Name: 자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가 (동영상) | JoVE Journal
Uploaded: 2015-02-03T14:00:00.000+00:00
Duration: 6 min 2 s
Description: 배우세요 fMRI를 활용한 시각 인구 수용영장(pRF) 지형 평가 방법입니다. 사전 가정 없이 정확한 pRF 추정이 가능하며, 시각 경로 병변 환자 연구에도 효과적으로 적용할 수 있습니다.

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

우리는 VISTA 소프트웨어 그룹(스탠포드의 Brian Wandell 및 동료들)에게 감사드립니다.
S. S.는 McNair 2280403105, NEI R01-EY109272 및 NEI R01-EY024019의 지원을 받았으며 HHMI Early Carrer Award로 선정되었습니다. A. P. 및 G. K.는 막스-플랑크 협회의 지원을 받았고, G. K.는 유럽연합 집행위원회의 7차 프레임워크 프로그램의 PLASTICISE 프로젝트, 계약 번호의 지원을 받았습니다. HEATH-F2-2009-223524입니다.

1. 데이터 수집 <ol><li> 이전과 DUMOULIN Wandell 1 및 Lee 등의 설명에 따라 신뢰성 retinotopic 시각적 반응을 유도하는데 효과적이다 자극 프로토콜을 준비한다.이. 그러나, 다른 잘 확립 패러다임 해결되어야 구체적인 실험 질문에 따라 적용 가능하다. </li><li> 현재 바 자극이 45도 단계에서, 공간의 8 방향에 따라 화면이 순차적으로 가로 질러 표류. 운동이 줄을 한 번 단계를 자기 공명 프레임의 시작을 이동하고 프레임이 종료 될 때까지 새 위치에서 유지되도록 스캐너 프레임 수집 (TR ~ 2 초)과 동시성에 있는지 확인합니다. </li><li> 정확한 기준 신호를 측정하기 위해, 바 자극 한없이 시대를 추가합니다. <ol><li> 자극이 제시되는 동안 시각에서보기 (10 반경 ° 15)의 필드를 정의합니다. 현재 이동 또는 점멸 바둑판 패턴 (검사기 크기 = 0.94 X 0.94 ℃, 2, patte바 내에서 RN 업데이트 속도 = 250 밀리 초 / 패턴) 강한 시각적 인 응답을 유도합니다. </li><li> 입력 다음과 같은 특정 매개 변수 : 운동 8 균등 방향, 바는 1.875 ℃로 동일한 폭과 바는 프레임 (2 초) 당 반 바 폭으로 이동합니다. 추가 세부 사항은 Lee 등에서 찾을 수있다. 2. </li><li> 피사체의 눈을 응시 실험 중에있는 화면 중앙에 스폿 (~ 0.25 °)를 생성한다. 시간에 무작위 지점의 색상을 변경합니다. </li></ol></li><li> 192 프레임 기간 (모션의 각 방향으로 24 프레임)가 전형적인 에코 평면 이미징 (EPI) 스캔을 사용하여 MRI 스캐너에서 피사체의 뇌를 스캔합니다. 신호 대 잡음비를 증가시키기 위해 스캔을 4-8 회 반복한다. </li><li> EPI 순서 매개 변수 설정은 다음과 같습니다 : TR = 2 초, TE = 40 밀리 초, 매트릭스 크기 = 64 X 64, 28 조각, 복셀 크기 = 3 × 3 × 3mm 3, 플립 각도 = 90 °, 또는 시퀀스를 적용 미세한 해상도 (전자와.g., 2 × 2 × 2mm 3) 만 시각 피질 (2)를 포함하는 짧은 TR (예를 들어, 1.5 초). </li><li> 고정을 보장하기 위해 기능을 검사하는 동안 아이 트랙커 시스템과 추적 안구 운동은 고정 점의 1.5 ° 이내로 유지된다. 