Topographische Schätzung von Visual Bevölkerung rezeptiven Felder von fMRI

Die funktionelle Magnetresonanztomographie (fMRT) misst nicht-invasiv die funktionelle Organisation des visuellen Kortex auf makroskopischer Ebene (in der Regel in der Größenordnung von Millimetern). Frühe fMRI Retinotopie Studien eine Kohärenzmaßes zwischen Reiz Lage und löste BOLD Antworten ^4-7. Diese Studien in der Regel nicht zu schätzen Bevölkerung rezeptiven Feld Größe. Später, Dumoulin und Wandell ¹ ein Verfahren vorgeschlagen, eine solche Beschränkung durch die explizite Modellierung der pRF Lage und Größe, mit einer linearen Funktion des Modells, das BOLD Antwort vorhersagen zu überwinden. Allerdings ist eine Beschränkung dieser bahnbrechenden Verfahren, dass die parametrische pRF Modell muss a priori gewählt werden und kann zu fehlerhaften pRF schätzt, wenn sich herausstellt, nicht angemessen.

Um Einschränkungen des parametrischen pRF-Modell-Methode zu überwinden, wurden neue Methoden vor kurzem entwickelt worden. Diese Methoden direkt sagen die BOLD Antwort auf die stimulus durch die Rekonstruktion der PRF-Topographie. Ein von Greene und Kollegen vorgeschlagene Methode ⁸ rekonstruiert die pRF Topographie durch Rückprojektion der BOLD-Antworten auf die einzelnen 1D Reiz Flächen und den Bau der pRF Topographie in der 2D-Stimulus Raum wie ein typischer Computer-Tomographie-Technik. Andererseits ist die von uns vorgeschlagene Verfahren ² direkt schätzt den 2D pRF Topographie unter Verwendung linearer Regression und Anlegen einer Regularisierung Technik. In diesem Verfahren wird die PRF Topographie als ein Satz von Gewichten, die durch den Stimulus, multipliziert wird, um den neuronalen Population Antwort eines gegebenen Voxels Abschätzung dargestellt. Dann wird der endgültige Sauerstoffgehalt des Blutes-Dependent (fett) Reaktion des Stimulus hervorgerufen durch Faltung des neuronalen Population Antwort und die kanonische hämodynamischen Antwortfunktion geschätzt. Um die unter beschränkte Linearsystem zu lösen, zusätzlich Firstregressions Regularisierung wird zur Kargheit durchzusetzen (siehe Abbildung 1unten). Die Regularisierung Technik unterdrückt Rauschen und Artefakte und ermöglicht unsere Methode, um die Topographie pRF robuster zu schätzen.

Die topographischen Methoden nicht pRF Form zu zwingen, eine bestimmte parametrische Form haben, und kann daher die tatsächliche pRF Struktur aufzudecken. Eine geeignete parametrische Modell kann dann auf der Basis der Topographie pRF gewählt werden. Beispielsweise kann die pRF Topographie verwendet, um die pRF Center- und Surround trennen, und dann können die anschließende pRF Zentrum Modellierung genauer zu sein, mit minimalem Einfluss von Surround-Unterdrückung sowie den Einfluss von anderen potenziellen Artefakte, die sich in Bereichen entfernt, um die werden pRF Zentrum. Wir haben vor kurzem durchgeführt, einen quantitativen Vergleich zwischen unseren Verfahren und verschiedene andere Verfahren, die direkt (dh vor der Schätzung der Topographie) fit isotropen Gaußschen ^1, anisotrope Gaußsche und Differenz von isotropen Gauß an die pRF ^9. Es wurde, dass der topogr gefundenO S-basierte Methode besser als diese Methoden im Hinblick auf pRF Zentrum Modellierung durch das Erreichen höherer erklärte Varianz des BOLD-Signal Zeitreihen.

Genaue Schätzung pRF Eigenschaften in verschiedenen Bereichen zeigt, wie sie das Sichtfeld abdecken, und ist wichtig für die Untersuchung der funktionellen Organisation des visuellen Kortex insbesondere in Bezug auf die visuelle Wahrnehmung. Eigenschaften wie, wie pRF Größenänderungen mit Exzentrizität ^1,10 und pRF Surround-Center-Organisation ⁹ sind in der menschlichen Literatur studierte. Das vorgeschlagene Verfahren zum Schätzen der pRF Topographie führt zu genaueren pRF Parameter Modellierung und eher unbekannten Gesetzmäßigkeiten offenbaren, nicht leicht in den Direkt parametrischer Modelle modelliert a-priori. Dieser Ansatz wird besonders für das Studium pRF Organisation bei Patienten mit Sehbahnläsionen, für die pRF Struktur ist nicht unbedingt vorhersehbar a priori sein. Im Folgenden wird beschrieben, wie man schätzen, the pRF Topographie und wie man die Topographie verwenden, um die pRF Zentrum zu modellieren.