Name: Topograficzne oszacowanie wizualnych pól recepcyjnych populacji za pomocą fMRI (Wideo) | JoVE Journal
Uploaded: 2015-02-03T14:00:00.000+00:00
Duration: 6 min 2 s
Description: Poznaj metodę szacowania topografii populacyjnych pól recepcyjnych wzrokowych przy użyciu fMRI bez uprzednich założeń o kształcie pRF. Technika ta umożliwia dokładne badanie przetwarzania wzrokowego u osób z uszkodzeniami szlaków wzrokowych.

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

Dziękujemy grupie oprogramowania VISTA (Brian Wandell i współpracownicy, ze Stanford).
S. S. był wspierany przez McNair 2280403105, NEI R01-EY109272 i NEI R01-EY024019 oraz jako HHMI Early Carrer Award. A. P. i G. K. był wspierany przez Max-Planck Society, G. K. był wspierany przez projekt PLASTICISE 7 Programu Ramowego Komisji Europejskiej, nr umowy. HEATH-F2-2009-223524.

1. Pozyskiwanie danych
<ol>
	<li>Przygotować protokół stymulacji skuteczny w wywoływaniu wiarygodnej retinotopowej odpowiedzi wizualnej, zgodnie z opisem w pracy Dumoulin i Wandell1 oraz Lee et al.2. W zależności od konkretnego pytania badawczego można jednak zastosować inne, dobrze ugruntowane paradygmaty.</li>
	<li>Prezentować bodźce w postaci pasków przesuwających się po ekranie sekwencyjnie w 8 kierunkach przestrzeni, w odstępach 45 stopni. Należy zapewnić synchronizację ruchu z akwizycją klatek skanera (TR ~2 sec), tak aby pasek przesuwał się o jeden krok w momencie rozpoczęcia klatki fMRI i pozostawał w nowej lokalizacji do końca tej klatki.</li>
	<li>Aby zmierzyć prawidłowy sygnał bazowy, należy dodać epoki bez stymulacji paskiem1.
	<ol>
		<li>Zdefiniować pole widzenia (promień od 10 do 15°) w kącie wizualnym, w którym prezentowany jest bodziec. Wewnątrz paska prezentować ruchome lub migoczące wzory szachownicy (rozmiar pola = 0,94 x 0,94 deg2, częstotliwość odświeżania wzoru = 250 msec/wzór), aby wywołać silne odpowiedzi wizualne.</li>
		<li>Wprowadzić następujące konkretne parametry: 8 równomiernie rozłożonych kierunków ruchu, szerokość paska równa 1,875 deg oraz przesunięcie paska o połowę jego szerokości na klatkę (2 sec). Dodatkowe szczegóły znajdują się w pracy Lee et al.2.</li>
		<li>Wygenerować punkt (~0,25°) w centrum ekranu, na którym oczy badanego będą fiksować wzrok podczas eksperymentu. Zmieniać kolor punktu losowo w czasie.</li>
	</ol>
	</li>
	<li>Przeprowadzić skanowanie mózgu badanego w skanerze MRI przy użyciu typowego obrazowania echo-planarnego (EPI) o czasie trwania 192 klatek (24 klatki dla każdego kierunku ruchu). Powtórzyć skanowanie 4-8 razy, aby zwiększyć stosunek sygnału do szumu.</li>
	<li>Ustawić parametry sekwencji EPI w następujący sposób: TR = 2 sec, TE = 40 msec, rozmiar macierzy = 64 x 64, 28 warstw, rozmiar voksela = 3 x 3 x 3 mm3, kąt odchylenia = 90°. Alternatywnie można zastosować sekwencje o wyższej rozdzielczości (np., 2 x 2 x 2 mm3) lub krótkim TR (np., 1-1,5 sec), obejmujące wyłącznie korę wzrokową2.</li>
	<li>Śledzić ruchy gałek ocznych za pomocą systemu eyetrackera podczas skanów funkcjonalnych, aby zapewnić utrzymanie fiksacji w granicach 1-1,5° od punktu fiksacji. 
	UWAGA: W tym przypadku zastosowano eyetracker oparty na współrzędnych głowy w systemie gogli, jednak można użyć innych odpowiednich systemów eyetrackingowych.</li>
