הערכה טופוגרפית של אוכלוסייה החזותית פתוחים שדות ידי 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
קליפת ראייה מאורגנת retinotopically כך שאוכלוסיות של התאים שכנים המפה לחלקים שכנים של שדה הראייה. הדמיה בתהודה מגנטית תפקודית מאפשרת לנו להעריך שדות מבוססי voxel אוכלוסייה פתוחים (PRF), כלומר, החלק משדה הראייה שמפעיל את התאים בתוך כל voxel. לפני, שיטות ישירות, PRF הערכת 1 סובלות ממגבלות מסוימות: 1) מודל PRF נבחר א-פריורי וייתכן שלא ללכוד את צורת PRF בפועל באופן מלא, ו -2) מרכזי PRF נוטים mislocalization בסמוך לגבול של מרחב הגירוי. הנה שיטה חדשה טופוגרפית PRF הערכת 2 מוצע כי במידה רבה עוקפת את המגבלות הללו. מודל ליניארי משמש כדי לחזות את אות חמצן בדם רמה-תלויה (BOLD) על ידי convolving התגובה ליניארית של PRF לגירוי החזותי עם פונקצית התגובה המודינמית הקנונים. הטופוגרפיה PRF מיוצגת כוקטור משקל רכיבים שמייצגים את strength של התגובה הכוללת של תאי עצב voxel לגירויים שהוצג במקומות שונים בשדה ראייה. משוואות לינאריות וכתוצאה מכך ניתן לפתור עבור וקטור PRF במשקל באמצעות רכס רגרסיה 3, מניב הטופוגרפיה PRF. מודל PRF שמותאם להעריך את הטופוגרפיה ואז ניתן לבחור פוסט הוק-, ובכך לשפר את אומדני הפרמטרים PRF כגון מיקום PRF-מרכז, נטייה PRF, גודל, וכו '. לאחר הטופוגרפיה PRF זמינה גם מאפשר אימות ויזואלי של אומדני פרמטרי PRF מאפשרים המיצוי של מאפייני PRF שונים מבלי לעשות הנחות א-פריורי על מבנה PRF. גישה זו מבטיחה להיות שימושי במיוחד לחקירת ארגון PRF של חולים עם הפרעות של מערכת הראייה.
Introduction
הדמיה בתהודה מגנטית תפקודית (fMRI) מודדת הלא פולשני הארגון הפונקציונלי של קליפת מוח החזותית בקנה מידת מאקרוסקופי (בדרך כלל בסדר הגודל של מילימטרים). מחקרי fMRI retinotopy מוקדמים משמשים מדד לכידות בין מיקום גירוי ועוררו תגובות BOLD 4-7. מחקרים אלה בדרך כלל לא להעריך את גודל שדה פתוח אוכלוסייה. מאוחר יותר, דומולן ו1 Wandell הציעו שיטה להתגבר על מגבלה כזו על ידי במפורש דוגמנות מיקום PRF וגודל, תוך שימוש בפונקציה ליניארית של מודל זה כדי לחזות את תגובת BOLD. עם זאת, מגבלה אחת של שיטה חלוצית זו היא שמודל PRF פרמטרית יש לבחור א-פריורי, ועלול להוביל לPRF שגוי מעריך אם יתברר שלא להיות מתאים.