주 : 여기에서, 고글 시스템에서 중계기 기반 아이 트랙커 좌표가 사용되지만, 다른 적절한 아이 트랙커 시스템 대신 사용될 수있다. </li><li> 단계 1.3.2에서 생성 된 화면 중앙에 자리를 흥분시키는하기 위해 주제를 지시합니다. 피험자 고정화하도록하기 정착 스폿의 색깔 변화를보고하도록 지시. </li><li> (;, TR = 1900 밀리 초 TE를 = 2.26 밀리 초, TI = 900 밀리 초, 플립 각도 = 9 °, 176 파티션을 예를 들어, T1-MPRAGE) 1 × 1 × 1mm 3 해상도, 해부학 적 검사를 얻습니다. 주의 : 이러한 해부 검사는 분할뿐만 아니라 내부 및 검사를 통해 모두 해부학 기능적 이미지를 정렬을 위해 사용될 것이다. 기능 사이의 더 나은 정렬알 (EPI) 이미지와 해부학, T1 강조 빠른 버릇 그라데이션 에코 (SPGR) 시퀀스 (1)을 사용하여, EPI와 동일한 해상도로, 또한 면내 해부학 스캔을 구하십시오. </li></ol> 2. 데이터 전처리 참고 : 이전 PRF 특성을 추정에 몇 가지 전형적인의 fMRI 데이터 사전 처리 단계는 같은 머리 모션 보정 및 해부학 적 검사에 기능 볼륨의 정렬로, 필요합니다. 이 글에서 얻어진 결과의 모든 전처리, 추정, 분석 및 프리젠 테이션은 VISTA 소프트웨어 사이트에서 사용할 수있는 오픈 소스 MATLAB 기반의 소프트웨어 도구 상자 VISTA의 LAB를 사용하여 수행됩니다. http://white.stanford.edu/newlm/index.php/Main_Page. <ol><li> MATLAB에 해부학 적 검사를 넣고 createVolAnat라는 함수를 사용하여 볼륨 해부학을 준비합니다. </li><li> 기능 "ItkGray"을 사용하여 세그먼트 회색 문제, 화이트 문제 및 CSF. </li><li> DICOM 변환하여 기능 데이터를 준비합니다 (예 : (즉, 표준 기능성 MRI 파일 형식) 파일 및로드 데이터로 파일. </li><li> 올바른 머리 모션은 아핀 행렬 변환을 기반으로 rxAlign를 사용하여 2.1 단계에 들어있는 해부학에 기능적인 이미지를 정렬합니다. </li><li> mrVISTA 시계열 분석 평균 tSeries을 클릭하여 신호 대 잡음비를 향상시키기위한 기능성 평균 움직임 보정 스캔. 안구 운동은 1.5 °보다 더 많은 고정에서 벗어나는 동안 평균 검사에서 제외합니다. 다른 실행에서 신호는 DC-드리프트를 제거한 후 다른 DC-드리프트, 평균 기능 검사를해야합니다. </li><li> 매핑 기능 검사와 회색 물질 사이에 좌표를 계산하고 다음 메뉴를 선택하여 기능 검사에 해당하는 회색 물질 복셀을 식별 : mrVISTA 창 열기 회색 3보기 창. 옵션 중 하나를 선택, 보간에 의해 회색 물질 복셀에​​서 BOLD 신호를 할당mrVISTA로만 제공. </li></ol> PRF 지형과 파라 메트릭 모델링 3. 추정 <ol><li> 다음 링크를 통해 코드 파일을 다운로드합니다 https://sites.google.com/site/leesangkyun/prf/codes.zip, 압축 된 파일을 추출하고 로컬 컴퓨터의 원하는 위치에 배치합니다. MATLAB에서 폴더의 경로를 추가합니다. </li><li> mrVISTA 분석 Retinotopic 모델 파라미터 설정 : 다음 메뉴를 선택하여 실험에 사용 된 자극 매개 변수를 설정합니다. 