Name: fMRIのことで視覚人口受容野の地形の推定 (動画) | JoVE Journal
Uploaded: 2015-02-03T14:00:00.000+00:00
Duration: 6 min 2 s
Description: 学ぶ、fMRIを用いて視覚人口受容野の地形を推定する計算的手法。軽い正則化制約により事前の形状仮定なしで正確なpRF推定が可能となり、視覚経路損傷を持つ対象者への応用にも有用である。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

VISTAソフトウェアグループ（スタンフォードのBrian Wandellとその関係者）に感謝します。
S. S. は McNair 2280403105、NEI R01-EY109272、NEI R01-EY024019 の支援を受け、HHMI Early Carrer Award として A. P. と G. K. は Max-Planck Society の支援を受け、G. K. は欧州委員会の第 7 回フレームワークプログラムの PLASTICISE プロジェクトの支援を受けました。ヒース-F2-2009-223524。

1.データ集録<ol><li>以前にデュムランとWandell 1及びLee らに記載されているように信頼性のある網膜の視覚的応答を誘発するのに有効で刺激プロトコルを準備します。2。しかし、他の十分に確立されたパラダイムが取り組むべき具体的な実験の質問に応じても適用可能である。 </li><li>現在のバー刺激は45度刻みで、スペースの8方向に沿って画面を順次横切っ漂流。バーは一回のfMRIフレームが開始ステップを移動し、フレームが終了するまで、新しい場所にとどまるように動きがスキャナフレーム取得（TR〜2秒）と同期していることを確認します。 </li><li>正しいベースライン信号を測定するには、バー刺激1ずにエポックを追加します。 <ol><li>刺激が提示され、その上視角で視野（10°〜15までの半径）を定義します。現在の移動やちらつきチェッカーボードパターン（チェッカーサイズ= 0.94 X 0.94度2、パットバー内のRN更新レート= 250ミリ秒/パターン）が強い視覚的な応答を誘発する。 </li><li>入力以下の特定のパラメータ：モーションの8等間隔の方向、1.875度に等しいバー幅、バーがフレームあたり半分のバー幅（2秒）で移動する。さらなる詳細は、Lee らに見出すことができる。2。 </li><li>被写体の目が実験中に凝視する画面中央のスポット（〜0.25°）を生成します。時間内にランダムにスポットの色を変更します。 </li></ol></li><li> 192フレーム時間（運動の各方向に24フレーム）を持つ典型的なエコープラナーイメージング（EPI）スキャンを使用してMRIスキャナにおける被験者の脳をスキャンします。信号対雑音比を増加させるためにスキャンを4-8回繰り返す。 </li><li> EPIシーケンスのためのパラメータを設定し、次のように：TR = 2秒、TE = 40ミリ秒、マトリクスサイズ= 64×64、28スライス、ボクセルサイズ= 3×3×3ミリメートル3、フリップ角を= 90°、または、シーケンスを適用する細かい解像度（Eと。G。、2×2×2ミリメートル3）または唯一の視覚野2を覆う短いTR（ 例えば 、1〜1.5秒）。 </li><li>固定を確実にする機能的なスキャン中アイトラッカーシステムとトラック目の動きは、固定点の1〜1.5°の範囲内に維持されている。 注記：ここでは、ゴーグルシステムにおける頭部座標ベースのアイトラッカーが使用されるが、他の適切なアイトラッカーシステムが代わりに使用することができる。 </li><li>ステップ1.3.2で生成された画面中央にスポットを固定するために被験者に指示します。被験者が固着されていることを確認するには、固定スポットの色の変化を報告するように指示する。 </li><li> 1×1×1ミリメートル3解像度（; TRは= 1900ミリ秒、TE = 2.26ミリ秒、TI = 900ミリ秒、= 9°フリップ角、176パーティション例えば 、T1-MPRAGE）で、解剖学的スキャンを取得します。 注：これらの解剖学的スキャンはセグメント化のためだけでなく、スキャン内および間の両方の解剖学的構造に機能画像を整列させるために使用されます。機能との間のより良い位置合わせのためにら（EPI）の画像と解剖学は、T1強調高速のスポイルグラジエントエコー（SPGR）シーケンス1を使用して、EPIと同一の解像度で、また面内解剖スキャンを得る。 </li></ol> 2.データの前処理注：以前のPRF特性を推定するため、いくつかの典型的なfMRIデータ前処理ステップが必要とされる、そのような頭部の動き補正および解剖学的スキャンに対する機能ボリュームのアラインメントである。この記事では、得られた結果の全ての前処理、推定、分析、およびプレゼンテーションがVistaソフトウェアサイトで入手可能なオープンソースのMATLABベースのソフトウェアツールボックスVISTAラボを使用して実行されます。 http://white.stanford.edu/newlm/index.php/Main_Page。 <ol><li> MATLABに解剖スキャンをロードし、createVolAnatという関数を使用してボリューム解剖を準備します。 </li><li>機能」ItkGray」を使用してセグメントグレー状物質、白質、およびCSF。 </li><li> DICOMに変換することによって機能的なデータを準備します（ つまり、 すなわち 、標準機能的MRIファイル形式）ファイル、およびロードデータにM&gt;、シーメンスの生のMRIファイル形式）ファイル。 </li><li>正しい頭の動きとアフィン行列変換に基づくrxAlignを使用してステップ2.1でロード解剖学的構造に機能的な画像を整列。 </li><li> mrVISTA分析TimeSeriesは平均tSeriesをクリックすることにより、信号対雑音比を改善するための平均官能動き補正されたスキャン。眼球運動は1〜1.5°以上の固定から逸脱している間の平均化スキャンから除外する。異なる実行からの信号は、DC-ドリフトを除去した後、別のDC-ドリフト、平均機能スキャンを持っている場合。 </li><li>マッピングは、機能スキャンやグレー状物質との間で座標計算し、以下のメニューを選択することで、機能的なスキャンで対応する灰白質ボクセルを識別する：mrVISTAウィンドウオープングレー3-ビューウィンドウを。オプションのいずれかを選択する、補間による灰白質ボクセルでBOLD信号を割り当てるmrVISTAでvailable。 </li></ol> PRF地形とパラメトリックモデリングの3の推定<ol><li>コー​​ドファイルは、以下のリンクからダウンロードします。https://sites.google.com/site/leesangkyun/prf/codes.zip、圧縮ファイルを解凍し、ローカルコンピュータの好ましい位置に配置します。 MATLABでフォルダのパスを追加します。 </li><li> mrVISTA分析網膜モデルセットパラメータ：以下のメニューを選択することで、実験に用いた刺激パラメータを設定します。刺激画像、刺激サイズ、標準的な血行動態機能、fMRIをスキャナのフレームレートのような次のパラメータを指定します。 </li><li> PRF推定に先立ち、初期パラメータセット（ 図1B）を準備します。 <ol><li>コー​​ドファイルから「tprf_set_params.m」の相互検証セットを設定します。ディバイド少なくとも2つのサブセットに時系列（テスト用1セットと訓練のための残りのセット）バーがSWEEするのは十分な長さであるP全体の刺激スペース。あるいは、ステップ2.4​​でスキャンを平均化することなく、テストのために1スキャンを除外し、訓練のための残りのスキャンを使用してスキャンを検証する。 </li><li>粗いパラメータセットを設定します（ 図1のλ、λ= [10 -2 10 -1 1 10 1 10 2]） "tprf_set_params.m」で。その後、「tprf_set_params.m」で（[0.1 0.3 0.5 0.7 0.9 1 3 5 7 9]）細かいスケール範囲を設定します。 注：プログラムは最高説明される分散になりλを選択するために粗いセットを使用します。その後、プログラムはさらに最高説明された分散が得λの選択を精緻化、微細なスケール範囲を使用して、選択したλの周りの空間を検索します。 </li><li> 「tprf_set_params.m」で視覚的に反応するボクセルのために説明される分散の閾値（0.2）を設定します。 注：この閾値は、視覚的に応答するボクセルを選択するための基準として使用される。また、作るしきい値を自動的に計算することができる（非視覚的応答性脳領域における1cmの半径の球を描くことによって、例えば 、）は、非視覚的応答領域のためのROI。 </li><li> 「tprf_set_params.m」に正規化された地形でのPRF中央領域を定義するための閾値（[0.3、0.5、0.7]）のセットを設定します（ つまり 、[0から1]または[-1〜1]バー刺激なしエポックとステップ1.3.1で）。 注：しきい値のセットから提供されたプログラムは、PRFセンタモデルが最大の信号分散を説明しているPRF中心領域を定義した閾値、 すなわち 「最良」のしきい値を選択します。代替的に、地形の特徴に応じてしきい値の異なるセットを選択する。 </li></ol></li><li> 「tprf_runpRFest.m「PRFトポグラフィを計算する（ 図1）を実行し、2D異方性ガウシアンにフィット。このプロトコルに記載されているすべてのパラメータを指定した後、およびコー​​ドを実行、最終推定結果を得る。 </li></ol><img alt="図1" src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700"> 図1：PRF推定プロセス。 （A）工程の模式図は、PRF形状推定に続いて時間 （t）を ：血行動態応答関数、A（t）は ：刺激、 メートル ：PRF、レッグ：L2ノルム正則（B）PRF形状推定のための具体的な手順。とPRFセンターのモデリング。推定に必要なパラメータのセットが各ステップに記載されています。一次元地形のセクションとそのモデルが示されている。 「モデルフィッティング」の下で、黒と赤の曲線は、それぞれ、0.5の中央しきい値と地形とのPRFセンタモデルを表す。青い点線は、PRFのしきい値を示し、中心領域。

