Stima topografica Visual Popolazione ricettivo campi da fMRI

La risonanza magnetica funzionale (fMRI) misura non invasivo l'organizzazione funzionale della corteccia visiva in scala macroscopica (tipicamente dell'ordine di millimetri). I primi studi retinotopy fMRI utilizzato una misura della coerenza tra la posizione stimolo e hanno suscitato risposte BOLD ^4-7. Questi studi in genere non hanno stima della popolazione dimensioni del campo recettivo. Successivamente, Dumoulin e Wandell ¹ proposto un metodo per superare tale limitazione modellando esplicitamente la posizione e le dimensioni PRF, tramite una funzione lineare di questo modello per predire la risposta BOLD. Tuttavia, una limitazione di questo metodo pionieristico è che il modello parametrico prf deve essere scelta a priori, e può portare a errate PRF stime se si scopre di non essere appropriato.

Per superare i limiti del metodo parametrico PRF-modello, nuovi metodi sono stati sviluppati di recente. Questi metodi prevedono direttamente la risposta BOLD ai stimulus ricostruendo topografia prf. Metodo ⁸ proposta da Greene e colleghi ricostruisce la topografia prf da back-proiettando le risposte BOLD ai singoli spazi stimolo 1D e costruire la topografia prf nello spazio di stimolo 2D come una tipica tecnica di tomografia computerizzata. D'altra parte, il metodo ² da noi proposto stima diretta topografia 2D PRF mediante regressione lineare e applicando una tecnica di regolarizzazione. In questo metodo, la topografia PRF è rappresentato come un insieme di pesi che viene moltiplicato per lo stimolo per stimare la risposta neuronale popolazione di un dato voxel. Poi, l'ossigeno Sangue Level-Dependent (BOLD) risposta finale evocata dallo stimolo è stimato convolvendo la risposta della popolazione neuronale e la funzione di risposta emodinamica canonica. Per risolvere il sistema lineare sotto-vincolato, inoltre, regolarizzazione cresta regressione viene utilizzato per applicare sparseness (vedi Figura 1sotto). La tecnica di regolarizzazione elimina il rumore e gli artefatti e permette quindi il nostro metodo per stimare la topografia prf più robusta.

I metodi topografici non forzare la forma prf di avere una certa forma parametrica, e quindi può scoprire la struttura attuale prf. Un modello parametrico appropriato può quindi essere scelto sulla base della topografia PRF. Ad esempio, la topografia PRF può essere utilizzata per separare il centro PRF e surround, e poi la successiva centro modellazione PRF può essere più accurata minimizzando l'influenza di soppressione bordi nonché l'influenza di altri potenziali artefatti derivanti in zone distanti al Centro prf. Recentemente abbiamo effettuato un confronto quantitativo tra il nostro metodo e molti altri metodi che direttamente (cioè prima stima la topografia) fit isotropa gaussiana ^1, anisotropico gaussiana, e la differenza di isotropo gaussiane al prf ^9. Si è constatato che la topogrmetodo basato aphy-superato questi metodi rispetto al centro PRF modellazione da raggiungere una maggiore varianza spiegata della serie storica del segnale BOLD.

Stima accurata delle proprietà PRF in diversi settori rivela come coprono il campo visivo ed è importante per indagare l'organizzazione funzionale della corteccia visiva in particolare per quanto riguarda la percezione visiva. Proprietà quali come i cambiamenti di dimensione PRF con eccentricità ^1,10 e PRF organizzazione centrale surround ⁹ sono ben studiati in letteratura umana. Il metodo proposto per valutare i risultati topografia PRF in più accurata parametro PRF modellazione ed è più probabile per rivelare regolarità sconosciuti, non facilmente modellato a priori nei modelli parametrici diretti. Questo approccio sarà particolarmente adatto per lo studio dell'organizzazione PRF in pazienti con lesioni percorso visivo, per i quali la struttura PRF non è necessariamente prevedibile a priori. Qui di seguito è descritto come stimare the prf topografia e come utilizzare la topografia per modellare il centro prf.