자극 이미지, 자극의 크기, 표준 혈역학 적 기능의 fMRI 스캐너의 프레임 속도와 같은 다음 매개 변수를 지정합니다. </li><li> PRF 추정 이전에, 초기 파라미터 세트 (도 1b)를 준비한다. <ol><li> 코드 파일에서 "tprf_set_params.m"의 교차 유효성 검사 세트를 설정합니다. 나누기 적어도 두 부분 집합으로 시계열 (테스트를 위해 한 세트 및 교육에 대한 나머지 세트) 바 swee하기에 충분히 긴페이지 전체를 자극 공간. 또한, 2.4 단계에서 검사를 평균하지 않고, 테스트를위한 하나의 스캔을 떠나 훈련을 위해 나머지 스캔을 사용하여 스캔을 확인합니다. </li><li> 거친 파라미터 세트를 설정합니다 (그림 1의 λ, λ = [10-2 10-1 1 10 1 10 2]) "tprf_set_params.m"에. 그런 다음, "tprf_set_params.m"에서 미세 스케일 범위 ([0.1 0.3 0.5 0.7 0.9 1 3 5 7 9])을 설정합니다. 주 :이 프로그램은 가장 높은 설명 분산 결과 λ를 선택하도록 설정 조를 사용한다. 그리고,이 프로그램은 더 높은 분산을 산출하여 설명 λ의 선택을 정제, 미세 스케일 범위를 사용하여 선택된 λ 주위 공간을 탐색한다. </li><li> "tprf_set_params.m"시각적으로 반응 복셀에 대한 설명 분산의 임계 값 (0.2)을 설정합니다. 참고 :이 임계 값은 시각적으로 반응 복셀의 선택을위한 기준으로 사용됩니다. 또는,을비 시각적 응답에 대한 ROI 영역 (예를 들면, 비 시각적 응답 뇌 영역에서 1cm의 반경을 구 그려서) 임계 값이 자동으로 계산 될 수있다. </li><li> "tprf_set_params.m"의 정규화 지형에서 PRF 중심 영역을 정의하기위한 임계 값 ([0.3, 0.5, 0.7])의 한 세트 (즉, [0~1] 혹은 [-1 1] 바 자극없이 에포크와 단계 1.3.1에서). 주 : 임계 값들의 세트로부터 제공되는 프로그램은 PRF 센터 모델이 큰 신호의 분산을 설명하는 PRF 중앙 영역을 정의 임계 값, 즉, "최상"의 임계 값을 선택한다. 대안 적으로, 지형의 특징에 따라 임계 값의 다른 세트를 선택한다. </li></ol></li><li> "tprf_runpRFest.m"PRF 지형을 계산 (그림 1)을 실행하고 2D 이방성 가우스에 맞게. 이 프로토콜에 설명 된 모든 매개 변수를 지정한 후,과코드를 실행하고, 최종 추정 결과를 얻었다. </li></ol><img alt="그림 1" src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700"> 그림 1 : PRF 추정 과정. (A) 공정의 개략도 PRF 지형 추정에 따라 H (t). PRF 지형 추정을위한 L2-노옴 정규화 (B) 특정 단계 : 혈역학 응답 함수, A (t) : 자극, m : PRF, 등록 번호. PRF 및 센터 모델링. 추정에 필요한 파라미터 세트는 각 단계에 표시됩니다. 지형 및 모델 일차원 섹션은 도시된다. 에서 "모델 피팅"검은 색과 빨간색 곡선 지형 각각 0.5의 중심 임계 값과의 PRF 센터 모델을 나타냅니다. 푸른 점선 PRF위한 임계 값을 나타낸다중부 지역.