	<li>Polecić badanym fiksowanie wzroku na punkcie w centrum ekranu wygenerowanym w kroku 1.3.2. Aby upewnić się, że badani fiksują wzrok, polecić im zgłaszanie zmian koloru punktu fiksacji.</li>
	<li>Wykonać skany anatomiczne w rozdzielczości 1 x 1 x 1 mm3 (np., T1-MPRAGE; TR = 1 900 msec, TE = 2,26 msec, TI = 900 msec, kąt odchylenia = 9°, 176 partycji). 
	UWAGA: Te skany anatomiczne zostaną wykorzystane do segmentacji, a także do dopasowania obrazów funkcjonalnych do anatomii zarówno w obrębie jednego, jak i pomiędzy różnymi skanami. Dla lepszego dopasowania obrazów funkcjonalnych (EPI) do anatomii, należy wykonać również skan anatomiczny w płaszczyźnie (in-plane) o rozdzielczości identycznej z EPI, stosując sekwencję szybkich gradientowych ech z niszczeniem podłużnej namagnesowania (SPGR) ważoną T11.</li>
</ol>
2. Wstępne przetwarzanie danych
UWAGA: Przed szacowaniem właściwości pRF konieczne jest przeprowadzenie kilku typowych kroków przetwarzania wstępnego danych fMRI, takich jak korekcja ruchów głowy oraz dopasowanie wolumenów funkcjonalnych do skanu anatomicznego. W niniejszym artykule całe przetwarzanie wstępne, szacowanie, analiza i prezentacja uzyskanych wyników zostały wykonane przy użyciu otwartoźródłowego zestawu narzędzi programistycznych VISTA LAB opartego na środowisku MATLAB, dostępnego w serwisie oprogramowania VISTA: http://white.stanford.edu/newlm/index.php/Main_Page.
<ol>
	<li>Wczytaj skan anatomiczny do programu MATLAB i przygotuj anatomię wolumetryczną, korzystając z funkcji createVolAnat.</li>
	<li>Wykonaj segmentację istoty szarej, istoty białej oraz płynu mózgowo-rdzeniowego (CSF) za pomocą funkcji „ItkGray”.</li>
	<li>Przygotuj dane funkcjonalne, konwertując pliki DICOM (tj. surowy format plików MRI dla aparatów Siemens) do plików NIFTI (tj. standardowy format plików funkcjonalnego MRI), a następnie wczytaj dane do VISTA za pomocą funkcji mrInit.</li>
	<li>Skoryguj ruchy głowy i wyrównaj obrazy funkcjonalne do anatomii wczytanej w kroku 2.1, korzystając z funkcji rxAlign w oparciu o transformację macierzy afinicznej.</li>
	<li>Uśrednij skany funkcjonalne po korekcji ruchu w celu poprawy stosunku sygnału do szumu, wybierając mrVISTA Analysis TimeSeries Average tSeries. Z wykluczenia z uśredniania pomiń skany, podczas których ruchy gałek ocznych odchylały się od punktu fiksacji o więcej niż 1-1,5°. Jeśli sygnały z różnych serii wykazują różne dryfty stałoprądowe (dc-drifts), uśrednij skany funkcjonalne po usunięciu tych dryftów.</li>
	<li>Oblicz współrzędne mapowania między skanami funkcjonalnymi a istotą szarą i zidentyfikuj odpowiadające im woksele istoty szarej w skanach funkcjonalnych, wybierając następne menu: mrVISTA Window Open Gray 3-View Window. Przypisz sygnały BOLD do wokseli istoty szarej poprzez interpolację, wybierając jedną z dostępnych opcji w programie mrVISTA.</li>
</ol>
3. Szacowanie topografii pRF i modelowanie parametryczne
<ol>
	<li>Pobrać pliki z kodem, korzystając z następującego łącza: https://sites.google.com/site/leesangkyun/prf/codes.zip, rozpakować skompresowany plik i umieścić je w preferowanej lokalizacji na komputerze lokalnym. Dodać ścieżkę do folderu w programie MATLAB.</li>