כדי להתגבר על מגבלות של שיטת PRF-מודל פרמטרים, שיטות חדשות פותחו לאחרונה. שיטות אלה ישירות לחזות את תגובת BOLD ליםtimulus ידי בנייה מחדש את הטופוגרפיה PRF. שיטה 8 שהוצעה על ידי גרין ועמיתים משחזרת את הטופוגרפיה PRF על ידי גב מקרין תגובות BOLD לחללי גירוי 1D פרט ובניית הטופוגרפיה PRF במרחב גירוי 2D כמו טכניקת טומוגרפיה מחשב טיפוסית. מצד השני, בשיטה 2 שהוצעה על ידי אלינו ישירות מעריכה את הטופוגרפיה 2D PRF באמצעות רגרסיה ליניארית ויישום טכניקת הסדרה. בשיטה זו, הטופוגרפיה PRF מיוצגת כמערכת של משקולות שמוכפלת בגירוי להעריך את תגובת האוכלוסייה העצבית של voxel נתון. לאחר מכן, התשובה הסופית חמצן בדם הרמה-תלויה (BOLD) שמעוררת הגירוי מוערכת על ידי convolving תגובת האוכלוסייה העצבית ותפקוד התגובה המודינמית הקנונים. על מנת לפתור את המערכת ליניארית-מוגבל תחת, בנוסף, הסדרת רגרסיה הרכס משמשת לאכיפת דלילות (ראה איור 1להלן). טכניקת ההסדרה מדכאת רעש וחפצים ובכך מאפשרת השיטה שלנו להעריך את הטופוגרפיה PRF יותר וחסונה.
השיטות טופוגרפיות לא מכריחות את צורת PRF יש צורה פרמטרית מסוימת, ולכן יכול לחשוף את מבנה PRF בפועל. אז יכול להיות שנבחר מודל פרמטרים מתאים בהתאם לטופוגרפית PRF. לדוגמא, הטופוגרפיה PRF ניתן להשתמש כדי להפריד את מרכז PRF ולהקיף, ולאחר מכן דוגמנות מרכז PRF שלאחר מכן יכולה להיות מדויקת יותר על ידי צמצום ההשפעה של דיכוי היקפי, כמו גם את השפעתם של חפצים פוטנציאליים אחרים שמקורם באזורים מרוחקים ל מרכז PRF. לאחרונה ביצעו השוואת כמותית בין השיטה שלנו וכמה שיטות אחרות באופן ישיר (כלומר לפני הערכת הטופוגרפיה) אנאיזוטרופיים גאוס כושר איזוטרופיים 1 גאוס, והבדל של Gaussians איזוטרופיים לPRF 9. נמצא כי topogrשיטה מבוססת aphy ביצועים טובים יותר בשיטות אלה ביחס למודלי מרכז PRF ידי השגת גבוהה יותר שונות מוסברת של סדרת BOLD זמן אות.
הערכה מדויקת של נכסי PRF בתחומים שונים מגלה כיצד הם מכסים את שדה הראייה וחשוב לחקירת הארגון הפונקציונלי של קליפת המוח החזותית בפרט בכל קשורים לתפיסה חזותית. מאפיינים כגון כיצד גודל PRF שינויים עם אקסצנטריות 1,10 וPRF ארגון להקיף מרכז 9 נלמדים היטב בספרות האנושית. השיטה המוצעת להערכת תוצאות PRF הטופוגרפיה בדוגמנות פרמטר PRF מדויקת יותר וסביר יותר כדי לחשוף סדירויות לא ידועות, לא בקלות דגם א-פריורי במודלים פרמטריים הישירים. גישה זו תהיה מתאימה במיוחד ללימוד ארגון PRF בחולים עם נגעי מסלול חזותי, שעבורם מבנה PRF הוא לא בהכרח א-פריורי לחיזוי. להלן מתואר כיצד להעריך הטופוגרפיה דואר PRF וכיצד להשתמש בטופוגרפית מודל מרכז PRF.
Protocol
Representative Results
Discussion
מאמר זה מדגים כיצד להעריך את הטופוגרפיה של שדות פתוחים אוכלוסייה חזותיות בראייה אנושית וכיצד להשתמש בו כדי לבחור מודל פרמטרים מתאים לשדה פתוח קליפה. לretinotopy מוצלח, פרוטוקול גירוי מתאים ושיטת ניתוח יעילה יש לבחור, והפרמטרים של הנושא הניסיוניים (תנועה וקיבעון) צריכים ל…
Divulgations
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).
