Estimativa topográfico da População Campos Visuais Receptivos por fMRI

A ressonância magnética funcional (fMRI) mede de forma não invasiva a organização funcional do córtex visual em escala macroscópica (tipicamente na ordem de milímetros). Os primeiros estudos retinotopy fMRI usado uma medida de coerência entre a localização do estímulo e obteve respostas BOLD ^4-7. Estes estudos normalmente não estimou população tamanho do campo receptivo. Mais tarde, Dumoulin e Wandell ¹ propôs um método para superar essa limitação modelando explicitamente a localização eo tamanho PRF, usando uma função linear deste modelo para prever a resposta BOLD. No entanto, uma limitação deste método pioneiro é que o modelo paramétrico PRF tem que ser escolhido a priori, e pode levar à errônea PRF estima se ele sair para não ser apropriado.

Para superar as limitações do método paramétrico PRF-modelo, novos métodos foram desenvolvidos recentemente. Estes métodos prever diretamente a resposta BOLD aos stimulus reconstruindo a topografia PRF. Um método ⁸ proposto por Greene e colegas reconstrói a topografia PRF por back-projetando as respostas corajosas para os espaços de estímulo 1D individuais e construir a topografia PRF no espaço estímulo 2D como uma técnica típica de tomografia computadorizada. Por outro lado, o método proposto por nós ² estima directamente a topografia 2D PRF por meio de regressão linear e aplicando uma técnica de regularização. Neste método, a topografia PRF é representada como um conjunto de pesos, que é multiplicado pelo estímulo para estimar a resposta da população neuronal de um dado voxel. Então, a resposta final oxigênio do sangue Nível Dependente (BOLD) evocado pelo estímulo é estimada pela convolving a resposta da população neuronal e na função de resposta hemodinâmica canônica. A fim de resolver o sistema linear constrangido-under, adicionalmente, a regularização da regressão de cumeeira é usado para impor esparsidade (ver Figura 1abaixo). A técnica de regularização suprime o ruído e artefatos e, assim, permite que o nosso método para estimar a topografia PRF mais enérgica.

Os métodos topográficos não force a forma PRF que ter uma certa forma paramétrica, e, portanto, pode descobrir a estrutura real PRF. Um modelo paramétrico adequado podem, então, ser escolhido com base na topografia PRF. Por exemplo, a topografia PRF pode ser usado para separar o centro da PRF e ambiente, e, em seguida, o subsequente modelagem centro PRF pode ser mais preciso, minimizando a influência de supressão envolvente, bem como a influência de outros artefactos resultantes potenciais em áreas distantes da centro PRF. Efetuamos recentemente uma comparação quantitativa entre o nosso método e vários outros métodos que, direta (ou seja, antes de estimar a topografia) fit isotrópico Gaussian ^1, anisotrópica Gaussian, e diferença de isotrópico Gaussians à PRF ^9. Verificou-se que o topogrmétodo baseado em aphy superou esses métodos no que diz respeito à modelagem centro PRF por alcançar maior variância explicada da série histórica do sinal BOLD.

A avaliação correta de propriedades PRF em diversas áreas revela como eles cobrem o campo visual e é importante para investigar a organização funcional do córtex visual particularmente no que se refere à percepção visual. Propriedades como como as mudanças de tamanho PRF com excentricidade ^1,10 e PRF organização envolvente centro ⁹ são bem estudados na literatura humana. O método proposto para estimar os resultados de topografia PRF em modelagem parâmetro PRF mais precisa e é mais provável que revelam regularidades desconhecidos, que não são facilmente modelados a-priori nos modelos paramétricos diretos. Esta abordagem será especialmente adequado para estudar organização PRF em pacientes com lesões via visual, para quem a estrutura PRF não é necessariamente previsível a-priori. Abaixo é descrito como estimar the PRF topografia e como usar a topografia para modelar centro da PRF.