	<li>Ustawić parametry bodźca użyte w eksperymencie, wybierając następujące menu: mrVISTA Analysis Retinotopic Model Set Parameters. Określić następujące parametry, takie jak obrazy bodźców, rozmiar bodźca, kanoniczną funkcję hemodynamiczną oraz częstotliwość odświeżania skanera fMRI.</li>
	<li>Przed szacowaniem pRF przygotować wstępne zestawy parametrów (Rysunek 1B).
	<ol>
		<li>Ustawić zestawy do walidacji krzyżowej w pliku „tprf_set_params.m” z plików z kodem. Podzielić szeregi czasowe na co najmniej dwa podzbiory (jeden zestaw do testowania i pozostałe zestawy do treningu), które są wystarczająco długie, aby pasek przeskanował całą przestrzeń bodźca. Alternatywnie, bez uśredniania skanów w kroku 2.4, przeprowadzić walidację skanów, pomijając jeden skan w celu testowania i wykorzystując pozostałe skany do treningu.</li>
		<li>Ustawić gruboziarnisty zestaw parametrów (λ na Rysunku 1; λ = [10-2 10-1 1 101 102]) w pliku „tprf_set_params.m”. Następnie ustawić drobnoziarnisty zakres skali ([0.1 0.3 0.5 0.7 0.9 1 3 5 7 9]) w pliku „tprf_set_params.m”. 
		UWAGA: Program wykorzystuje zestaw gruboziarnisty do wybrania λ, która daje najwyższą wyjaśnioną wariancję. Następnie program przeszukuje przestrzeń wokół wybranego λ, korzystając z drobnoziarnistego zakresu skali, aby dalej doprecyzować wybór λ zapewniającej najwyższą wyjaśnioną wariancję.</li>
		<li>Ustawić próg (0.2) wyjaśnionej wariancji dla wokseli reagujących wizualnie w pliku „tprf_set_params.m”. 
		UWAGA: Próg ten służy jako punkt odniesienia do wyboru wokseli reagujących wizualnie. Alternatywnie można stworzyć ROI dla regionu niereagującego wizualnie (np. rysując sferę o promieniu 1 cm w obszarze mózgu niereagującym wizualnie), gdzie próg może zostać obliczony automatycznie.</li>
		<li>Ustawić zestaw progów ([0.3, 0.5, 0.7]) do zdefiniowania centralnego obszaru pRF w znormalizowanej topografii w pliku „tprf_set_params.m” (tj. [0 do 1] lub [-1 do 1] z epokami bez stymulacji paskiem w kroku 1.3.1). 
		UWAGA: Z dostarczonego zestawu progów program wybiera próg „najlepszy”, tj. próg definiujący centralny obszar pRF, dla którego model centrum pRF wyjaśnia największą wariancję sygnału. Alternatywnie można wybrać inny zestaw wartości progowych w zależności od charakterystyki topografii.</li>
	</ol>
	</li>
	<li>Uruchomić plik „tprf_runpRFest.m”, obliczyć topografię pRF (Rysunek 1) i dopasować dwuwymiarową anizotropową rozkład Gaussa. Po określeniu wszystkich parametrów opisanych w tym protokole i uruchomieniu kodu uzyskać końcowe wyniki szacowania.</li>
</ol>
<img alt="Proces topografii pRF; formuła macierz-wektor, optymalizacja λ, schemat dopasowania modelu." src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700" data-altupdatedat="1787630408000" data-alt="Rycina 1"> 
Rycina 1: Proces szacowania pRF. (A) Schematyczna ilustracja procesu stosowanego do szacowania topografii pRF. h(t): funkcja odpowiedzi hemodynamicznej, A(t): bodziec, m: pRF, Reg: regularyzacja normą L2. (B) Szczegółowe kroki szacowania topografii pRF i modelowania centrum pRF. Zestaw parametrów wymaganych do szacowania jest wymieniony w każdym kroku. Przedstawiono jednowymiarowy przekrój topografii oraz jej model. W sekcji „Model Fitting” krzywe czarna i czerwona reprezentują odpowiednio topografię oraz model centrum pRF z progiem centrum wynoszącym 0,5. Niebieska przerywana linia wskazuje próg dla centralnego obszaru pRF.