<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>

저자는 경쟁하는 금전적 이해관계가 없음을 선언합니다.

이 글은 인간의 시각 피질과 방법을 수용 필드에 대한 적절한 파라 메트릭 모델을 선택하는 데 사용하는 시각 인구 수용 필드의 지형을 추정하는 방법을 보여줍니다. 성공적인 retinotopy 들어, 적절한 자극 프로토콜 및 효율적인 분석 방법이 선택되어야하고, 피사체의 실험 파라미터 (모션 및 정착)을 최적화한다. 그것은 별개의 자극 위치에서 별개의 BOLD 응답을 생성으로 시야에 걸쳐 순차적으로 이동 바 자극 PRF 추정을위한 효율적인 자극 패러다임이다. 제공 방법은 PRF 지형을 구성한다. PRF 추정의 문제는, 일반적으로 언더 결정이기 때문에, 릿지 회귀 3이라는 수학적 도구 PRF 중량 용액에 희소의 합리적인 제한 조건을 적용하는 데 사용된다. 이 정규화 기술 PRF 모델 추정 매우 효과적 일 때 관측의 개수 (시점BOLD 신호들)은 자극의 공간 차원을 커버하는 화소 수보다 상당히 작다. 이 방법은 이전의 방법보다 PRF 센터의보다 강력한 추정을 제공...

기능성 자기 공명 영상 (fMRI)은 (일반적으로 밀리미터 정도의) 비 침습적 거시적 규모에서 시각 피질 조직의 기능을 측정한다. 초기의 fMRI retinotopy 연구는 자극의 위치 사이의 코 히어 런스 값을 사용 BOLD 응답 4-7을 유발. 이러한 연구는 일반적으로 수용 인구 필드 크기를 추정하지 않았다. 나중에, DUMOULIN Wandell 1 및 명시 적, PRF 위치 및 크기를 모델링 BOLD 응답을 예측하는 모델의 선형 함수를 사용함으로써 이러한 제한을 극복하는 방법을 제안 하였다. 그러나,이 방법의 선구 제한 파라 PRF 모델은 연역적을 선택해야하며, 그것이 적절하지 밝혀지면 PRF 잘못된 추정을 초래할 수 있다는 것이다. 파라 PRF-모델 방법의 한계를 극복하기 위해 새로운 방법이 최근에 개발되었다. 이러한 방법은 직접 s의 BOLD 응답을 예측PRF의 지형을 재구성하여 timulus. 그린 및 동료들에 의해 제안 된 방법 (8)는 개별 1D 자극 스페이스에 BOLD 응답 백 돌출 전형적인 컴퓨터 단층 촬영 기술과 같은 2D 자극 공간에서 PRF 지형을 구축하여 PRF의 지형을 재구성한다. 한편, 우리가 제안한 방법이 직접 선형 회귀를 사용하여 정규화 기술을 적용하여 2 차원 PRF 토포 그래피를 추정한다. 이 방법에서, PRF 지형은 소정의 복셀 신경 인구 응답을 추정하기 위해 자극 곱하여 가중치들의 집합으로 표현된다. 그리고, 자극에 의​​해 유발 된 최종 혈액 산소 수준 의존 (BOLD) 응답은 신경 인구 응답 및 정규 혈역학 대답 함수를 컨벌루션함으로써 추정된다. 언더 구속 선형 시스템을 해결하기 위해, 또한 릿지 회귀 정규화는 희소성을 적용하는 데 사용된다 (도 1 참조아래). 정규화 기술은 소음과 유물을 억제하고, 따라서 우리의 방법이 더 견고 PRF 지형을 추정 할 수 있습니다. 지형 방법은 실제 PRF 구조를 발견 할 수 있으므로 특정 파라 메트릭 형상을 갖도록 PRF 형상을 강제하지 않는다. 적절한 파라 메트릭 모델이어서 PRF 토포 그래피에 기초하여 선택 될 수있다. 예를 들어, PRF 지형은 PRF 센터 및 서라운드를 분리 한 후 후속 PRF 센터 모델링 서라운드 억제의 영향뿐만 아니라 행 먼 영역에서 발생하는 다른 잠재적 인 아티팩트의 영향을 최소화하여보다 정확하게 할 수있는 동시에, 사용 후의 PRF 센터. 우리는 최근 PRF 9 양적 우리의 방법과 직접 여러 가지 다른 방법의 비교 (즉, 지형을 추정하기 전에) 가우스 1, 등방성 맞는 이방성 가우스, 등방성 가우시안의 차이를 수행했습니다. 이 topogr 것을 알 수 있었다aphy 기반 방법은 BOLD 신호의 시계열 변화를 달성함으로써 더 설명 PRF 센터 모델링에 대해 이러한 방법을 능가. 다양한 분야에서 PRF 특성의 정확한 추정은 시야를 커버하는 방법을 계시하고 시각적 인식에 관한 것으로, 특히 같은 시각 피질의 기능적 조직을 조사하는 것이 중요하다. 이러한 편심, 10 및 PRF 센터 서라운드 조직 9 PRF 크기 변경이 아니라 인간의 문학 연구 방법 등의 속성. PRF 토포 그래피 PRF보다 정확한 파라미터 모델링 결과 알려지지 규칙 성을 표시 할 가능성을 추정하기위한 것이다 제안 된 방법은, 용이하게 직접 파라 메트릭 모델을 연역적 모델링되지. 이 방법은 PRF 구조가 반드시 예측 선천적 아닌 누구를 위해 시각 경로의 병변 환자에서 PRF 조직을 공부에 특히 적합 할 것이다. 이하 번째 추정하는 방법을 설명한다전자 PRF의 지형과 방법 PRF 센터를 모델링 지형를 사용하는 방법을 설명합니다.