<ol><li>Dumoulin, S. O., Wandell, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population+receptive+field+estimates+in+human+visual+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Population receptive field estimates in human visual cortex.</a> Neuroimage. 39, 647-660 (2008).</li>
<li>Lee, S., Papanikolaou, A., Logothetis, N. K., Smirnakis, S. M., Keliris, G. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+method+for+estimating+population+receptive+field+topography+in+visual+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">A new method for estimating population receptive field topography in visual cortex.</a> Neuroimage. 81, 144-157 (2013).</li>
<li>Hastie, T., Tibshirani, R., Friedman, J. H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHastie%2C+T+%22The+elements+of+statistical+learning+%3A+data+mining%2C+inference%2C+and+prediction%22">The elements of statistical learning : data mining, inference, and prediction</a>. , 2nd edn, Springer. (2009).</li>
<li>Sereno, M. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Borders+of+multiple+visual+areas+in+humans+revealed+by+functional+magnetic+resonance+imaging%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging.</a> Science. 268, 889-893 (1995).</li>
<li>Engel, S. A., Glover, G. H., Wandell, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Retinotopic+organization+in+human+visual+cortex+and+the+spatial+precision+of+functional+MRI%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Retinotopic organization in human visual cortex and the spatial precision of functional MRI.</a> Cereb Cortex. 7, 181-192 (1997).</li>
<li>Engel, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((fMRI+of+human+visual+cortex%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">fMRI of human visual cortex.</a> Nature. 369, 525(1994).</li>
<li>DeYoe, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+striate+and+extrastriate+visual+areas+in+human+cerebral+cortex%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">Mapping striate and extrastriate visual areas in human cerebral cortex.</a> Proc Natl Acad Sci U S A. 93, 2382-2386 (1996).</li>
<li>Greene, C. A., Dumoulin, S. O., Harvey, B. M., Ress, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measurement+of+population+receptive+fields+in+human+early+visual+cortex+using+back-projection+tomography%5BTitle%5D)+AND+%22J+Vis%22%5BJournal%5D)">Measurement of population receptive fields in human early visual cortex using back-projection tomography.</a> J Vis. , (2014).</li>
<li>Zuiderbaan, W., Harvey, B. M., Dumoulin, S. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+center-surround+configurations+in+population+receptive+fields+using+fMRI%5BTitle%5D)+AND+%22J+Vis%22%5BJournal%5D)">Modeling center-surround configurations in population receptive fields using fMRI.</a> J Vis. , (2012).</li>
<li>Harvey, B. M., Dumoulin, S. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+relationship+between+cortical+magnification+factor+and+population+receptive+field+size+in+human+visual+cortex%3A+constancies+in+cortical+architecture%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">The relationship between cortical magnification factor and population receptive field size in human visual cortex: constancies in cortical architecture.</a> J Neurosci. 31, 13604-13612 (2011).</li>
<li>Haak, K. V., Cornelissen, F. W., Morland, A. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population+receptive+field+dynamics+in+human+visual+cortex%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Population receptive field dynamics in human visual cortex.</a> PLoS One. 7, e37686(2012).</li>
</ol>

