Stima topografica Visual Popolazione ricettivo campi da fMRI
Summary
It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.
Abstract
Visiva della corteccia è retinotopically organizzato in modo che le popolazioni vicine di cellule mappa a parti adiacenti del campo visivo. La risonanza magnetica consente di stimare voxel-based popolazione campi recettivi (PRF), cioè, la parte del campo visivo che attiva le cellule in ciascun voxel. Prima,, PRF metodi di stima diretta 1 soffrono di alcune limitazioni: 1) il modello prf è scelto a priori e non può catturare appieno la reale forma prf, e 2) i centri PRF sono inclini a mislocalization vicino al confine dello spazio stimolo. Qui viene proposto un nuovo metodo di stima topografica PRF 2 che aggira in gran parte queste limitazioni. Un modello lineare viene usato per predire il segnale di ossigeno Sangue Level-Dependent (BOLD) convolvendo risposta lineare PRF allo stimolo visivo con la funzione di risposta emodinamica canonica. PRF topografia è rappresentato come un vettore di peso cui componenti rappresentano il strlength della risposta complessiva dei neuroni voxel a stimoli presentati in diverse località del campo visivo. Le equazioni lineari risultanti possono essere risolti per il vettore peso prf utilizzando cresta regressione 3, cedendo la topografia prf. Un modello prf che è compensata alla topografia stimato può essere scelta post-hoc, migliorando così le stime dei parametri PRF quali l'ubicazione PRF-centrale, orientamento prf, dimensioni, ecc. Avendo la topografia PRF disposizione permette anche la verifica visiva delle stime dei parametri PRF consentono l'estrazione di varie proprietà PRF senza dover fare ipotesi a priori sulla struttura PRF. Questo approccio promette di essere particolarmente utile per studiare l'organizzazione PRF di pazienti con disturbi del sistema visivo.
Introduction
La risonanza magnetica funzionale (fMRI) misura non invasivo l'organizzazione funzionale della corteccia visiva in scala macroscopica (tipicamente dell'ordine di millimetri). I primi studi retinotopy fMRI utilizzato una misura della coerenza tra la posizione stimolo e hanno suscitato risposte BOLD 4-7. Questi studi in genere non hanno stima della popolazione dimensioni del campo recettivo. Successivamente, Dumoulin e Wandell 1 proposto un metodo per superare tale limitazione modellando esplicitamente la posizione e le dimensioni PRF, tramite una funzione lineare di questo modello per predire la risposta BOLD. Tuttavia, una limitazione di questo metodo pionieristico è che il modello parametrico prf deve essere scelta a priori, e può portare a errate PRF stime se si scopre di non essere appropriato.
Per superare i limiti del metodo parametrico PRF-modello, nuovi metodi sono stati sviluppati di recente. Questi metodi prevedono direttamente la risposta BOLD ai stimulus ricostruendo topografia prf. Metodo 8 proposta da Greene e colleghi ricostruisce la topografia prf da back-proiettando le risposte BOLD ai singoli spazi stimolo 1D e costruire la topografia prf nello spazio di stimolo 2D come una tipica tecnica di tomografia computerizzata. D'altra parte, il metodo 2 da noi proposto stima diretta topografia 2D PRF mediante regressione lineare e applicando una tecnica di regolarizzazione. In questo metodo, la topografia PRF è rappresentato come un insieme di pesi che viene moltiplicato per lo stimolo per stimare la risposta neuronale popolazione di un dato voxel. Poi, l'ossigeno Sangue Level-Dependent (BOLD) risposta finale evocata dallo stimolo è stimato convolvendo la risposta della popolazione neuronale e la funzione di risposta emodinamica canonica. Per risolvere il sistema lineare sotto-vincolato, inoltre, regolarizzazione cresta regressione viene utilizzato per applicare sparseness (vedi Figura 1sotto). La tecnica di regolarizzazione elimina il rumore e gli artefatti e permette quindi il nostro metodo per stimare la topografia prf più robusta.
I metodi topografici non forzare la forma prf di avere una certa forma parametrica, e quindi può scoprire la struttura attuale prf. Un modello parametrico appropriato può quindi essere scelto sulla base della topografia PRF. Ad esempio, la topografia PRF può essere utilizzata per separare il centro PRF e surround, e poi la successiva centro modellazione PRF può essere più accurata minimizzando l'influenza di soppressione bordi nonché l'influenza di altri potenziali artefatti derivanti in zone distanti al Centro prf. Recentemente abbiamo effettuato un confronto quantitativo tra il nostro metodo e molti altri metodi che direttamente (cioè prima stima la topografia) fit isotropa gaussiana 1, anisotropico gaussiana, e la differenza di isotropo gaussiane al prf 9. Si è constatato che la topogrmetodo basato aphy-superato questi metodi rispetto al centro PRF modellazione da raggiungere una maggiore varianza spiegata della serie storica del segnale BOLD.