<table><tbody><tr><td>MRI 스캐너</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; (영문)</td></tr><tr><td>VISTA 소프트웨어</td><td>VISTA 소프트웨어 그룹</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>게재 사이트: http://psychtoolbox.org&nbsp;</td></tr><tr><td>아이트래커 (VisuaStimDigital)</td><td>Resonance Technology Inc</td><td></td><td>http://mrivideo.com/</td></tr></tbody></table>

자기 공명하여 visual 인구 받아들이는 필드의 지형 평가

Topographical Estimation of Visual Population Receptive Fields by fMRI

이웃하는 셀들의 집단은 시야의 주변 부분에 매핑되도록 시각 피질은 retinotopically 구성된다. 기능성 자기 공명 영상은 우리가 즉, 복셀 기반의 인구 수용 필드 (PRF)를 추정 할 수 있으며, 각 복셀 내에서 세포를 활성화 시야의 일부입니다. 1) PRF 모델은 연역적를 선택 완전히 실제 PRF 형상을 캡처 할 수 있고, 2) PRF 센터 자극 공간의 경계 근처 mislocalization 경향이있다 : 이전에, 직접, PRF 추정 방법 (1)는 특정 제한 겪는다. 여기서 새로운 지형 PRF 추정 방법이 주로 이러한 한계를 회피한다고 제안된다. 선형 모델 정규 혈역학 응답 함수와 시각 자극에 PRF의 선형 응답을 컨벌루션하여 혈액 산소 수준 의존 (BOLD) 신호를 예측하는 데 사용된다. PRF 지형이 그 구성 요소 STR을 나타내는 가중치 벡터로 표현된다복셀 뉴런의 집합체 반응 ength 상이한 시야 위치에서 제시 자극. 얻어진 선형 방정식 PRF 지형을 수득 릿지 (3)를 이용하여 회귀 PRF 웨이트 벡터에 대해 해결 될 수있다. 추정 된 지형에 정합 PRF 모델은 이에 등과 PRF-중심 위치, PRF 방향, 크기, 같은 PRF 파라미터 추정을 개선 사후을 선택할 수있다. PRF 지형 가능하다는 것이 또한 PRF 구조에 대한 선험적 가정을 할 필요없이 다양한 PRF 특성의 추출을 허용 PRF 파라미터 추정치의 시각적 확인을 허용한다. 이 접근법은 시각 시스템의 장애 환자 PRF 조직을 조사하기에 특히 유용한 것으로 약속한다.

