Estimation topographique de Visual population réceptive champs par IRMf

Imagerie par résonance magnétique fonctionnelle (IRMf) mesure non invasive l'organisation fonctionnelle du cortex visuel à l'échelle macroscopique (typiquement de l'ordre de quelques millimètres). Les premières études de rétinotopie IRMf ont utilisé une mesure de cohérence entre l'emplacement de relance et a suscité des réponses audacieuses ^4-7. Ces études généralement ne ont pas estimé la population réceptive taille du champ. Plus tard, Dumoulin et Wandell ¹ ont proposé une méthode pour surmonter une telle limitation en modélisant explicitement l'emplacement et la taille pRF, en utilisant une fonction linéaire de ce modèle pour prédire la réponse BOLD. Toutefois, une limitation de cette méthode est de pionnier que le modèle pRF paramétrique doit être choisi a priori, et peut mener à des estimations erronées pRF si elle se avère ne pas être approprié.

Pour surmonter les limitations de la méthode PRF-modèle paramétrique, de nouveaux procédés ont été développés récemment. Ces méthodes prédisent directement la réponse BOLD aux stimulus en reconstruisant la topographie pRF. Une méthode ⁸ proposé par Greene et ses collègues reconstitue la topographie pRF par rétro-projection des réponses audacieuses pour les espaces de relance 1D individuels et la construction de la topographie pRF dans l'espace de relance 2D comme une technique typique de tomographie par ordinateur. D'autre part, le procédé proposé par nous ^deux estime directement la topographie 2D PRF à l'aide d'une régression linéaire et l'application d'une technique de régularisation. Dans ce procédé, la topographie pRF est représenté comme un ensemble de poids qui est multiplié par le stimulus pour estimer la réponse de la population neuronale d'un voxel donné. Ensuite, l'oxygène dans le sang en fonction du niveau (GRAS) réponse final évoqué par le stimulus est estimée par la convolution de la réponse de la population neuronale et la fonction de réponse hémodynamique canonique. Afin de résoudre le système linéaire sous-contraint, en outre, la régularisation crête de régression est utilisée pour appliquer rareté (voir Figure 1ci-dessous). La technique de régularisation supprime le bruit et des artefacts et permet ainsi notre méthode pour estimer la topographie pRF plus robuste.

Les méthodes topographiques ne forcez pas la forme pRF d'avoir une certaine forme paramétrique, et ne peut donc découvrir la structure réelle pRF. Un modèle paramétrique appropriée peut alors être choisie en fonction de la topographie pRF. Par exemple, la topographie pRF peut être utilisé pour séparer le centre pRF et surround et, le centre modélisation pRF ultérieur peut être plus précis, en minimisant l'influence de suppression surround ainsi que l'influence d'autres artefacts potentiels résultant dans des zones éloignées de la centre pRF. Nous avons récemment effectué une comparaison quantitative entre notre méthode et plusieurs autres méthodes que directement (à savoir avant d'estimer la topographie) ajustement gaussien isotrope ^1, anisotrope gaussien, et la différence de gaussiennes isotrope à l'pRF ^neuf. On a constaté que la topogrméthode basée aphy-performé ces méthodes à l'égard du centre pRF modélisation en réalisant plus variance expliquée de la série BOLD de temps de signal.

L'estimation précise des propriétés PRF dans divers domaines révèle comment ils couvrent le champ visuel et est important pour étudier l'organisation fonctionnelle du cortex visuel particulièrement en ce qui a trait à la perception visuelle. Les propriétés telles que la façon dont la taille pRF changements avec l'excentricité ^1,10 et pRF organisation surround central ⁹ sont bien étudiés dans la littérature humaine. La méthode proposée pour estimer les résultats de topographie PRF dans la modélisation plus précise paramètre pRF et est plus susceptible de révéler des régularités inconnues, pas facilement modélisée a priori dans les modèles paramétriques directs. Cette approche sera particulièrement adapté à l'étude l'organisation pRF chez les patients avec des lésions de la voie visuelle, pour qui la structure pRF est pas nécessairement prévisible a priori. Ci-dessous est décrit comment estimer ee pRF topographie et la façon d'utiliser la topographie pour modéliser le centre pRF.