著者らは、競合する金銭的利益はないと宣言している。

この記事では、人間の視覚野とどのように受容野のための適切なパラメトリックモデルを選択するためにそれを利用するには視覚的な人口受容野の地形を推定する方法を示します。成功レチノトピーために、適切な刺激プロトコルで効率的な分析方法を選択する必要があり、被験者の実験パラメータ（運動および固定）が最適化されるべきである。それが明確な刺激の場所とは異なるBOLD応答を生成ように視野全体に順次移動するバー刺激はPRF推定のための効率的な刺激パラダイムである。提供される方法は、PRFの地形を構築。 PRF推定の問題は過小決定一般的であるため、リッジ回帰3と呼ばれる数学的ツールは、PRF重量ソリューションのスパースの合理的な制約を強制するために使用されます。この正則化技法はPRFモデルを推定するのに非常に効果的である場合に観測数（時点BOLD信号の単数または複数）の刺激の空間次元をカバーするピクセルの数よりもかなり小さい。 この方法は、以前の方法よりもPRFセンターのよりロバスト推定を提供しています。これにはいくつかの理由があります：1）は、最初のセグメントのPRF地形からPR...

機能的磁気共鳴画像法（fMRI）対策巨視的スケールで視覚皮質の非侵襲的に機能的な組織（典型的にはミリメートルのオーダー）。早期のfMRIレチノトピー研究は、刺激位置間のコヒーレンス測定値を使用し、BOLD応答4-7を誘発した。これらの研究は、一般的に人口受容野の大きさを推定しませんでした。以降、デュムランとWandell 1 BOLD応答を予測するために、このモデルの線形関数を使用して、明示的にPRFの位置とサイズをモデル化することによってこのような制限を克服するための方法を提案した。しかし、この先駆的な方法の一つの限界は、パラメトリックPRFモデルが事前に選択されなければならない、及び誤ったPRFにつながる可能性が適切でないと判明した場合を推定することである。 パラメトリックPRF-モデル法の限界を克服するために、新しい方法が開発されている。これらのメソッドは直接sにBOLD応答を予測PRFトポグラフィを再構成することによってtimulus。グリーンらによって提案された方法8は、バック突出した個々の1D刺激空間へBOLD応答を、一般的なコンピュータ断層撮影技術のように2D刺激空間でPRFトポグラフィを構築することにより、PRFトポグラフィを再構築する。一方、我々が提案した方法2を直接線形回帰を使用して正則化技法を適用することによって、2D PRF形状を推定する。この方法では、PRFのトポグラフィは、所与のボクセルのニューロン集団の応答を推定するために刺激を乗じて重みのセットとして表される。その後、刺激により誘発される最終的な血液酸素レベル依存（BOLD）応答は、ニューロン集団の応答と標準的な血行動態応答関数を畳み込むことによって推定される。アンダー制約線形システムを解決するために、追加的に、リッジ回帰の正則化は、スパースを実施するために使用されている（ 図1参照下）。正則化技術は、ノイズやアーチファクトを抑制し、したがって、私たちの方法は、より堅牢にPRFの地形を推定することができます。 地形的な方法は、実際のP​​RF構造を明らかにすることができ、したがって、特定のパラメトリック形状を有するようにPRF形状を強制していない。適切なパラメトリックモデルは、PRFトポグラフィに基づいて選択することができる。例えば、PRFのトポグラフィは、PRFセンターとサラウンドを分離するために使用することができ、その後のPRF中心モデリングサラウンド抑制の影響ならびにに対して遠隔地に生じる他の潜在的なアーチファクトの影響を最小化することにより、より正確であることができるPRFセンター。我々は最近、PRF 9に定量的な手法と直接いくつかの他の方法との比較（ すなわち地形を推定する前に）ガウス1、等方性のフィット異方性ガウシアン、及び等方性のガウス分布の違いを行った。これはtopogrことが見出されたaphyベースの方法は、BOLD信号の時系列の変動を説明し、より高い達成することによりPRF中心モデリングに関して、これらの方法を上回る。 