정확한 PRF 모델링이 제대로 PRF 모양을 캡처해야합니다. PRF 지형 모르고, 이전 연구에 사용 된 원 1,9-11 대칭 모델의 선택은 적절한 선택이다. 로컬 retinotopic 조직 시야의 모든 방향에서 균일 한 경우, 지역 주민 응답이 신경 반응의 원형 대칭 누적 집합체로서 표현 될 수 있기 때문이다. 그러나, 우리의 관찰이 반드시 경우 (그림 2) 아니라는 것을 보여줍니다. 따라서, PRF 토포 그래피 관찰 한 PRF 모델에 대한 적절한 파라 메트릭 함수를 선택하기위한 매우 중요한 요인이 될 수있다. 이것은 PRF 지형의 이점 등 지형 기반 모델은 더 높은 전형적 결과 PRF 센터 모델링 - 다이렉트 착용감 등방성 가우스 모델을 능가 분산 (도 2를 설명했다. Lee 등, 2 참조 다른 추가적인 비교에 모델). 이들 실시 예는 이전에 모델을 피팅 PRF 토포 그래피를 추정하는 장점을 보여준다. ...

기능적 자기공명영상(functional magnetic resonance imaging)을 통해 pRF(visual population receptive field)의 편향되지 않은 추정치를 얻는 것이 중요합니다. pRF 형상에 대한 선험적 가정 없이 pRF 지형을 추정하기 위해 가벼운 정규화 제약 조건을 사용하여 특정 pRF 모델을 사후에 선택할 수 있습니다. 이는 시각 경로 병변이 있는 피험자에게 특히 유리합니다.