Stima accurata delle proprietà PRF in diversi settori rivela come coprono il campo visivo ed è importante per indagare l'organizzazione funzionale della corteccia visiva in particolare per quanto riguarda la percezione visiva. Proprietà quali come i cambiamenti di dimensione PRF con eccentricità 1,10 e PRF organizzazione centrale surround 9 sono ben studiati in letteratura umana. Il metodo proposto per valutare i risultati topografia PRF in più accurata parametro PRF modellazione ed è più probabile per rivelare regolarità sconosciuti, non facilmente modellato a priori nei modelli parametrici diretti. Questo approccio sarà particolarmente adatto per lo studio dell'organizzazione PRF in pazienti con lesioni percorso visivo, per i quali la struttura PRF non è necessariamente prevedibile a priori. Qui di seguito è descritto come stimare the prf topografia e come utilizzare la topografia per modellare il centro prf.
Protocol
Representative Results
Discussion
Questo articolo viene illustrato come stimare la topografia della popolazione campi recettivi visivi nella corteccia visiva umana e su come usarlo per selezionare un modello parametrico appropriato per il campo recettivo. Per un retinotopy successo, devono essere selezionati un protocollo di stimolazione adeguata e di un metodo di analisi efficiente, e parametri sperimentali del soggetto (di movimento e di fissaggio) devono essere ottimizzati. Stimoli Bar in movimento in modo sequenziale attraverso il campo visivo sono …
Declarações
The authors have nothing to disclose.
Acknowledgements
We thank the VISTA software group (Brian Wandell and associates, at Stanford).
S. S. was supported by McNair 2280403105,NEI R01-EY109272, and NEI R01-EY024019 and as HHMI Early Carrer Award. A. P. and G. K. was supported by the Max-Planck Society, G. K. was supported by the PLASTICISE project of the 7th Framework Programme of the European Commission, Contract no. HEATH-F2-2009-223524.
Materials
| Name of Equipment/Software | Company/Provider | Web address | |
| MRI scanner | Siemens/Philips/GE | ||
| MATLAB | The Mathworks, Inc. | http://www.mathworks.com | |
| VISTA software | VISTA software group | http://white.stanford.edu/newlm/index.php/Software | |
| PsychoToolbox | PsychoToolbox | http://psychtoolbox.org | |
| Eye Tracker(VisuaStimDigital) | Resonance Technology Inc | http://mrivideo.com/ |
Referências
- Dumoulin, S. O., Wandell, B. A. Population receptive field estimates in human visual cortex. Neuroimage. 39, 647-660 (2008).
- Lee, S., Papanikolaou, A., Logothetis, N. K., Smirnakis, S. M., Keliris, G. A. A new method for estimating population receptive field topography in visual cortex. Neuroimage. 81, 144-157 (2013).
- Hastie, T., Tibshirani, R., Friedman, J. H. . The elements of statistical learning : data mining, inference, and prediction. , (2009).
- Sereno, M. I., et al. Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging. Science. 268, 889-893 (1995).
- Engel, S. A., Glover, G. H., Wandell, B. A. Retinotopic organization in human visual cortex and the spatial precision of functional MRI. Cereb Cortex. 7, 181-192 (1997).
- Engel, S. A., et al. fMRI of human visual cortex. Nature. 369, 525 (1994).
- DeYoe, E. A., et al. Mapping striate and extrastriate visual areas in human cerebral cortex. Proc Natl Acad Sci U S A. 93, 2382-2386 (1996).
- Greene, C. A., Dumoulin, S. O., Harvey, B. M., Ress, D. Measurement of population receptive fields in human early visual cortex using back-projection tomography. J Vis. , (2014).
- Zuiderbaan, W., Harvey, B. M., Dumoulin, S. O. Modeling center-surround configurations in population receptive fields using fMRI. J Vis. , (2012).
- Harvey, B. M., Dumoulin, S. O. The relationship between cortical magnification factor and population receptive field size in human visual cortex: constancies in cortical architecture. J Neurosci. 31, 13604-13612 (2011).
- Haak, K. V., Cornelissen, F. W., Morland, A. B. Population receptive field dynamics in human visual cortex. PLoS One. 7, e37686 (2012).
