Summary

Topographische Schätzung von Visual Bevölkerung rezeptiven Felder von fMRI

Published: February 03, 2015
doi:

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

Sehrinde wird retinotop organisiert, so dass benachbarte Populationen von Zellen abzubilden, um benachbarte Teile des Gesichtsfeldes. Funktionelle Magnetresonanz-Bildgebung ermöglicht uns voxelbasierten Population rezeptiven Felder (PRF), dh zu schätzen, der Teil des Sichtfeldes, die die Zellen innerhalb jedes Voxel aktiviert. Vor, direkt, pRF Schätzmethoden 1 leiden unter gewissen Einschränkungen: 1) die pRF Modell ist a priori gewählt und können die tatsächlichen pRF Form nicht vollständig zu erfassen, und 2) pRF Zentren sind anfällig für Fehllokalisation der Nähe der Grenze des Stimulus Raum. Hier eine neue topographische pRF Schätzmethode 2 wird vorgeschlagen, die weitgehend umgeht diese Einschränkungen. Ein lineares Modell verwendet, um den Blutsauerstoffpegel-abhängiger (BOLD) Signal durch Faltung des linearen Antwort des pRF zur visuellen Stimulus mit der kanonischen hämodynamischen Antwortfunktion vorherzusagen. PRF Topographie wird als Gewichtsvektor, dessen Komponenten die str vertretenength der Gesamtreaktion der Voxel-Neuronen zu unterschiedlichen Gesichtsfeld Standorten präsentiert Reize. Die daraus resultierenden linearen Gleichungen können für die pRF Gewichtsvektor mit Firstregressions 3, was das pRF Topographie gelöst werden. Ein pRF Modell, das dem geschätzten Topographie angepassten können dann Post-hoc gewählt werden, so die Schätzungen der pRF Parameter wie pRF Stadtlage, pRF Ausrichtung, Größe, etc. zu verbessern. Mit der pRF Topographie vorhanden ermöglicht auch die visuelle Überprüfung der pRF Parameterschätzungen ermöglicht die Extraktion von verschiedenen pRF Eigenschaften, ohne a priori Annahmen über die pRF Struktur zu machen. Dieser Ansatz verspricht besonders nützlich für die Untersuchung der pRF Organisation von Patienten mit Störungen des visuellen Systems zu sein.

Introduction

Die funktionelle Magnetresonanztomographie (fMRT) misst nicht-invasiv die funktionelle Organisation des visuellen Kortex auf makroskopischer Ebene (in der Regel in der Größenordnung von Millimetern). Frühe fMRI Retinotopie Studien eine Kohärenzmaßes zwischen Reiz Lage und löste BOLD Antworten 4-7. Diese Studien in der Regel nicht zu schätzen Bevölkerung rezeptiven Feld Größe. Später, Dumoulin und Wandell 1 ein Verfahren vorgeschlagen, eine solche Beschränkung durch die explizite Modellierung der pRF Lage und Größe, mit einer linearen Funktion des Modells, das BOLD Antwort vorhersagen zu überwinden. Allerdings ist eine Beschränkung dieser bahnbrechenden Verfahren, dass die parametrische pRF Modell muss a priori gewählt werden und kann zu fehlerhaften pRF schätzt, wenn sich herausstellt, nicht angemessen.

Um Einschränkungen des parametrischen pRF-Modell-Methode zu überwinden, wurden neue Methoden vor kurzem entwickelt worden. Diese Methoden direkt sagen die BOLD Antwort auf die stimulus durch die Rekonstruktion der PRF-Topographie. Ein von Greene und Kollegen vorgeschlagene Methode 8 rekonstruiert die pRF Topographie durch Rückprojektion der BOLD-Antworten auf die einzelnen 1D Reiz Flächen und den Bau der pRF Topographie in der 2D-Stimulus Raum wie ein typischer Computer-Tomographie-Technik. Andererseits ist die von uns vorgeschlagene Verfahren 2 direkt schätzt den 2D pRF Topographie unter Verwendung linearer Regression und Anlegen einer Regularisierung Technik. In diesem Verfahren wird die PRF Topographie als ein Satz von Gewichten, die durch den Stimulus, multipliziert wird, um den neuronalen Population Antwort eines gegebenen Voxels Abschätzung dargestellt. Dann wird der endgültige Sauerstoffgehalt des Blutes-Dependent (fett) Reaktion des Stimulus hervorgerufen durch Faltung des neuronalen Population Antwort und die kanonische hämodynamischen Antwortfunktion geschätzt. Um die unter beschränkte Linearsystem zu lösen, zusätzlich Firstregressions Regularisierung wird zur Kargheit durchzusetzen (siehe Abbildung 1unten). Die Regularisierung Technik unterdrückt Rauschen und Artefakte und ermöglicht unsere Methode, um die Topographie pRF robuster zu schätzen.

