Summary

FMRI tarafından Görsel Nüfus Alıcı Fields topografik Tahmini

Published: February 03, 2015
doi:

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

Hücrelerin komşu popülasyonları görme alanı komşu bölgelerine harita, böylece Görsel korteks retinotopically düzenlenmiştir. Fonksiyonel manyetik rezonans görüntüleme bize yani voksel dayalı nüfus açık alanları (PRF), tahmin sağlar, her voksel içindeki hücreleri aktive görme alanının bir parçası. 1) PRF modeli-priori seçilir ve tamamen gerçek PRF şekli yakalamak olmayabilir, ve 2) PRF merkezleri uyaran alanı sınırına yakın mislocalization eğilimli: önce, doğrudan, PRF tahmin yöntemleri 1 belirli sınırlamalar muzdarip. İşte yeni topografik PRF tahmin yöntemi 2 büyük ölçüde bu sınırlamaları ortadan önerilmiştir. Bir doğrusal model kanonik hemodinamik tepki fonksiyonu ile görsel uyarana PRF lineer tepkisini evrişim toplamının Blood Oksijen Düzeyi-Bağımlı (BOLD) sinyal tahmin etmek için kullanılır. PRF topografya olan bileşenler str temsil ağırlık vektörü olarak temsil edilirvoksel nöronların toplam yanıtın ength farklı görme alanı yerlerde sunulan uyarıcıya. Elde edilen lineer denklemler PRF topografya veren sırt regresyon 3 kullanılarak PRF ağırlık vektörü için çözülebilir. Tahmini topografya ile uyumlu olan bir PRF modeli daha sonra böylece vb PRF-merkezi konumu, PRF yönelim, boyut olarak PRF parametrelerin tahminleri iyileştirilmesi, post-hoc seçilebilir. PRF topografya mevcut olması da PRF yapısı hakkında bir-priori varsayımlar yapmak zorunda kalmadan çeşitli PRF özellikleri çıkarılmasını sağlayan PRF parametre tahminlerinin görsel doğrulama sağlar. Bu yaklaşım, görsel sistemin bozukluğu olan hastaların PRF organizasyonunu araştırmak için özellikle yararlı olacağa benziyor.

Introduction

Fonksiyonel manyetik rezonans görüntüleme (fMRI) (genellikle milimetre mertebesinde) non-invaziv bir makroskopik ölçekte görsel korteksin fonksiyonel organizasyonunu ölçer. Erken fMRI retinotopy çalışmaları uyaran konumu arasında bir tutarlılık ölçüsü kullanılmış ve BOLD yanıtları 4-7 ortaya çıkardı. Bu çalışmalar genellikle nüfus açık alan büyüklüğünü tahmin etmedi. Daha sonra, Dumoulin ve Wandell 1 açıkça, PRF konumu ve boyutunu modelleme BOLD yanıtı tahmin etmek, bu modelin doğrusal bir fonksiyonu kullanarak böyle bir sınırlama aşmak için bir yöntem önerdi. Ancak, bu yöntemin öncü bir sınırlama parametrik PRF model-priori seçilmelidir ve uygun olmadığı ortaya çıkarsa hatalı PRF tahmin yol açabilir olmasıdır.

Parametrik PRF-modeli yönteminin sınırlamaları aşmak için, yeni yöntemler son zamanlarda geliştirilmiştir. Bu yöntemler, doğrudan s BOLD yanıtı tahminPRF topografya yeniden tarafından timulus. Greene ve arkadaşları tarafından önerilen bir yöntem 8 ayrı 1D uyaran alanlarda BOLD yanıtları geri projelendirme ve tipik bir bilgisayarlı tomografi tekniği gibi 2D uyaran uzayda PRF topografya kurarak PRF topografya yeniden yapılandırır. Öte yandan, bizim tarafımızdan önerilen yöntem 2 doğrudan lineer regresyon kullanılarak ve bir düzenlemenin tekniği uygulanarak 2D PRF topografya tahmin. Bu yöntemde, PRF topografisi, belirli bir vokselin nöronal nüfus yanıtı tahmin etmek için uyarıcı ile çarpılır bulunan bir dizi ağırlıktan olarak temsil edilir. Ardından, uyaran tarafından uyarılmış son Kan Oksijen Düzeyi-Bağımlı (BOLD) tepki nöronal nüfus yanıtı ve kurallı hemodinamik tepki fonksiyonu evrişim toplamının tahmin edilmektedir. Altında kısıtlı doğrusal sistemini çözmek için, ayrıca, ridge regresyon düzenlilestirme seyrekliği zorlamak için kullanılır (Şekil 1aşağıda). düzenlilestirme tekniği gürültü ve eserler bastırır ve böylece bizim yöntem daha sağlam PRF topografya tahmin sağlar.

