
Abstract Children in foster care have often encountered a range of adverse experiences, including neglectful and/or abusive care and multiple caregiver transitions. Prior research findings suggest that such experiences negatively affect inhibitory control and the underlying neural circuitry. In the current study, event-related functional magnetic resonance imaging was employed during a go/no go task that assesses inhibitory control to compare the behavioral performance and brain activation of foster children and nonmaltreated children. The sample included two groups of 9- to 12-year-old children: 11 maltreated foster children and 11 nonmaltreated children living with their biological parents. There were no significant group differences on behavioral performance on the task. In contrast, patterns of brain activation differed by group. The nonmaltreated children demonstrated stronger activation than did the foster children across several regions, including the right anterior cingulate cortex, the middle frontal gyrus, and the right lingual gyrus, during correct no go trials, whereas the foster children displayed stronger activation than the nonmaltreated children in the left inferior parietal lobule and the right superior occipital cortex, including the lingual gyrus and cuneus, during incorrect no go trials. These results provide preliminary evidence that the early adversity experienced by foster children impacts the neural substrates of inhibitory control.
99

Motion Impact Score for Detecting Spurious Brain-Behavior Associations

Benjamin Kay et al.Dec 17, 2022
+34
A
A
B
Abstract Between-participant differences in head motion introduce systematic bias to resting state fMRI brain-wide association studies (BWAS) that is not completely removed by denoising algorithms. Researchers who study traits, or phenotypes associated with in-scanner head motion (e.g. psychiatric disorders) need to know if trait-functional connectivity (FC) effects are biased by residual motion artifact in order to avoid reporting false positive results. We devised an adaptable method, Split Half Analysis of Motion Associated Networks (SHAMAN), to assign a motion impact score to specific trait-FC effects. The SHAMAN approach distinguishes between motion artifact causing overestimation or underestimation of trait-FC effects. SHAMAN was > 95% specific at sample sizes of n = 100 and above. SHAMAN was powered to detect motion overestimation scores 80% of the time at sample sizes of n = 5,000 but could detect motion underestimation scores only 50% of the time at n = 5000, making it most useful for researchers seeking to avoid overestimating trait-FC effects in large BWAS. We computed motion impact scores for trait-FC effect with 45 demographic, biophysical, cognitive, and personality traits from n = 7,270 participants in the Adolescent Brain Cognitive Development (ABCD) Study. After standard denoising with ABCD-BIDS and without motion censoring, 42% (19/45) of traits had significant (p < 0.05) motion overestimation scores and 38% (17/45) of traits had significant motion underestimation scores. Censoring at framewise displacement (FD) < 0.2 mm reduced the proportion of traits with significant motion overestimation scores from 42% to 2% (1/45) but did not decrease the number of traits with significant motion underestimation scores.
1

BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans

Timothy Hendrickson et al.Mar 24, 2023
+22
P
A
T
Brain segmentation of infant magnetic resonance (MR) images is vitally important in studying developmental mental health and disease. The infant brain undergoes many changes throughout the first years of postnatal life, making tissue segmentation difficult for most existing algorithms. Here, we introduce a deep neural network BIBSNet (Baby and Infant Brain Segmentation Neural Network), an open-source, community-driven model that relies on data augmentation and a large sample size of manually annotated images to facilitate the production of robust and generalizable brain segmentations.Included in model training and testing were MR brain images on 84 participants with an age range of 0-8 months (median postmenstrual ages of 13.57 months). Using manually annotated real and synthetic segmentation images, the model was trained using a 10-fold cross-validation procedure. Testing occurred on MRI data processed with the DCAN labs infant-ABCD-BIDS processing pipeline using segmentations produced from gold standard manual annotation, joint-label fusion (JLF), and BIBSNet to assess model performance.Using group analyses, results suggest that cortical metrics produced using BIBSNet segmentations outperforms JLF segmentations. Additionally, when analyzing individual differences, BIBSNet segmentations perform even better.BIBSNet segmentation shows marked improvement over JLF segmentations across all age groups analyzed. The BIBSNet model is 600x faster compared to JLF and can be easily included in other processing pipelines.
774

