Topografisk Uppskattningen av Visual Befolkning receptiva fält av fMRI
Summary
It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.
Abstract
Syncentrum är retinotopically organiserade så att angränsande populationer av celler avbildas till angränsande delar av synfältet. Funktionell magnetisk resonanstomografi tillåter oss att uppskatta voxel baserad populationsreceptiva fält (PRF), det vill säga den del av synfältet som aktiverar cellerna inom varje voxel. Prior, direkta, PRF skattningsmetoder 1 lider vissa begränsningar: 1) den pRF modellen väljs ett-priori och kan inte helt fånga den verkliga pRF form och 2) PRF centra är benägna att mislocalization nära gränsen till den stimulans utrymmet. Här en ny topografisk pRF beräkningsmetod 2 föreslås att till stor del kringgår dessa begränsningar. En linjär modell används för att förutsäga blodsyrenivåberoende signal (fetstil) genom att falta det linjära svaret av pRF till den visuella stimulus med den kanoniska hemodynamiska svarsfunktionen. PRF topografi representeras som en viktvektor vars komponenter representerar strength av det sammanlagda svaret av voxel nervceller till stimulans som presenteras vid olika synfältsplatser. De resulte linjära ekvationer kan lösas för pRF viktvektorn använder ås regression 3, vilket ger pRF topografi. En pRF modell som är anpassad till den uppskattade topografin kan sedan väljas post hoc och därmed förbättra uppskattningarna av PRF parametrar såsom pRF-centrum plats, pRF orientering, storlek, osv. Att ha pRF topografi tillgängliga även tillåter visuell verifiering av PRF parameterskattningar möjliggör utvinning av olika PRF egenskaper utan att behöva göra en aprioriska antaganden om pRF strukturen. Detta tillvägagångssätt ser ut att bli särskilt användbar för att undersöka pRF organisationen av patienter med sjukdomar i det visuella systemet.
Introduction
Funktionell magnetisk resonanstomografi (fMRI) mäter icke-invasivt den funktionella organisation syncentrum vid makroskopisk skala (vanligtvis i storleksordningen millimeter). Tidiga fMRI retinotopy studier använt en koherensmått mellan stimulans plats och framkallade BOLD svar 4-7. Dessa studier vanligtvis inte uppskatta befolkningen mottaglig fältstorlek. Senare Dumoulin och Wandell en föreslagit en metod för att övervinna en sådan begränsning genom att uttryckligen modellering pRF läge och storlek, med användning av en linjär funktion av denna modell för att förutsäga den BOLD respons. Dock är en begränsning av denna banbrytande metod som den parametriska pRF modellen måste väljas en-priori, och kan leda till felaktiga pRF uppskattar om det visar sig inte vara lämplig.
För att övervinna begränsningarna hos den parametriska pRF-modell metod, har nya metoder utvecklats nyligen. Dessa metoder direkt förutspå BOLD svar på stimulus genom att rekonstruera pRF topografi. En metod 8 föreslagits av Greene och kollegor rekonstruerar pRF topografi med back-projicera BOLD svaren på de enskilda 1D stimulans utrymmen och bygga pRF topografin i 2D stimulans utrymmet som en typisk datortomografi teknik. Å andra sidan, varvid förfarandet 2 som föreslagits av oss uppskattar direkt 2D pRF topografi med hjälp av linjär regression och tillämpa ett legaliseringsteknik. I denna metod är den pRF topografi representeras som en uppsättning vikter som multipliceras med stimulansen för att uppskatta den neuronala populationen svaret hos en given voxel. Därefter slut Blood Oxygen nivåberoende (BOLD) svar framkallas av den stimulans uppskattas genom faltning den neuronala befolkningen respons och den kanoniska hemodynamiska svarsfunktion. För att lösa det under-begränsade linjärt system, dessutom är ås regressions regularisering användas för att verkställa gleshet (se figur 1nedan). Regleringen Tekniken dämpar buller och artefakter och därmed gör att vår metod för att uppskatta pRF topografi mer robust.
De topografiska metoder inte tvinga pRF form för att ha en viss parametrisk form och därför kan avslöja den verkliga pRF strukturen. En lämplig parametrisk modell kan sedan väljas baserat på pRF topografi. Till exempel kan den pRF topografi användas för att separera pRF center och surround, och sedan den efterföljande pRF centrum modellering kan vara mer exakt genom att minimera påverkan av surround förtryck samt påverkan av andra potentiella artefakter som uppstår i områden avlägsna den pRF centrum. Vi har nyligen utfört en kvantitativ jämförelse mellan vår metod och flera andra metoder som direkt (dvs. innan uppskatta topografin) passform isotrop Gaussisk 1, anisotropisk Gauss, och skillnaden i isotrop Gaussians till pRF 9. Man fann att den topography baserad metod överträffade dessa metoder med avseende på pRF center modellering genom att uppnå högre förklarade varians BOLD signal tidsserier.