様々な分野でのPRF特性の正確な推定は、彼らが視野をカバーする方法明らかにし、それが視覚に関連し、特にとして視覚野の機能的な組織を調査するために重要である。そのような偏心1,10およびPRFセンターサラウンド団体9 PRFサイズの変更はよく人間の文献で ​​検討されている方法などのプロパティ。 PRFトポグラフィより正確なPRFパラメータモデリングの結果、未知の規則性を明らかにする可能性が高いと推定するための提案された方法は、容易に直接パラメトリックモデルで事前にモデル化されていない。このアプローチは、誰のためにPRF構造は必ずしも予測可能な事前ないが、視覚路病変を有する患者では、PRFの組織を研究するために特に適しているであろう。以下は、目を推定する方法を記述されているE PRF地形とどのPRFセンターをモデル化するために地形を使用する方法。

<table><tbody><tr><td>MRIスキャナー</td><td>Siemens/Philips/GE</td><td></td><td></td></tr><tr><td>MATLAB</td><td>The Mathworks, Inc.</td><td></td><td>http://www.mathworks.com&nbsp; (英語)</td></tr><tr><td>VISTAソフトウェア</td><td>VISTAソフトウェア群</td><td></td><td>http://white.stanford.edu/newlm/index.php/Software</td></tr><tr><td>PsychoToolbox</td><td>PsychoToolbox&nbsp;</td><td></td><td>http://psychtoolbox.org&nbsp; (英語)</td></tr><tr><td>アイトラッカー(VisuaStimDigital)</td><td>Resonance Technology Inc</td><td></td><td>http://mrivideo.com/</td></tr></tbody></table>

fmriのことで視覚人口受容野の地形の推定

Topographical Estimation of Visual Population Receptive Fields by fMRI

細胞の隣接集団が視野の近隣の部分にマップされるように視覚野はretinotopically構成されています。機能的磁気共鳴画像は、私たちは、ボクセルベースの人口受容野（PRF）、 すなわち 、各ボクセル内の細胞を活性化し、視野の一部を推定することができます。 1）PRFモデルが事前に選択され、完全に実際のPRF形状をキャプチャしないこと、および2）PRFセンターが刺激スペースの国境近くの誤局在する傾向がある：前に、直接、PRF推定方法1は、一定の制限を受ける。ここで新たな地形PRF推定方法2は、主に、これらの制限を回避することが提案されている。線形モデルは、標準的な血行動態応答関数と視覚刺激に対するPRFの線形応答を畳み込むことにより血液酸素レベル依存（BOLD）信号を予測するために使用される。 PRF地形は、成分がSTRを表す重みベクトルとして表現さ​​れる別の視野の場所で発表刺激に対するボクセルニューロンの集合体応答のength。得られた一次方程式は、PRFトポグラフィを得、リッジ回帰3を使用してPRFウェイトベクトルについて解くことができる。推定トポグラフィーに一致するPRFモデルは、それによってそのような等 PRF-中心位置、PRFの向き、サイズ、PRFパラメータの推定値を改善する、事後選択することができる。 PRF地形が利用可能持つこともPRF構造に関する先験的仮定を加えることなく、様々なPRFの特性の抽出を可能にするのPRFパラメータ推定値を視覚的に確認することができます。このアプローチは、視覚系の障害を有する患者のPRF組織を調査するために特に有用であることを約束。