<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>

Autorzy oświadczają, że nie mają konkurencyjnych interesów finansowych.

W artykule pokazano, jak oszacować topografię pól recepcyjnych populacji wzrokowej w korze wzrokowej człowieka i jak wykorzystać ją do wyboru odpowiedniego modelu parametrycznego dla pola recepcyjnego. Aby retinotopia zakończyła się sukcesem, należy dobrać odpowiedni protokół stymulacji i skuteczną metodę analizy, a także zoptymalizować parametry eksperymentalne badanego (ruch i fiksacja). Bodźce słupkowe poruszające się sekwencyjnie w polu widzenia są skutecznym paradygmatem bodźca do szacowania pRF, ponieważ generują w...

Funkcjonalny rezonans magnetyczny (fMRI) mierzy nieinwazyjnie funkcjonalną organizację kory wzrokowej w skali makroskopowej (zazwyczaj rzędu milimetrów). Wczesne badania retinotopii fMRI wykorzystywały miarę koherencji między lokalizacją bodźca i wywoływały odpowiedzi BOLD4-7. W badaniach tych zazwyczaj nie szacowano wielkości pola receptywnego w populacji. Później Dumoulin i Wandell zaproponowali metodę przezwyciężenia takiego ograniczenia poprzez jawne modelowanie lokalizacji i rozmiaru pRF, wykorzystując funkcję liniową tego modelu do przewidywania odpowiedzi BOLD. Jednak jednym z ograniczeń tej pionierskiej metody jest to, że parametryczny model pRF musi być wybierany a priori i może prowadzić do błędnych oszacowań pRF, jeśli okaże się nieodpowiedni. 
Aby przezwyciężyć ograniczenia metody parametrycznego modelu pRF, ostatnio opracowano nowe metody. Metody te bezpośrednio przewidują reakcję BOLD na bodziec poprzez rekonstrukcję topografii pRF. Metoda8 zaproponowana przez Greene'a i współpracowników rekonstruuje topografię pRF poprzez rzutowanie wsteczne odpowiedzi BOLD na poszczególne przestrzenie bodźców 1D i budowanie topografii pRF w przestrzeni bodźców 2D, jak to jest typowa technika tomografii komputerowej. Z drugiej strony proponowana przez nas metoda2 bezpośrednio szacuje topografię pRF 2D za pomocą regresji liniowej i zastosowania techniki regularyzacji. W tej metodzie topografia pRF jest reprezentowana jako zestaw wag, który jest mnożony przez bodziec w celu oszacowania odpowiedzi populacji neuronalnej danego woksela. Następnie końcowa odpowiedź zależna od poziomu tlenu we krwi (BOLD) wywołana przez bodziec jest szacowana przez konwolucję odpowiedzi populacji neuronów i kanonicznej funkcji odpowiedzi hemodynamicznej. W celu rozwiązania problemu niedostatecznie ograniczonego układu liniowego, dodatkowo stosuje się regularyzację regresji grzbietowej w celu wymuszenia rzadkości (patrz rysunek 1 poniżej). Technika regularyzacji tłumi szumy i artefakty, a tym samym pozwala naszej metodzie na bardziej wiarygodne oszacowanie topografii pRF.
Metody topograficzne nie wymuszają na kształcie pRF określonego parametrycznego kształtu, a zatem mogą odkryć rzeczywistą strukturę pRF. Następnie można wybrać odpowiedni model parametryczny na podstawie topografii pRF. Na przykład topografia pRF może być wykorzystana do oddzielenia centrum pRF i otoczenia, a następnie późniejsze modelowanie centrum pRF może być dokładniejsze poprzez zminimalizowanie wpływu tłumienia pRF, a także wpływu innych potencjalnych artefaktów powstających w obszarach odległych od centrum pRF. Niedawno przeprowadziliśmy ilościowe porównanie naszej metody z kilkoma innymi metodami, które bezpośrednio (tj. przed oszacowaniem topografii) pasują do izotropowego Gaussa1, anizotropowego Gaussa i różnicy izotropowych Gaussów do pRF9. Stwierdzono, że metoda oparta na topografii przewyższała te metody w odniesieniu do modelowania centrum pRF, osiągając wyższą wyjaśnioną wariancję szeregów czasowych sygnału BOLD.
Dokładne oszacowanie właściwości pRF w różnych obszarach ujawnia, w jaki sposób pokrywają one pole widzenia i jest ważne dla zbadania funkcjonalnej organizacji kory wzrokowej, szczególnie w odniesieniu do percepcji wzrokowej. Właściwości, takie jak to, jak zmienia się rozmiar pRF wraz z mimośrodem1,10 i organizacją otoczenia centrum pRF9, są dobrze zbadane w literaturze dotyczącej ludzi. Proponowana metoda szacowania topografii pRF skutkuje dokładniejszym modelowaniem parametrów pRF i z większym prawdopodobieństwem ujawnia nieznane prawidłowości, które nie są łatwe do modelowania a priori w bezpośrednich modelach parametrycznych. Podejście to będzie szczególnie przydatne do badania organizacji pRF u pacjentów ze zmianami szlaku wzrokowego, dla których struktura pRF niekoniecznie jest przewidywalna a priori. Poniżej opisano, jak oszacować topografię pRF i jak wykorzystać topografię do modelowania centrum pRF.