Towards Reproducible Brain-Wide Association Studies

Scott Marek et al.Aug 22, 2020
+35
F
B
S
Abstract Magnetic resonance imaging (MRI) continues to drive many important neuroscientific advances. However, progress in uncovering reproducible associations between individual differences in brain structure/function and behavioral phenotypes (e.g., cognition, mental health) may have been undermined by typical neuroimaging sample sizes (median N=25) 1,2 . Leveraging the Adolescent Brain Cognitive Development (ABCD) Study 3 (N=11,878), we estimated the effect sizes and reproducibility of these brain-wide associations studies (BWAS) as a function of sample size. The very largest, replicable brain-wide associations for univariate and multivariate methods were r=0.14 and r=0.34, respectively. In smaller samples, typical for brain-wide association studies (BWAS), irreproducible, inflated effect sizes were ubiquitous, no matter the method (univariate, multivariate). Until sample sizes started to approach consortium-levels, BWAS were underpowered and statistical errors assured. Multiple factors contribute to replication failures 4–6 ; here, we show that the pairing of small brain-behavioral phenotype effect sizes with sampling variability is a key element in wide-spread BWAS replication failure. Brain-behavioral phenotype associations stabilize and become more reproducible with sample sizes of N⪆2,000. While investigator-initiated brain-behavior research continues to generate hypotheses and propel innovation, large consortia are needed to usher in a new era of reproducible human brain-wide association studies.
1

Gestational and postnatal age associations for striatal tissue iron deposition in early infancy

Laura Cabral et al.Jun 30, 2023
+10
W
J
L
Striatal development is crucial for later motor, cognitive, and reward behavior, but age-related change in striatal physiology during the neonatal period remains understudied. An MRI-based measure of tissue iron deposition, T2*, is a non-invasive way to probe striatal physiology neonatally, linked to dopaminergic processing and cognition in children and adults. Striatal subregions have distinct functions that may come online at different time periods in early life. To identify if there are critical periods before or after birth, we measured if striatal iron accrued with gestational age at birth [range=34.57-41.85 weeks] or postnatal age at scan [range=5-64 days], using MRI to probe the T2* signal in N=83 neonates in three striatal subregions. We found iron increased with postnatal age in the pallidum and putamen but not the caudate. No significant relationship between iron and gestational age was observed. Using a subset of infants scanned at preschool age (N=26), we show distributions of iron shift between timepoints. In infants, the pallidum had the least iron of the three regions but had the most by preschool age. Together, this provides evidence of distinct change for striatal subregions, a possible differentiation between motor and cognitive systems, identifying a mechanism that may impact future trajectories.Neonatal striatal tissue iron can be measured using the T2* signal from rsfMRInT2* changed with postnatal age in the pallidum and putamen but not in the caudatenT2* did not change with gestational age in any of the three regionsPatterns of iron deposition (nT2*) among regions shift from infancy to preschool.
1

Vertex-wise characterization of Non-Human Primate cortical development with prenatal insights

Julian Ramirez et al.Sep 24, 2021
+17
R
A
J
Abstract Characterization of the interwoven complexities of early cortical thickness development has been an ongoing undertaking in neuroscience research. Longitudinal studies of Non-Human Primates (NHP) offer unique advantages to categorizing the diverse patterns of cortical growth trajectories. Here, we used latent growth models to characterize the trajectories of typical cortical thickness development in Japanese macaques at each cortical surface vertex (i.e. grayordinate). Cortical thickness from 4 to 36 months showed regional specific linear and non-linear trajectories and distinct maturation timing across the cortex. Intriguingly, we revealed a “accumulation/ablation phenomenon” of cortical maturation where the most profound development changes in cortical thickness occur in the accumulation or ablation zones surrounding the focal points (i.e., a center of a delineated regions where cortical thickness is thickest or thinnest) throughout the brain. We further examined maternal diet and inflammation in the context of these typical brain trajectories and known network architecture. A well-controlled NHP model of a maternal “Western-style” diet was used alongside measures of inflammatory cytokine interleukin-6 (IL-6) in the mothers during gestation. We observed that these accumulation and ablation zones of variable change might be most susceptible to environmental effects. The maternal factors, diet and inflammation during pregnancy were distinctively associated with different aspects of offspring cortical development reflected in regions related to distinctive functional networks. Our findings characterize the versatile intricacies of typical cortical thickness development and highlight how the maternal environment plays a role in offspring cortical development.