Summary

Топографическая Оценка Визуальный населения рецептивных полей по МРТ

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

Визуальный кора retinotopically организована таким образом, что соседние популяции клеток карту в соседние части поля зрения. Функциональная магнитно-резонансная томография позволяет оценить воксельных на основе демографических рецептивные поля (PRF), т.е. часть поля зрения, которая активирует клетки внутри каждого воксела. До прямые, PRF методы оценки 1 страдают от определенных ограничений: 1) модель PRF выбирается априори и не может полностью захватить фактическую форму ПРФ и 2) PRF центры, склонных к mislocalization недалеко от границы стимула пространстве. Вот новая топографическая PRF метод оценки 2 Предполагается, что в значительной степени обходит эти ограничения. Линейная модель используется для прогнозирования крови кислородом в зависимости от уровня (выделены жирным шрифтом) сигнал путем свертки линейный отклик ПРФ в зрительный стимул с канонической функции отклика гемодинамики. PRF топографии представлена ​​как весовой вектор, компоненты которого представляют улength совокупного ответа вексельных нейронов на стимулы представлены в разных местах поля зрения. Полученные линейные уравнения могут быть решены для вектора весовых PRF с помощью гребня регрессии 3, уступая топографию PRF. PRF модель, которая согласована с расчетной топографии, то можно выбрать ретроспективном, тем самым улучшая оценки параметров PRF, таких как PRF-центре города, PRF ориентации, размера и т. Имея топография PRF доступны также позволяет визуально контролировать оценкам PRF параметр, позволяющий добычу различных свойств ПРФ без того, чтобы сделать-априорных предположений о структуре PRF. Этот подход обещает быть особенно полезно для исследования PRF организации пациентов с расстройствами зрительной системы.

Introduction

Функциональная магнитно-резонансная томография (МРТ) измеряет неинвазивного функциональную организацию зрительной коры на макроскопических масштабах (как правило, на порядок миллиметров). Ранние МРТ retinotopy исследования использовали критерий когерентности между стимулом месте и вызвало BOLD ответов 4-7. Эти исследования, как правило, не оценить населения восприимчивой размер поля. Позже, Дюмулен и Уонделл 1 предложил способ преодоления такого ограничения, явно моделирования расположение PRF и размер, используя линейную функцию этой модели для прогнозирования смелые ответ. Тем не менее, одно ограничение этого новаторского метода является то, что параметрическая модель PRF должен быть выбран априори, и может привести к ошибочным оценкам PRF, если он оказывается не быть необходимости.

Чтобы преодолеть ограничения параметрического метода PRF-модели, новые методы были разработаны в последнее время. Эти методы непосредственно предсказать смелые ответ на Stimulus путем реконструкции топографии PRF. Метод 8 предложенный Грин и его коллеги реконструирует рельеф PRF спиной-проектирования смелые ответов на отдельных 1D стимулирования пространств и строительство топографию PRF в 2D стимула пространстве, как типичный техники компьютерной томографии. С другой стороны, метод 2, предложенный нами непосредственно оценивает топографию 2D PRF с использованием линейной регрессии и применяя метод регуляризации. В этом способе, топография PRF представлена ​​в виде набора весов, который, умноженной на стимул, чтобы оценить реакцию нейронов популяции данного воксела. Затем, Окончательное крови кислородом в зависимости от уровня (выделены жирным шрифтом) ответ, вызванный стимул оценивается путем свертки нейронов ответ населения и каноническая функция отклика гемодинамики. Для того, чтобы решить в рамках ограниченных линейную систему, кроме того, гребень регрессии регуляризация используется для обеспечения разреженность (рис 1ниже). Техника регуляризации подавляет шум и артефакты и таким образом позволяет наш метод для оценки топографии PRF более решительно.

Топографические методы не заставить форму PRF иметь определенный параметрический форму, и, следовательно, может раскрыть реальную структуру PRF. Соответствующий параметрическая модель может быть выбрана на основе топографии PRF. Например, топография PRF могут быть использованы, чтобы разделить центр PRF и объемного, а затем последующее центра моделирование PRF может быть более точным путем минимизации влияния подавления объемного, а также влияние других потенциальных артефактов, возникающих в местах удаленных с PRF-центр. Мы недавно провели количественное сравнение между нашим методом и непосредственно нескольких других методов, которые (т.е. до оценки топографии) Установите изотропным гауссовым 1, анизотропную Гаусса, и различие изотропной Гаусса к PRF 9. Было обнаружено, что в topogrМетод aphy основе превзошел эти методы по отношению к центральной моделирования PRF путем достижения выше объяснил дисперсию BOLD сигнала во времени ряда.

Точная оценка ПРФ свойств в различных областях показывает, как они охватывают поле зрения и имеет важное значение для изучения функциональной организации зрительной коры особенно, как это относится к визуальному восприятию. Такие свойства, как, каким образом изменения размера PRF с эксцентриситетом 1,10 и PRF центр объемного организации 9 хорошо изучены в человеческом литературы. Предлагаемый метод оценки топографии результаты PRF в более точного моделирования параметров PRF и, скорее всего, выявить неизвестные закономерности, не легко моделируется априори в прямых параметрических моделей. Такой подход будет особенно подходит для изучения PRF организацию у пациентов с зрительного пути поражений, для которых структура ПРФ не обязательно является предсказуемым априори. Ниже описано, как оценить тысе PRF топография и как использовать топографию моделировать центр PRF.

Protocol

1. Сбор данных Подготовка протокола стимул, которое эффективно вызывают надежного retinotopic визуальный ответ, как описано выше в Дюмулена и Уонделл 1 и Ли и др. 2. Тем не менее, другие хорошо установленные парадигмы, также применимы в зависимости от конкретных эксперим?…

Representative Results

Точная моделирование PRF требуется правильно захватывать PRF формы. Не зная топографию ПРФ выбор круговой симметрией модели, используемые в предыдущих исследованиях 1,9-11 является разумным выбором. Это потому, что, если локальный retinotopic организации однородно во всех направлениях по?…

Discussion

Эта статья показывает, как оценить топографию визуальных населения рецептивных полей в человеческом зрительной коры и как использовать его для выбора соответствующего параметрического модель для рецептивного поля. Для успешного retinotopy, соответствующий протокол стимуляции и метод эф…

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

  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

Citer Cet 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