<table><tbody><tr><td>Skaner MRI</td><td>Siemens/Philips/GE</td><td></td><td></td></tr><tr><td>MATLAB</td><td>The Mathworks, Inc.</td><td></td><td>Źródło: http://www.mathworks.com&nbsp;</td></tr><tr><td>Oprogramowanie VISTA</td><td>Grupa oprogramowania VISTA http://white.stanford.edu/newlm/index.php/Software</td><td></td><td></td></tr><tr><td>PsychoToolbox</td><td>PsychoToolbox&nbsp;</td><td></td><td>Źródło: http://psychtoolbox.org&nbsp;</td></tr><tr><td>Eye Tracker (VisuaStimDigital)</td><td>Resonance Technology Inc</td><td></td><td>http://mrivideo.com/</td></tr></tbody></table>

topograficzne oszacowanie wizualnych pól recepcyjnych populacji za pomocą fmri

Topographical Estimation of Visual Population Receptive Fields by fMRI

Kora wzrokowa jest tak zorganizowana retinotopowo, że sąsiednie populacje komórek odwzorowują sąsiednie części pola widzenia. Funkcjonalne obrazowanie metodą rezonansu magnetycznego pozwala nam oszacować populacyjne pola recepcyjne oparte na wokselach (pRF), tj. część pola widzenia, która aktywuje komórki w każdym wokseli. Wcześniejsze, bezpośrednie metody estymacji pRF1 mają pewne ograniczenia: 1) model pRF jest wybierany a priori i może nie w pełni uchwycić rzeczywisty kształt pRF oraz 2) centra pRF są podatne na błędną lokalizację w pobliżu granicy przestrzeni bodźca. W tym przypadku zaproponowano nową metodę topograficznego szacowania pRF2, która w znacznym stopniu omija te ograniczenia. Model liniowy służy do przewidywania sygnału zależnego od poziomu tlenu we krwi (BOLD) poprzez konwolucję liniowej odpowiedzi pRF na bodziec wzrokowy z kanoniczną funkcją odpowiedzi hemodynamicznej. Topografia PRF jest reprezentowana jako wektor wagowy, którego składowe reprezentują siłę zagregowanej odpowiedzi neuronów wokselowych na bodźce prezentowane w różnych lokalizacjach pola widzenia. Wynikowe równania liniowe można rozwiązać dla wektora wagi pRF za pomocą regresji grzbietowej3, uzyskując topografię pRF. Model pRF, który jest dopasowany do szacowanej topografii, może być następnie wybrany post-hoc, poprawiając w ten sposób oszacowania parametrów pRF, takich jak lokalizacja centrum pRF, orientacja pRF, rozmiar itp. Dostępność topografii pRF pozwala również na wizualną weryfikację oszacowań parametrów pRF, co pozwala na wyodrębnienie różnych właściwości pRF bez konieczności przyjmowania apriorycznych założeń dotyczących struktury pRF. Podejście to może być szczególnie przydatne do badania organizacji pRF u pacjentów z zaburzeniami układu wzrokowego.