正確なPRFモデリングは正しくPRF形状をキャプチャする必要があります。 PRFの地形を知らなくても、1,9-11先行研究で使用円対称モデルの選択が合理的な選択である。局所網膜組織は視野のすべての方向に均一である場合には、地元住民の応答が神経応答の円対称の累積的な集合体として表すことができるからである。しかし、我々の観察は、これは必ずしもそうでは（ 図2）ではないことを示している。したがって、PRF地形の観察は、PRFのモデルに適したパラメータの機能を選択するために重要であることができる。これはPRF地形の利点である、など地形ベースのモデルは、より典型的に生じたPRFセンターモデリングにおけるダイレクトフィット等方性のガウスモデルは、 図2（分散を説明上回る; Lee らを参照してください他に追加の比較のため2モデル）。これらの例は、前のモデルをフィッティングするPRF形状を推定することの利点を実証する。 <p class="jove_content" fo:keep-togethe...

機能的磁気共鳴画像法によって、視覚集団受容野(pRF)の偏りのない推定値を得ることが重要です。軽度な正則化制約を使用して、pRF 形状に関する先験的な仮定なしに pRF トポグラフィーを推定し、特定の pRF モデルを事後的に選択できるようにします。これは、視覚経路病変を有する被験者に特に有利です。

fMRIのことで視覚人口受容野の地形の推定

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

この手順の全体的な目標は、正確な視覚集団受容野を推定することです。これは、まず、視覚空間に局在する効果的かつ効率的な視覚刺激を準備して、明確で堅牢な応答を引き出すことによって達成されます。2番目のステップは、高い視覚的注意力と最小限の目と頭の動きで機能的な脳活動を画像化することです。最後のステップは、集録したデータを前処理することです。最終的に、視覚刺激に対するFMRI信号応答をモデル化するために提案された方法を適用すると、視覚集団、受容野、およびそのモデルのトポグラフィーが得られます。この方法の主な利点は、直接フィッティング法のような既存の方法よりも、信頼性の高い網膜トピックを誘発するのに効果的な刺激プロトコルを準備するために、一般的に選択された任意の事前のPRFモデルを必要とする私たちの方法であるということです。視覚応答は、まず、画面上を45度ステップで8方向に沿って順次ドリフトするバー刺激を提示し、動きがスキャナーフレームの取得と同期していることを確認して、バーがステップを移動するようにします。FMRIフレームが開始されると、フレームが終了するまで新しい位置に留まります。刺激が提示される視角で視野を定義するには、バー内で動くまたはちらつく市松模様のパターンを提示して、強い視覚反応を引き出します。次に、8つの等間隔の運動方向があり、バーがフレームごとにバーの半分ずつ移動するように、特定のパラメーターを入力します。次に、各運動方向に24フレームの持続時間を持つ192フレームの典型的なエコープレーナーイメージングスキャンを使用して、MRIスキャナーで被験者の脳をスキャンします。スキャンを4〜8回繰り返して、信号対雑音比を上げます。その後、EPI配列のパラメータを設定します。すべての手順は、PRF プロパティを見積もる前に、Vista ソフトウェア サイトで入手できる MATLAB ベースのソフトウェア ツールボックス Vista ラボを使用して実行されます。頭部の動きの補正や解剖学的スキャンに対する機能ボリュームのアライメントなど、いくつかの典型的なFMRIデータの前処理ステップが必要です。インターネットからコード ファイルをダウンロードし、圧縮ファイルを抽出して、ローカル コンピューター上の任意の場所に配置します。次に、matlabのフォルダへのパスを追加します。次に、実験を使用してMr.Vistaを選択して刺激パラメータを設定します。次に分析、次に網膜トピックモデル、続いてパラメータを設定します。PRF推定の前に、刺激画像、刺激サイズ、標準的な血行動態関数、FMRIスキャナーのフレームレートなどのパラメータを指定します。TPRF で交差検証セットを設定して、初期パラメーター セットを準備します。コードファイルからパラMを設定します。次に、時系列を、バーが