자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가

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

이 절차의 전반적인 목표는 정확한 시각적 모집단 수용 필드를 추정하는 것입니다. 이는 먼저 뚜렷하고 강력한 반응을 이끌어내기 위해 시각적 공간에 국한된 효과적이고 효율적인 시각적 자극을 준비함으로써 달성됩니다. 두 번째 단계는 높은 시각적 주의력과 눈과 머리의 최소한의 움직임으로 기능적 뇌 활동을 이미지화하는 것입니다.마지막 단계는 수집된 데이터를 전처리하는 것입니다. 궁극적으로, 시각적 자극에 대한 FMRI 신호 반응을 모델링하기 위해 제안된 방법을 적용하면 시각적 개체군, 수용장 및 그 모델의 지형을 얻을 수 있습니다. 직접 피팅 방법과 같은 기존 방법에 비해 이 방법의 주요 장점은 일반적으로 신뢰할 수 있는 망막 주제를 도출하는 데 효과적인 자극 프로토콜을 준비하기 위해 선택한 이전 PRF 모델이 필요하다는 것입니다.시각적 반응은 먼저 막대 자극을 제시하고, 45도 단계로 8개 방향을 따라 순차적으로 화면을 가로질러 표류하며, 막대가 한 걸음 이동하도록 모션이 스캐너 프레임 획득과 동기화되도록 합니다. FMRI 프레임이 시작되고 프레임이 끝날 때까지 새 위치에 유지됩니다. 자극이 제시되는 시각적 각도에서 시야를 정의하려면 막대 내에 움직이거나 깜박이는 바둑판 패턴을 표시하여 강력한 시각적 반응을 이끌어냅니다.그런 다음 8개의 균일한 간격의 모션 방향이 있고 막대가 프레임당 막대의 절반만큼 이동하도록 특정 매개변수를 입력합니다. 다음으로, 각 동작 방향에 24개의 프레임이 있는 192프레임 지속 시간을 가진 일반적인 에코 플래너 이미징 스캔을 사용하여 MRI 스캐너에서 피험자의 뇌를 스캔합니다. 스캔을 4-8회 반복하여 신호 대 잡음비를 높입니다.그런 다음 EPI 시퀀스에 대한 매개변수를 설정합니다. 모든 절차는 PRF 속성을 추정하기 전에 Vista 소프트웨어 사이트에서 사용할 수 있는 MATLAB 기반 소프트웨어 도구 상자 Vista lab을 사용하여 수행됩니다. 머리 움직임 보정 및 해부학적 스캔에 대한 기능 볼륨 정렬과 같은 몇 가지 일반적인 FMRI 데이터 전처리 단계가 필요합니다.인터넷에서 코드 파일을 다운로드하고, 압축 파일을 추출하고, 로컬 컴퓨터의 원하는 위치에 배치합니다. 그런 다음 matlab의 폴더 경로를 추가합니다. 다음으로, Mr.Vista를 선택하여 실험을 사용하여 자극 매개변수를 설정합니다.그런 다음 분석, 망막 주제 모델, 매개변수 설정이 뒤따릅니다. PRF 추정 전에 자극 이미지, 자극 크기, 표준 혈류역학적 기능 및 FMRI 스캐너의 프레임 속도와 같은 매개변수를 지정합니다. TPRF에서 교차 검증 세트를 설정하여 초기 매개변수 세트를 준비합니다.코드 파일에서 단락 M을 설정합니다. 그런 다음 시계열을 막대가 전체 자극 공간을 스윕할 수 있을 만큼 충분히 긴 두 개의 하위 집합으로 나눕니다. 또는 스캔 평균을 계산하지 않고 테스트를 위해 하나의 스캔을 생략하고 나머지 스캔을 교육에 사용하여 스캔을 검증합니다.다음으로 코스 매개 변수 세트를 입력합니다. 그런 다음 나중에 미세한 스케일 범위를 설정하고 시각적으로 반응하는 복셀의 경우 0.2와 같이 설명된 분산에 대한 임계값을 설정합니다. 이 임계값은 시각적으로 반응하는 복셀을 선택하기 위한 기준으로 사용됩니다.그런 다음 파일의 정규화된 토폴로지에서 PRF 중심 영역을 정의하기 위한 임계값 세트를 입력합니다. 다음으로, 파일을 실행하여 PRF 지형을 계산하고 A 2D 및 등방성 지안을 피팅합니다. 이 프로토콜에 설명된 모든 매개변수를 지정하고 코드를 실행한 후 최종 추정 결과를 얻습니다.다음은 일반적인 PRF 지형입니다. 지형에서. 빨간색은 가장 반응이 빠른 영역을 나타내며, 이는 PRF 지형 막대에서 오른쪽 중간 수평 자오선에 위치한 PRF 중심을 나타내는 낮은 가중치로 PRF 중심 구조를 가로 지르는 패턴이 때때로 관찰됩니다.여기에 표시된 임계값 단계에서 쉽게 제거할 수 있습니다. 이전 방법과 지형 기반 PRF 중심 모델 간의 비교로, 설명 된 분산의 해당 백분율이 각 모델 위에 표시됩니다. 이 연구에서 T 모델은 더 정확한 PRF 형상을 가진 모든 예에서 더 높은 설명 분산을 보여줍니다.이 그림은 피사체의 좌반구의 편심 및 극각 맵을 보여주며, 다음은 PRF 크기와 편심 간의 관계입니다. PRF 크기는 시각 영역 V 1에서 3까지의 편심에 따라 증가합니다. 이 비디오를 시청한 후에는 FMRI에서 시각적 모집 영역을 추정하는 방법을 잘 이해하게 될 것입니다.

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

Research

연구

JoVE Journal

Behavior

행동

이 문서 3T 스캐너를 사용하여 인간의 midbrain과 subcortical 구조 1.2 밀리미터 샘플링과 고해상도 기능성 자기 공명 영상을 수행하는 기술을 설명합니다. 인간의 뛰어난 colliculus (SC)의 시각적 자극을 지형지도를 해결하기 위해 이러한 기술의 사용은 예제로 제공됩니다.

인간 Midbrain위한 고해상도 기능성 자기 공명 영상 방법

우리는 자기 공명 영상 (MRI)를 사용하여 뇌 기능과 구조의 동시 분석을위한 새로운 접근 방식을 설명합니다. 우리는 고해상도 확산 - 가중 영상과 흰색 물질 섬유 tractography로 뇌 구조를 신고 할 수 있습니다. 표준 구조 MRI는 달리,이 기술은 우리가 직접 뇌 네트워크의 기능 속성에 해부학 적 연결을 연관 할 수 있습니다.