Dokładne modelowanie pRF wymaga poprawnego uchwycenia kształtów pRF. Bez znajomości topografii pRF, wybór modeli o symetrii kołowej stosowanych w poprzednich badaniach1,9-11 jest uzasadniony. Wynika to z faktu, że jeśli lokalna organizacja retinotopowa jest jednorodna we wszystkich kierunkach pola widzenia, lokalna odpowiedź populacji może być przedstawiona jako kołowo symetryczny sumaryczny agregat odpowiedzi neuronalnych. Jednak nasze obserwacje wykazują, że nie zawsze jest to prawdą (Rysunek 2</stro...

Ważne jest, aby uzyskać bezstronne szacunki wizualnych pól recepcyjnych populacji (pRF) za pomocą funkcjonalnego rezonansu magnetycznego. Używamy łagodnych ograniczeń regularyzacji do oszacowania topografii pRF bez apriorycznych założeń dotyczących kształtu pRF, co pozwala nam wybrać konkretne modele pRF post hoc. Jest to szczególnie korzystne u osób z uszkodzeniami drogi wzrokowej.

Topograficzne oszacowanie wizualnych pól recepcyjnych populacji za pomocą fMRI

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

Ogólnym celem tej procedury jest oszacowanie dokładnych wizualnych pól recepcyjnych populacji. Osiąga się to poprzez przygotowanie skutecznych i wydajnych bodźców wzrokowych zlokalizowanych w przestrzeni wzrokowej, aby wywołać wyraźną i silną reakcję. Drugim krokiem jest zobrazowanie funkcjonalnej aktywności mózgu z dużą uwagą wzrokową i minimalnymi ruchami oka i głowy.Ostatnim krokiem jest wstępne przetworzenie pozyskanych danych. Ostatecznie, zastosowanie proponowanej metody do modelowania reakcji sygnału FMRI na bodziec wzrokowy pozwala uzyskać topografię populacji wzrokowej, pola recepcyjnego i jego modelu. Główną zaletą tej metody w porównaniu z istniejącą metodą, taką jak metoda bezpośredniego dopasowania, jest to, że nasza metoda, która generalnie wymaga dowolnego wcześniejszego modelu PRF wybranego w celu przygotowania protokołu bodźca, który jest skuteczny w wywoływaniu wiarygodnego tematu siatkówki.Reakcja wizualna pierwszy obecny bodziec paskowy dryfujący po ekranie sekwencyjnie wzdłuż ośmiu kierunków w krokach co 45 stopni zapewnia, że ruch jest zsynchronizowany z akwizycją klatki skanera, tak aby pasek poruszał się o krok. Gdy ramka FMRI rozpocznie się i pozostanie w n

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

Research

JoVE Journal

Behavior

Zachowanie

W niniejszym artykule opisano techniki wykonywania funkcjonalnego obrazowania rezonansu magnetycznego o wysokiej rozdzielczości z próbkowaniem 1,2 mm w obrębie ludzkiego śródmózwia i struktur podkorowych przy użyciu skanera 3T. Jako przykład przedstawiono zastosowanie tych technik do opracowania map topograficznych stymulacji wzrokowej w ludzkim wzgórzu górnym (SC).

Metody funkcjonalnego obrazowania rezonansem magnetycznym o wysokiej rozdzielczości dla ludzkiego śródmózgowia

Opisujemy nowatorskie podejście do jednoczesnej analizy funkcji i struktury mózgu z wykorzystaniem obrazowania rezonansem magnetycznym (MRI). Strukturę mózgu oceniamy za pomocą wysokorozdzielczego obrazowania dyfuzyjnego oraz traktografii włókien istoty białej. W przeciwieństwie do standardowego strukturalnego MRI, techniki te pozwalają nam bezpośrednio powiązać łączność anatomiczną z właściwościami funkcjonalnymi sieci mózgowych.