topographical-estimation-of-visual-population-receptive-fields-by-fmri

Research

JoVE Journal

Behavior

行動

この資料では、3Tのスキャナを用いたヒト脳および皮質下構造で1.2mmのサンプリングで高解像度の機能的磁気共鳴イメージングを実行するテクニックについて説明します。例として、与えられた人間の上丘（SC）における視覚刺激の地形図を解決するためにこれらの技術の使用。...

人間の中脳の高解像度機能的磁気共鳴画像法

我々は、磁気共鳴画像法（MRI）を用いて脳の機能と構造の同時分析のための斬新なアプローチを説明します。我々は、高解像度の拡散強調イメージングおよび白質繊維ラクトで脳の構造を評価する。標準的な構造のMRIとは異なり、これらの技術は、私たちが直接、脳のネットワークの機能的特性に解剖接続を関連付けることができます。...

fMRIと拡散強調画像を用いた脳の構造と機能の同時分析

出典:ガレンチクちゃん、A.、他.広視野網膜刺激による視覚野の機能的磁気共鳴画像法(fMRI)。J. Vis. Exp.

視覚野の血中酸素レベル依存性機能的磁気共鳴画像法

私たちは、fNIRSを使用して自然主義的なタスク中に記録された機能的な脳活動とfMRI中に記録された活動を比較する方法を提示します。...

自然主義タスク中fNIRS計測のfMRIの検証

イメージング法、イメージング法、時空間的な fMRI に制約のある脳波ソースとして知られている脳波 fMRI マルチ モーダルを次に紹介します。提案手法では、条件付きでアクティブな fMRI...

同時脳波と機能的 MRI 皮質活動の動的イメージングのための統合解析

頭頂前頭に関わるニューロンの視覚運動変換オブジェクトの選択を分析する詳細なプロトコルが表示されます。...

単一ユニットの録音を使用してサルの背側視覚ストリームのオブジェクト表現を調査

この記事では、磁気脳波検査(MEG)を用いて物体知覚に対する刺激前のソースレベルの影響を検出できる実験を設定する方法について説明する。刺激材料、実験設計、MEG記録、データ分析をカバーしています。...

磁気脳波による物体知覚に対する刺激前のソースレベルの影響の検出

本稿では、全頭fNIRSカバレッジで同一被験者からfMRI信号とfNIRS信号を同時に収集する方法を提示する。このプロトコルは、3人の若年成人でテストされており、発達研究や臨床集団のデータ収集に適応させることができます。...

全頭部オプトードアレイと短距離チャンネルを用いたfMRIとfNIRSの同時測定データ収集

私たちは、一般的に使用されているよりも多くの視野を利用して視覚野機能をマッピングする技術を開発しました。このアプローチは、視力障害や眼疾患の評価を高める可能性を秘めています。...

広視野網膜トピック刺激による視覚野の機能的磁気共鳴画像法(fMRI)

この記事では、機能的磁気共鳴画像法（fMRI）を使用して鳴き脳の聴覚刺激の神経基質のイメージングのための最適化された手順を示している。これは、音刺激の準備、被写体の位置決めとfMRIのデータの取得とその後の分析を説明しています。...

鳴禽類における聴覚刺激と機能的磁気共鳴画像法（fMRI）

学ぶ、fMRIを用いて視覚人口受容野の地形を推定する計算的手法。軽い正則化制約により事前の形状仮定なしで正確なpRF推定が可能となり、視覚経路損傷を持つ対象者への応用にも有用である。

fMRIのことで視覚人口受容野の地形の推定

さらに動画を探す