Die topographischen Methoden nicht pRF Form zu zwingen, eine bestimmte parametrische Form haben, und kann daher die tatsächliche pRF Struktur aufzudecken. Eine geeignete parametrische Modell kann dann auf der Basis der Topographie pRF gewählt werden. Beispielsweise kann die pRF Topographie verwendet, um die pRF Center- und Surround trennen, und dann können die anschließende pRF Zentrum Modellierung genauer zu sein, mit minimalem Einfluss von Surround-Unterdrückung sowie den Einfluss von anderen potenziellen Artefakte, die sich in Bereichen entfernt, um die werden pRF Zentrum. Wir haben vor kurzem durchgeführt, einen quantitativen Vergleich zwischen unseren Verfahren und verschiedene andere Verfahren, die direkt (dh vor der Schätzung der Topographie) fit isotropen Gaußschen 1, anisotrope Gaußsche und Differenz von isotropen Gauß an die pRF 9. Es wurde, dass der topogr gefundenO S-basierte Methode besser als diese Methoden im Hinblick auf pRF Zentrum Modellierung durch das Erreichen höherer erklärte Varianz des BOLD-Signal Zeitreihen.

Genaue Schätzung pRF Eigenschaften in verschiedenen Bereichen zeigt, wie sie das Sichtfeld abdecken, und ist wichtig für die Untersuchung der funktionellen Organisation des visuellen Kortex insbesondere in Bezug auf die visuelle Wahrnehmung. Eigenschaften wie, wie pRF Größenänderungen mit Exzentrizität 1,10 und pRF Surround-Center-Organisation 9 sind in der menschlichen Literatur studierte. Das vorgeschlagene Verfahren zum Schätzen der pRF Topographie führt zu genaueren pRF Parameter Modellierung und eher unbekannten Gesetzmäßigkeiten offenbaren, nicht leicht in den Direkt parametrischer Modelle modelliert a-priori. Dieser Ansatz wird besonders für das Studium pRF Organisation bei Patienten mit Sehbahnläsionen, für die pRF Struktur ist nicht unbedingt vorhersehbar a priori sein. Im Folgenden wird beschrieben, wie man schätzen, the pRF Topographie und wie man die Topographie verwenden, um die pRF Zentrum zu modellieren.

Protocol

1. Datenerfassung Bereiten Sie einen Stimulus-Protokoll, das wirksam bei der Auslösung einer zuverlässigen retinotope visuelle Antwort wie zuvor in Dumoulin und Wandell 1 und Lee et al ist. 2. Jedoch sind auch andere etablierte Paradigmen auch anwendbar in Abhängigkeit von der spezifischen experimentellen Fragen angesprochen werden. Präsentieren bar Reize driften über den Bildschirm nacheinander entlang 8 Richtungen des Raumes, in Schritten von 45 Grad. Stellen Si…

Representative Results

Genaue pRF Modellierung erfordert korrekt erfassen pRF Formen. Ohne Kenntnis der pRF Topographie, die Auswahl der kreissymmetrische Modelle in früheren Studien verwendet 1,9-11 ist eine vernünftige Wahl. Dies ist, weil, wenn die lokale retinotopic Organisation ist in allen Richtungen des Gesichtsfeldes homogen, könnte eine lokale Bevölkerung Antwort als eine kreissymmetrische kumulativen Summe von neuronalen Antworten dargestellt werden. Jedoch haben unsere Beobachtungen zeigen, dass dies nicht unbedingt …

Discussion

Dieser Artikel beschreibt, wie die Topographie der visuellen Bevölkerung rezeptiven Felder im menschlichen visuellen Kortex und wie man es benutzt, um eine geeignete parametrisches Modell für die rezeptiven Feld auswählen zu schätzen. Für eine erfolgreiche Retinotopie sollte eine geeignete Stimulationsprotokoll und eine effiziente Analyseverfahren ausgewählt werden, und Versuchsparameter des Subjekts (Bewegung und Fixierung) optimiert werden. Bar Reize Ablauf eines ganzen Gesichtsfeld sind eine effiziente Anregung…

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

  1. Dumoulin, S. O., Wandell, B. A. Population receptive field estimates in human visual cortex. Neuroimage. 39, 647-660 (2008).
  2. 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).
  3. Hastie, T., Tibshirani, R., Friedman, J. H. . The elements of statistical learning : data mining, inference, and prediction. , (2009).
  4. Sereno, M. I., et al. Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging. Science. 268, 889-893 (1995).
  5. 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).
  6. Engel, S. A., et al. fMRI of human visual cortex. Nature. 369, 525 (1994).
  7. 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).
  8. 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).
  9. Zuiderbaan, W., Harvey, B. M., Dumoulin, S. O. Modeling center-surround configurations in population receptive fields using fMRI. J Vis. , (2012).
  10. 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).
  11. Haak, K. V., Cornelissen, F. W., Morland, A. B. Population receptive field dynamics in human visual cortex. PLoS One. 7, e37686 (2012).

Play Video

Cite This Article
Lee, S., Papanikolaou, A., Keliris, G. A., Smirnakis, S. M. Topographical Estimation of Visual Population Receptive Fields by fMRI. J. Vis. Exp. (96), e51811, doi:10.3791/51811 (2015).

View Video