topografik yöntemler gerçek PRF yapısını ortaya çıkarabilir, bu nedenle belli bir parametrik şekli var PRF şekli zorlamak, ve yoktur. Uygun bir parametrik model, daha sonra PRF topografya dayalı seçilebilir. Örneğin, PRF topografya PRF merkezi ve çevre ayırmak için, ve sonra daha sonraki PRF merkezi modelleme çevre bastırma etkisinin yanı sıra uzak bölgelerde ortaya çıkan diğer potansiyel eserler etkisini en aza indirerek daha doğru olabilir kullanılabilir Prf merkezi. Biz son zamanlarda PRF 9 nicel bizim yöntem ve doğrudan diğer bazı yöntemler arasında karşılaştırma (yani topografya tahmin önce) Gauss 1, izotropik uygun anizotropik Gauss ve Gauss izotropik farkı gerçekleştirdik. Bu topogr bulunmuşturaphy-tabanlı yöntem BOLD sinyal zaman serilerinin açıklanan varyans yüksek elde ederek PRF merkez modelleme ile ilgili bu yöntemleri geride.

Çeşitli alanlarda PRF özelliklerinin doğru tahmin onlar görme alanını kapsayacak nasıl ortaya ve görsel algı ile ilgilidir, özellikle görsel korteksin fonksiyonel organizasyonunu araştırmak için önemlidir. Böyle Eksantriklik 1,10 ve PRF merkez surround örgütü 9 ile PRF boyutu değişir, insan literatürde okudu nasıl gibi özellikler. PRF topografya daha doğru PRF parametre modelleme sonuçları ve bilinmeyen düzenlilikleri ortaya olasılığı daha yüksektir tahmini için önerilen yöntem, kolayca doğrudan parametrik modeller bir-priori modellenmiş değil. Bu yaklaşım, PRF yapısı mutlaka öngörülebilir bir-priori değil kimin için görsel yolu lezyonları olan hastalarda PRF organizasyonu incelemek için özellikle uygun olacaktır. Aşağıda th tahmin nasıl tarif edilire PRF topografya ve nasıl PRF merkezi modellemek için topografya kullanmak için.

Protocol

1. Veri Toplama Daha önce Dumoulin ve Wandell 1 ve Lee ve diğerleri içinde tarif edilen, güvenilir bir retinotopic görsel bir tepki ortaya çıkarmada etkili olan bir uyarıcı protokolü hazırlayın. 2. Bununla birlikte, diğer iyi bilinen paradigmalar ele alınması için özel bir deney soruya bağlı olarak da tatbik edilebilir. Mevcut çubuk uyaranlara 45 derece adımlarla, uzay 8 yönleri boyunca ekran sırayla sürüklenen. Hareket çubuğu bir ke…

Representative Results

Doğru PRF modelleme doğru PRF şekiller yakalama gerektirir. PRF topografyasını bilmeden, önceki çalışmalarda 1,9-11 kullanılan dairesel simetrik modellerin seçimi makul bir seçimdir. Yerel retinotopic kurum görme alanı her yönde homojen ise, bir yerel halk yanıt nöronal yanıtları dairesel simetrik toplam agrega olarak temsil edilebilir, çünkü. Ancak, bizim gözlem bu mutlaka böyle (Şekil 2) olmadığını göstermektedir. Bu nedenle, PRF topografyasının gözlem PRF m…

Discussion

Bu makalede, insan görsel korteks ve nasıl alıcı alanı için uygun bir parametrik bir model seçmek için kullanabilirsiniz görsel nüfus açık alanların topografya tahmin gösterilmiştir. Başarılı bir retinotopy için, uygun bir uyarım protokolü ve verimli bir analiz yöntemi seçilmelidir ve kişinin deneysel parametreler (hareket ve tespit) optimize edilmelidir. O ayrı uyaran yerlerden farklı BOLD yanıtları üretir gibi görme alanı boyunca sırayla hareket Bar uyaranlara PRF tahmini için verimli …

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

  1. Dumoulin, S. O., Wandell, B. A. Population receptive field estimates in human visual cortex. Neuroimage. 39, 647-660 (2008).
  2. 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).
  3. Hastie, T., Tibshirani, R., Friedman, J. H. . The elements of statistical learning : data mining, inference, and prediction. , (2009).
  4. Sereno, M. I., et al. Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging. Science. 268, 889-893 (1995).
  5. 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).
  6. Engel, S. A., et al. fMRI of human visual cortex. Nature. 369, 525 (1994).
  7. 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).
  8. 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).
  9. Zuiderbaan, W., Harvey, B. M., Dumoulin, S. O. Modeling center-surround configurations in population receptive fields using fMRI. J Vis. , (2012).
  10. 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).
  11. Haak, K. V., Cornelissen, F. W., Morland, A. B. Population receptive field dynamics in human visual cortex. PLoS One. 7, e37686 (2012).

Play Video

Cite This Article
Lee, S., Papanikolaou, A., Keliris, G. A., Smirnakis, S. M. Topographical Estimation of Visual Population Receptive Fields by fMRI. J. Vis. Exp. (96), e51811, doi:10.3791/51811 (2015).

View Video