자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가
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
이웃하는 셀들의 집단은 시야의 주변 부분에 매핑되도록 시각 피질은 retinotopically 구성된다. 기능성 자기 공명 영상은 우리가 즉, 복셀 기반의 인구 수용 필드 (PRF)를 추정 할 수 있으며, 각 복셀 내에서 세포를 활성화 시야의 일부입니다. 1) PRF 모델은 연역적를 선택 완전히 실제 PRF 형상을 캡처 할 수 있고, 2) PRF 센터 자극 공간의 경계 근처 mislocalization 경향이있다 : 이전에, 직접, PRF 추정 방법 (1)는 특정 제한 겪는다. 여기서 새로운 지형 PRF 추정 방법이 주로 이러한 한계를 회피한다고 제안된다. 선형 모델 정규 혈역학 응답 함수와 시각 자극에 PRF의 선형 응답을 컨벌루션하여 혈액 산소 수준 의존 (BOLD) 신호를 예측하는 데 사용된다. PRF 지형이 그 구성 요소 STR을 나타내는 가중치 벡터로 표현된다복셀 뉴런의 집합체 반응 ength 상이한 시야 위치에서 제시 자극. 얻어진 선형 방정식 PRF 지형을 수득 릿지 (3)를 이용하여 회귀 PRF 웨이트 벡터에 대해 해결 될 수있다. 추정 된 지형에 정합 PRF 모델은 이에 등과 PRF-중심 위치, PRF 방향, 크기, 같은 PRF 파라미터 추정을 개선 사후을 선택할 수있다. PRF 지형 가능하다는 것이 또한 PRF 구조에 대한 선험적 가정을 할 필요없이 다양한 PRF 특성의 추출을 허용 PRF 파라미터 추정치의 시각적 확인을 허용한다. 이 접근법은 시각 시스템의 장애 환자 PRF 조직을 조사하기에 특히 유용한 것으로 약속한다.
Introduction
기능성 자기 공명 영상 (fMRI)은 (일반적으로 밀리미터 정도의) 비 침습적 거시적 규모에서 시각 피질 조직의 기능을 측정한다. 초기의 fMRI retinotopy 연구는 자극의 위치 사이의 코 히어 런스 값을 사용 BOLD 응답 4-7을 유발. 이러한 연구는 일반적으로 수용 인구 필드 크기를 추정하지 않았다. 나중에, DUMOULIN Wandell 1 및 명시 적, PRF 위치 및 크기를 모델링 BOLD 응답을 예측하는 모델의 선형 함수를 사용함으로써 이러한 제한을 극복하는 방법을 제안 하였다. 그러나,이 방법의 선구 제한 파라 PRF 모델은 연역적을 선택해야하며, 그것이 적절하지 밝혀지면 PRF 잘못된 추정을 초래할 수 있다는 것이다.
파라 PRF-모델 방법의 한계를 극복하기 위해 새로운 방법이 최근에 개발되었다. 이러한 방법은 직접 s의 BOLD 응답을 예측PRF의 지형을 재구성하여 timulus. 그린 및 동료들에 의해 제안 된 방법 (8)는 개별 1D 자극 스페이스에 BOLD 응답 백 돌출 전형적인 컴퓨터 단층 촬영 기술과 같은 2D 자극 공간에서 PRF 지형을 구축하여 PRF의 지형을 재구성한다. 한편, 우리가 제안한 방법이 직접 선형 회귀를 사용하여 정규화 기술을 적용하여 2 차원 PRF 토포 그래피를 추정한다. 이 방법에서, PRF 지형은 소정의 복셀 신경 인구 응답을 추정하기 위해 자극 곱하여 가중치들의 집합으로 표현된다. 그리고, 자극에 의해 유발 된 최종 혈액 산소 수준 의존 (BOLD) 응답은 신경 인구 응답 및 정규 혈역학 대답 함수를 컨벌루션함으로써 추정된다. 언더 구속 선형 시스템을 해결하기 위해, 또한 릿지 회귀 정규화는 희소성을 적용하는 데 사용된다 (도 1 참조아래). 정규화 기술은 소음과 유물을 억제하고, 따라서 우리의 방법이 더 견고 PRF 지형을 추정 할 수 있습니다.
지형 방법은 실제 PRF 구조를 발견 할 수 있으므로 특정 파라 메트릭 형상을 갖도록 PRF 형상을 강제하지 않는다. 적절한 파라 메트릭 모델이어서 PRF 토포 그래피에 기초하여 선택 될 수있다. 예를 들어, PRF 지형은 PRF 센터 및 서라운드를 분리 한 후 후속 PRF 센터 모델링 서라운드 억제의 영향뿐만 아니라 행 먼 영역에서 발생하는 다른 잠재적 인 아티팩트의 영향을 최소화하여보다 정확하게 할 수있는 동시에, 사용 후의 PRF 센터. 우리는 최근 PRF 9 양적 우리의 방법과 직접 여러 가지 다른 방법의 비교 (즉, 지형을 추정하기 전에) 가우스 1, 등방성 맞는 이방성 가우스, 등방성 가우시안의 차이를 수행했습니다. 이 topogr 것을 알 수 있었다aphy 기반 방법은 BOLD 신호의 시계열 변화를 달성함으로써 더 설명 PRF 센터 모델링에 대해 이러한 방법을 능가.
다양한 분야에서 PRF 특성의 정확한 추정은 시야를 커버하는 방법을 계시하고 시각적 인식에 관한 것으로, 특히 같은 시각 피질의 기능적 조직을 조사하는 것이 중요하다. 이러한 편심, 10 및 PRF 센터 서라운드 조직 9 PRF 크기 변경이 아니라 인간의 문학 연구 방법 등의 속성. PRF 토포 그래피 PRF보다 정확한 파라미터 모델링 결과 알려지지 규칙 성을 표시 할 가능성을 추정하기위한 것이다 제안 된 방법은, 용이하게 직접 파라 메트릭 모델을 연역적 모델링되지. 이 방법은 PRF 구조가 반드시 예측 선천적 아닌 누구를 위해 시각 경로의 병변 환자에서 PRF 조직을 공부에 특히 적합 할 것이다. 이하 번째 추정하는 방법을 설명한다전자 PRF의 지형과 방법 PRF 센터를 모델링 지형를 사용하는 방법을 설명합니다.
Protocol
Representative Results
Discussion
이 글은 인간의 시각 피질과 방법을 수용 필드에 대한 적절한 파라 메트릭 모델을 선택하는 데 사용하는 시각 인구 수용 필드의 지형을 추정하는 방법을 보여줍니다. 성공적인 retinotopy 들어, 적절한 자극 프로토콜 및 효율적인 분석 방법이 선택되어야하고, 피사체의 실험 파라미터 (모션 및 정착)을 최적화한다. 그것은 별개의 자극 위치에서 별개의 BOLD 응답을 생성으로 시야에 걸쳐 순차적으로 ?…
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).