Noggrann uppskattning av PRF fastigheter i olika områden avslöjar hur de täcker synfältet och är viktigt för att undersöka den funktionella organisation syncentrum särskilt som det avser visuell perception. Egenskaper som hur pRF storlek ändras med excentricitet 1,10 och pRF center surroundorganisation 9 är väl studerat i människo litteraturen. Den föreslagna metoden för att uppskatta PRF topografi ger mer exakt pRF parameter modellering och är mer sannolikt att avslöja okända regelbunden, inte lätt modelleras a-priori i de direkta parametriska modeller. Detta tillvägagångssätt kommer att vara särskilt lämpad för att studera pRF organisation hos patienter med visuell pathway lesioner, för vilka pRF struktur är inte nödvändigtvis förutsägbar a-priori. Nedan beskrivs hur man kan uppskatta the pRF topografi och hur man använder topografin för att modellera pRF centrum.
Protocol
Representative Results
Discussion
Den här artikeln visar hur du uppskatta topografi visuella befolkningsreceptiva fält i människans syncentrum och hur man använder den för att välja en lämplig parametrisk modell för receptiva fält. För en lyckad retinotopy, bör väljas en lämplig stimulering protokoll och en effektiv analysmetod, och ämnets experimentella parametrar (rörelse- och fixerings) bör optimeras. Bar stimuli flyttar sekventiellt över synfältet är en effektiv stimulans paradigm för pRF uppskattning eftersom den genererar disti…
Disclosures
The authors have nothing to disclose.
Acknowledgements
We thank the VISTA software group (Brian Wandell and associates, at Stanford).
S. S. was supported by McNair 2280403105,NEI R01-EY109272, and NEI R01-EY024019 and as HHMI Early Carrer Award. A. P. and G. K. was supported by the Max-Planck Society, G. K. was supported by the PLASTICISE project of the 7th Framework Programme of the European Commission, Contract no. HEATH-F2-2009-223524.
Materials
| Name of Equipment/Software | Company/Provider | Web address | |
| MRI scanner | Siemens/Philips/GE | ||
| MATLAB | The Mathworks, Inc. | http://www.mathworks.com | |
| VISTA software | VISTA software group | http://white.stanford.edu/newlm/index.php/Software | |
| PsychoToolbox | PsychoToolbox | http://psychtoolbox.org | |
| Eye Tracker(VisuaStimDigital) | Resonance Technology Inc | http://mrivideo.com/ |
References
- Dumoulin, S. O., Wandell, B. A. Population receptive field estimates in human visual cortex. Neuroimage. 39, 647-660 (2008).
- Lee, S., Papanikolaou, A., Logothetis, N. K., Smirnakis, S. M., Keliris, G. A. A new method for estimating population receptive field topography in visual cortex. Neuroimage. 81, 144-157 (2013).
- Hastie, T., Tibshirani, R., Friedman, J. H. . The elements of statistical learning : data mining, inference, and prediction. , (2009).
- Sereno, M. I., et al. Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging. Science. 268, 889-893 (1995).
- Engel, S. A., Glover, G. H., Wandell, B. A. Retinotopic organization in human visual cortex and the spatial precision of functional MRI. Cereb Cortex. 7, 181-192 (1997).
- Engel, S. A., et al. fMRI of human visual cortex. Nature. 369, 525 (1994).
- DeYoe, E. A., et al. Mapping striate and extrastriate visual areas in human cerebral cortex. Proc Natl Acad Sci U S A. 93, 2382-2386 (1996).
- Greene, C. A., Dumoulin, S. O., Harvey, B. M., Ress, D. Measurement of population receptive fields in human early visual cortex using back-projection tomography. J Vis. , (2014).
- Zuiderbaan, W., Harvey, B. M., Dumoulin, S. O. Modeling center-surround configurations in population receptive fields using fMRI. J Vis. , (2012).
- Harvey, B. M., Dumoulin, S. O. The relationship between cortical magnification factor and population receptive field size in human visual cortex: constancies in cortical architecture. J Neurosci. 31, 13604-13612 (2011).
- Haak, K. V., Cornelissen, F. W., Morland, A. B. Population receptive field dynamics in human visual cortex. PLoS One. 7, e37686 (2012).