Współanaliza struktury i funkcji mózgu z wykorzystaniem fMRI oraz obrazowania dyfuzyjnego

Źródło: Galenchik-Chan, A., et al. Funkcjonalny rezonans magnetyczny (fMRI) kory wzrokowej z szerokokątną stymulacją retinotopową. J. Vis. Exp. (2023).  Film przedstawia funkcjonalny rezonans magnetyczny (fMRI) kory wzrokowej w celu mapowania aktywności na podstawie poziomu natlenienia krwi. Strukturalne obrazy MRI są pozyskiwane jako odniesienia anatomiczne, a następnie skany fMRI. Bodźce wzrokowe są wyświetlane w celu aktywacji neuronów retinotopowych w korze wzrokowej. Zwiększone...

Funkcjonalne obrazowanie metodą rezonansu magnetycznego kory wzrokowej w zależności od poziomu tlenu we krwi

Prezentujemy metodę porównywania funkcjonalnej aktywności mózgu zarejestrowanej podczas zadania naturalistycznego przy użyciu fNIRS z aktywnością zarejestrowaną podczas fMRI.

Walidacja fMRI pomiarów fNIRS podczas zadania naturalistycznego

Metoda obrazowania multimodalnego EEG-fMRI, znana jako metoda obrazowania źródła EEG ograniczona czasoprzestrzennie za pomocą fMRI, jest opisana tutaj. Przedstawiona metoda wykorzystuje warunkowo aktywne submapy fMRI lub wcześniejsze mapy, aby pokierować lokalizacją źródła EEG w sposób, który poprawia specyficzność przestrzenną i ogranicza błędne wyniki.

Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej

Przedstawiono szczegółowy protokół do analizy selektywności obiektów neuronów ciemieniowo-czołowych zaangażowanych w transformacje wzrokowo-motoryczne.

Badanie reprezentacji obiektów w grzbietowym strumieniu wzrokowym makaka przy użyciu nagrań jednojednostkowych

Ten artykuł opisuje, jak skonfigurować eksperyment, który pozwala na wykrywanie wpływów na poziomie źródła przed bodźcem na percepcję obiektu za pomocą magnetoencefalografii (MEG). Obejmuje materiał stymulacyjny, projekt eksperymentalny, rejestrację MEG i analizę danych.

Wykrywanie wpływu na percepcję obiektu na poziomie źródła przed bodźcem za pomocą magnetoencefalografii

Prezentujemy metodę jednoczesnego zbierania sygnałów fMRI i fNIRS od tych samych osób z pokryciem fNIRS całej głowy. Protokół został przetestowany na trzech młodych osobach dorosłych i może być dostosowany do zbierania danych do badań rozwojowych i populacji klinicznych.

Jednoczesne zbieranie danych z pomiarów fMRI i fNIRS przy użyciu matrycy optodowej całej głowicy i kanałów o krótkich odległościach

Opracowaliśmy techniki mapowania funkcji kory wzrokowej, wykorzystując więcej pola widzenia niż jest to powszechnie używane. Podejście to może przyczynić się do poprawy oceny zaburzeń widzenia i chorób oczu.

Funkcjonalny rezonans magnetyczny (fMRI) kory wzrokowej z szerokokątną stymulacją retinotopową

Niniejszy artykuł przedstawia zoptymalizowaną procedurę obrazowania neuronalnych substratów stymulacji słuchowej w mózgu ptaka śpiewającego przy użyciu funkcjonalnego obrazowania rezonansem magnetycznym (fMRI). Opisano w nim przygotowanie bodźców dźwiękowych, pozycjonowanie obiektu badawczego oraz akwizycję i późniejszą analizę danych fMRI.

Funkcjonalny obrazowanie rezonansem magnetycznym (fMRI) ze stymulacją słuchową u ptaków śpiewających

Poznaj metodę szacowania topografii populacyjnych pól recepcyjnych wzrokowych przy użyciu fMRI bez uprzednich założeń o kształcie pRF. Technika ta umożliwia dokładne badanie przetwarzania wzrokowego u osób z uszkodzeniami szlaków wzrokowych.

Topograficzne oszacowanie wizualnych pól recepcyjnych populacji za pomocą fMRI

Przeglądaj więcej filmów