Topografische Schatting van Visual Bevolking receptieve velden van fMRI

Functionele magnetische resonantie imaging (fMRI) meet niet-invasieve manier de functionele organisatie van de visuele cortex op macroscopische schaal (typisch in de orde van millimeters). Vroege fMRI Retinotopie studies gebruikten een samenhang maatregel tussen stimulus locatie en ontlokte BOLD reacties ^4-7. Deze studies meestal geen schatting van de bevolking receptieve veld grootte. Later, Dumoulin en Wandell ¹ een werkwijze voorgesteld om een dergelijke ondervangen door expliciet modelleren pRF locatie en grootte, met een lineaire functie van dit model voor de BOLD respons te voorspellen. Echter, een beperking van deze baanbrekende methode is dat de parametrische pRF model heeft a-priori te worden gekozen, en kan leiden tot foutieve pRF schat als blijkt niet juist te zijn.

De beperkingen van de parametrische pRF-model methode te overwinnen, zijn er nieuwe methoden zijn recent ontwikkeld. Deze methoden de BOLD reactie op de s direct te voorspellentimulus door het reconstrueren van het pRF topografie. Een methode ⁸ door Greene en collega's voorgesteld reconstrueert de pRF topografie door back-het projecteren van de BOLD reacties op de individuele 1D stimulans ruimtes en de bouw van de pRF topografie in de 2D-stimulus ruimte als een typische computer tomografie techniek. Aan de andere kant, het door ons voorgestelde methode ² direct schat de 2D pRF topografie met lineaire regressie en toepassen van een regularisatie techniek. In deze werkwijze wordt de pRF topografie voorgesteld als een stel gewichten die wordt vermenigvuldigd met de stimulus van het neuronale populatie reactie van een bepaalde voxel schatten. Vervolgens wordt de definitieve Blood Oxygen Level-Dependent (BOLD) respons opgeroepen door de stimulus geschat door convolving de neuronale respons bevolking en de canonieke hemodynamische respons functie. Om de hieronder beperkte lineair systeem lossen daarnaast golfregressie regularisatie wordt gebruikt schaarsheid dwingen (zie figuur 1hieronder). De regularisatie techniek onderdrukt ruis en artefacten en dus laat onze methode om meer robuuste schatting van de pRF topografie.

De topografische methoden niet dwingen de pRF vorm aan een bepaalde parametrische vorm hebben, en daarom kunnen de werkelijke pRF structuur bloot te leggen. Een geschikte parametrisch model kan dan worden gekozen op basis van de pRF topografie. Bijvoorbeeld kan de pRF topografie worden gebruikt om het centrum pRF en surround scheiden en het daaropvolgende pRF centrum modellering kan nauwkeuriger worden door het minimaliseren van de invloed van surround suppressie en de invloed van andere potentiële artefacten afkomstig uit gebieden ver de pRF centrum. We hebben onlangs een kwantitatieve vergelijking tussen onze methode en een aantal andere methoden die direct (dwz vóór het schatten van de topografie) fit isotrope Gauss ^1, anisotrope Gauss, en verschil van isotrope Gaussians aan de pRF ^9. Gevonden werd dat de Topogr-aphy gebaseerde methode beter dan deze methoden met betrekking tot pRF centrum modelleren door het bereiken van een hogere verklaarde variantie van het BOLD signaal tijdreeksen.

Nauwkeurige schatting van pRF eigenschappen in verschillende gebieden zien hoe ze bestrijken het gezichtsveld en is belangrijk voor het onderzoek naar de functionele organisatie van de visuele cortex bijzonder als het gaat om visuele waarneming. Eigenschappen zoals hoe pRF grootte verandert met excentriciteit ^1,10 en pRF centrum surround organisatie ⁹ goed worden bestudeerd in het menselijk literatuur. De voorgestelde werkwijze voor het schatten van de pRF topografie resultaten accuratere pRF parameter modellering en eerder onbekende regelmatigheden openbaren, niet gemakkelijk gemodelleerd a-priori in de directe parametrische modellen. Deze benadering zal bijzonder geschikt zijn voor het bestuderen pRF organisatie bij patiënten met gezichtsbaan lesies, waarvoor pRF structuur niet noodzakelijk a-priori voorspelbaar. Hieronder wordt beschreven hoe u e schattene pRF topografie en hoe de topografie te gebruiken om het model het centrum pRF.