fMRI 및 확산 - 가중 영상을 사용하여 뇌의 구조와 기능의 공동 분석

출처: Galenchik-Chan, A., et al. 광시야 망막외 자극을 이용한 시각 피질의 기능적 자기 공명 영상(fMRI). J. Vis. 특급 (2023).  이 비디오는 혈액 산소 농도를 기반으로 활동을 매핑하기 위해 시각 피질의 기능적 자기 공명 영상(fMRI)을 보여줍니다. 구조적 MRI 이미지는 해부학적 참조로 얻은 다음 fMRI 스캔으로 획득합니다. 시각 피질의 망막외 뉴런을 활성화하기 위해 시각적 자극이 표시됩니다. 이러한 자극된 뉴런의 증가된 에너지 요구량은 산소가 공급된 혈액의 흐름을 유도하여 디옥시헤모글로빈을 감소시키고 fMRI 신호를 강화하여 활동을 측정합니다.

혈액 산소 농도 의존적 시각 피질의 기능적 자기 공명 영상

fNIRS를 사용하여 자연주의적 작업 중에 기록된 기능적 뇌 활동과 fMRI 동안 기록된 활동을 비교하는 방법을 제시합니다.

자연주의 작업하는 동안 fNIRS 측정의 fMRI 검증

이미징 방법, 방법, 이미징 spatiotemporal fMRI 제한 된 뇌 파 소스 라고 하는 뇌 파 fMRI multimodal 여기 설명 되어 있습니다. 제시 방법 고용 조건에 따라 활성 fMRI 하위 지도, 또는 priors, 공간 특이성을 향상 하 고 잘못 된 결과 제한 하는 방식으로 뇌 파 소스 지역화 가이드.

동시 뇌 파와 기능적 MRI 기록과 동적 대뇌 피 질의 활동 영상에 대 한 통합 분석

Parieto 정면 신경 visuomotor 변환에 관련 된의 개체 선택도 분석 하는 자세한 프로토콜 제공 됩니다.

단일 단위 기록을 사용 하 여 원숭이 등 Visual 스트림에 개체 표현을 조사

이 문서에서는 자기뇌전도(MEG)를 사용하여 개체 지각에 대한 사전 자극 소스 수준의 영향을 감지할 수 있는 실험을 설정하는 방법을 설명합니다. 자극 재료, 실험 설계, MEG 기록 및 데이터 분석을 다룹니다.

자기뇌전도를 통해 물체 지각에 대한 사전 자극 소스 수준 효과 감지

전체 머리 fNIRS 커버리지를 가진 동일한 피험자로부터 fMRI 및 fNIRS 신호를 동시에 수집하는 방법을 제시합니다. 이 프로토콜은 3명의 젊은 성인을 대상으로 테스트되었으며 발달 연구 및 임상 인구를 위한 데이터 수집에 적용할 수 있습니다.

전체 헤드 옵토드 어레이 및 근거리 채널을 사용한 fMRI 및 fNIRS 측정의 동시 데이터 수집

우리는 일반적으로 사용되는 것보다 더 많은 시야를 활용하여 시각 피질 기능을 매핑하는 기술을 개발했습니다. 이 접근법은 시력 장애 및 안과 질환의 평가를 향상시킬 수 있는 잠재력을 가지고 있습니다.

광시야 망막 자극을 이용한 시각 피질의 기능적 자기 공명 영상(fMRI)

이 문서에서는 기능적 자기 공명 영상 (fMRI)를 사용하여 가수 뇌에서 청각 자극의 신경 기판의 이미징을위한 최적화 과정을 보여줍니다. 그것은 소리 자극, 피사체의 위치와 fMRI를 데이터 수집 및 후속 분석의 준비에 대해 설명합니다.

명금의 청각 자극 기능성 자기 공명 영상 (fMRI)

배우세요 fMRI를 활용한 시각 인구 수용영장(pRF) 지형 평가 방법입니다. 사전 가정 없이 정확한 pRF 추정이 가능하며, 시각 경로 병변 환자 연구에도 효과적으로 적용할 수 있습니다.

자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가

더 많은 동영상 탐색