Topografische Schatting van Visual Bevolking receptieve velden van 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
Visuele cortex wordt retinotopically georganiseerd zodat naburige populaties van cellen in kaart te aangrenzende delen van het gezichtsveld. Functionele magnetische resonantie beeldvorming kunnen we voxel gebaseerde populatie receptieve velden (pRF), dwz schatten, het deel van het gezichtsveld dat de cellen activeert binnen elke voxel. Prior, directe, pRF schattingsmethoden 1 last van bepaalde beperkingen: 1) de pRF model wordt gekozen a-priori en kunnen niet de werkelijke pRF vorm volledig vast te leggen, en 2) pRF centra zijn gevoelig voor mislocalisatie nabij de grens van de stimulus ruimte. Hier een nieuwe topografische pRF schattingsmethode 2 wordt voorgesteld dat grotendeels omzeilt deze beperkingen. Een lineair model wordt gebruikt om het bloed zuurstof niveau-afhankelijke (BOLD) signaal voorspellen convolueren de lineaire respons van de pRF de visuele stimulus met de canonieke hemodynamische respons functie. PRF topografie wordt weergegeven in gewichtsprocent vector waarvan de componenten vertegenwoordigen de strength van de gecombineerde respons van de voxel neuronen op stimuli gepresenteerd op verschillende gezichtsveld locaties. De resulterende lineaire vergelijkingen kunnen worden opgelost voor de pRF gewicht vector behulp golfregressie 3, waardoor de pRF topografie. Een pRF model past bij de geschatte topografie kan dan gekozen post-hoc, waardoor de ramingen van pRF parameters zoals pRF positie midden pRF, formaat, enz verbeteren. Met de pRF topografie beschikbaar maakt ook visuele verificatie van pRF parameterschattingen waardoor de extractie van verschillende pRF eigenschappen zonder a-priori aannames over pRF structuur maken. Deze benadering belooft bijzonder nuttig voor het onderzoeken van de pRF organisatie van patiënten met aandoeningen van het visuele systeem.
Introduction
Functionele magnetische resonantie imaging (fMRI) meet niet-invasieve manier de functionele organisatie van de visuele cortex op macroscopische schaal (typisch in de orde van millimeters). Vroege fMRI Retinotopie studies gebruikten een samenhang maatregel tussen stimulus locatie en ontlokte BOLD reacties 4-7. Deze studies meestal geen schatting van de bevolking receptieve veld grootte. Later, Dumoulin en Wandell 1 een werkwijze voorgesteld om een dergelijke ondervangen door expliciet modelleren pRF locatie en grootte, met een lineaire functie van dit model voor de BOLD respons te voorspellen. Echter, een beperking van deze baanbrekende methode is dat de parametrische pRF model heeft a-priori te worden gekozen, en kan leiden tot foutieve pRF schat als blijkt niet juist te zijn.
De beperkingen van de parametrische pRF-model methode te overwinnen, zijn er nieuwe methoden zijn recent ontwikkeld. Deze methoden de BOLD reactie op de s direct te voorspellentimulus door het reconstrueren van het pRF topografie. Een methode 8 door Greene en collega's voorgesteld reconstrueert de pRF topografie door back-het projecteren van de BOLD reacties op de individuele 1D stimulans ruimtes en de bouw van de pRF topografie in de 2D-stimulus ruimte als een typische computer tomografie techniek. Aan de andere kant, het door ons voorgestelde methode 2 direct schat de 2D pRF topografie met lineaire regressie en toepassen van een regularisatie techniek. In deze werkwijze wordt de pRF topografie voorgesteld als een stel gewichten die wordt vermenigvuldigd met de stimulus van het neuronale populatie reactie van een bepaalde voxel schatten. Vervolgens wordt de definitieve Blood Oxygen Level-Dependent (BOLD) respons opgeroepen door de stimulus geschat door convolving de neuronale respons bevolking en de canonieke hemodynamische respons functie. Om de hieronder beperkte lineair systeem lossen daarnaast golfregressie regularisatie wordt gebruikt schaarsheid dwingen (zie figuur 1hieronder). De regularisatie techniek onderdrukt ruis en artefacten en dus laat onze methode om meer robuuste schatting van de pRF topografie.
De topografische methoden niet dwingen de pRF vorm aan een bepaalde parametrische vorm hebben, en daarom kunnen de werkelijke pRF structuur bloot te leggen. Een geschikte parametrisch model kan dan worden gekozen op basis van de pRF topografie. Bijvoorbeeld kan de pRF topografie worden gebruikt om het centrum pRF en surround scheiden en het daaropvolgende pRF centrum modellering kan nauwkeuriger worden door het minimaliseren van de invloed van surround suppressie en de invloed van andere potentiële artefacten afkomstig uit gebieden ver de pRF centrum. We hebben onlangs een kwantitatieve vergelijking tussen onze methode en een aantal andere methoden die direct (dwz vóór het schatten van de topografie) fit isotrope Gauss 1, anisotrope Gauss, en verschil van isotrope Gaussians aan de pRF 9. Gevonden werd dat de Topogr-aphy gebaseerde methode beter dan deze methoden met betrekking tot pRF centrum modelleren door het bereiken van een hogere verklaarde variantie van het BOLD signaal tijdreeksen.
Nauwkeurige schatting van pRF eigenschappen in verschillende gebieden zien hoe ze bestrijken het gezichtsveld en is belangrijk voor het onderzoek naar de functionele organisatie van de visuele cortex bijzonder als het gaat om visuele waarneming. Eigenschappen zoals hoe pRF grootte verandert met excentriciteit 1,10 en pRF centrum surround organisatie 9 goed worden bestudeerd in het menselijk literatuur. De voorgestelde werkwijze voor het schatten van de pRF topografie resultaten accuratere pRF parameter modellering en eerder onbekende regelmatigheden openbaren, niet gemakkelijk gemodelleerd a-priori in de directe parametrische modellen. Deze benadering zal bijzonder geschikt zijn voor het bestuderen pRF organisatie bij patiënten met gezichtsbaan lesies, waarvoor pRF structuur niet noodzakelijk a-priori voorspelbaar. Hieronder wordt beschreven hoe u e schattene pRF topografie en hoe de topografie te gebruiken om het model het centrum pRF.
Protocol
Representative Results
Discussion
Dit artikel legt uit hoe een schatting van de topografie van visuele bevolking receptieve velden in de menselijke visuele cortex en hoe deze te gebruiken om een geschikte parametrisch model voor de receptieve veld te selecteren. Voor een succesvolle Retinotopie, moet een passende stimuleringsprotocol en efficiënte analysemethode worden geselecteerd en experimentele parameters van het onderwerp (motion en fixatie) worden geoptimaliseerd. Bar stimuli van de opeenvolgende fasen in het hele gezichtsveld zijn een effi…
Disclosures
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/ |
References
- 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).
