Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Behavior

הערכה טופוגרפית של אוכלוסייה החזותית פתוחים שדות ידי fMRI

doi: 10.3791/51811 Published: February 3, 2015

Abstract

קליפת ראייה מאורגנת retinotopically כך שאוכלוסיות של התאים שכנים המפה לחלקים שכנים של שדה הראייה. הדמיה בתהודה מגנטית תפקודית מאפשרת לנו להעריך שדות מבוססי voxel אוכלוסייה פתוחים (PRF), כלומר, החלק משדה הראייה שמפעיל את התאים בתוך כל voxel. לפני, שיטות ישירות, PRF הערכת 1 סובלות ממגבלות מסוימות: 1) מודל PRF נבחר א-פריורי וייתכן שלא ללכוד את צורת PRF בפועל באופן מלא, ו -2) מרכזי PRF נוטים mislocalization בסמוך לגבול של מרחב הגירוי. הנה שיטה חדשה טופוגרפית PRF הערכת 2 מוצע כי במידה רבה עוקפת את המגבלות הללו. מודל ליניארי משמש כדי לחזות את אות חמצן בדם רמה-תלויה (BOLD) על ידי convolving התגובה ליניארית של PRF לגירוי החזותי עם פונקצית התגובה המודינמית הקנונים. הטופוגרפיה PRF מיוצגת כוקטור משקל רכיבים שמייצגים את strength של התגובה הכוללת של תאי עצב voxel לגירויים שהוצג במקומות שונים בשדה ראייה. משוואות לינאריות וכתוצאה מכך ניתן לפתור עבור וקטור PRF במשקל באמצעות רכס רגרסיה 3, מניב הטופוגרפיה PRF. מודל PRF שמותאם להעריך את הטופוגרפיה ואז ניתן לבחור פוסט הוק-, ובכך לשפר את אומדני הפרמטרים PRF כגון מיקום PRF-מרכז, נטייה PRF, גודל, וכו '. לאחר הטופוגרפיה PRF זמינה גם מאפשר אימות ויזואלי של אומדני פרמטרי PRF מאפשרים המיצוי של מאפייני PRF שונים מבלי לעשות הנחות א-פריורי על מבנה PRF. גישה זו מבטיחה להיות שימושי במיוחד לחקירת ארגון PRF של חולים עם הפרעות של מערכת הראייה.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

הדמיה בתהודה מגנטית תפקודית (fMRI) מודדת הלא פולשני הארגון הפונקציונלי של קליפת מוח החזותית בקנה מידת מאקרוסקופי (בדרך כלל בסדר הגודל של מילימטרים). מחקרי fMRI retinotopy מוקדמים משמשים מדד לכידות בין מיקום גירוי ועוררו תגובות BOLD 4-7. מחקרים אלה בדרך כלל לא להעריך את גודל שדה פתוח אוכלוסייה. מאוחר יותר, דומולן ו1 Wandell הציעו שיטה להתגבר על מגבלה כזו על ידי במפורש דוגמנות מיקום PRF וגודל, תוך שימוש בפונקציה ליניארית של מודל זה כדי לחזות את תגובת BOLD. עם זאת, מגבלה אחת של שיטה חלוצית זו היא שמודל PRF פרמטרית יש לבחור א-פריורי, ועלול להוביל לPRF שגוי מעריך אם יתברר שלא להיות מתאים.

כדי להתגבר על מגבלות של שיטת PRF-מודל פרמטרים, שיטות חדשות פותחו לאחרונה. שיטות אלה ישירות לחזות את תגובת BOLD ליםtimulus ידי בנייה מחדש את הטופוגרפיה PRF. שיטה 8 שהוצעה על ידי גרין ועמיתים משחזרת את הטופוגרפיה PRF על ידי גב מקרין תגובות BOLD לחללי גירוי 1D פרט ובניית הטופוגרפיה PRF במרחב גירוי 2D כמו טכניקת טומוגרפיה מחשב טיפוסית. מצד השני, בשיטה 2 שהוצעה על ידי אלינו ישירות מעריכה את הטופוגרפיה 2D PRF באמצעות רגרסיה ליניארית ויישום טכניקת הסדרה. בשיטה זו, הטופוגרפיה PRF מיוצגת כמערכת של משקולות שמוכפלת בגירוי להעריך את תגובת האוכלוסייה העצבית של voxel נתון. לאחר מכן, התשובה הסופית חמצן בדם הרמה-תלויה (BOLD) שמעוררת הגירוי מוערכת על ידי convolving תגובת האוכלוסייה העצבית ותפקוד התגובה המודינמית הקנונים. על מנת לפתור את המערכת ליניארית-מוגבל תחת, בנוסף, הסדרת רגרסיה הרכס משמשת לאכיפת דלילות (ראה איור 1להלן). טכניקת ההסדרה מדכאת רעש וחפצים ובכך מאפשרת השיטה שלנו להעריך את הטופוגרפיה PRF יותר וחסונה.

השיטות טופוגרפיות לא מכריחות את צורת PRF יש צורה פרמטרית מסוימת, ולכן יכול לחשוף את מבנה PRF בפועל. אז יכול להיות שנבחר מודל פרמטרים מתאים בהתאם לטופוגרפית PRF. לדוגמא, הטופוגרפיה PRF ניתן להשתמש כדי להפריד את מרכז PRF ולהקיף, ולאחר מכן דוגמנות מרכז PRF שלאחר מכן יכולה להיות מדויקת יותר על ידי צמצום ההשפעה של דיכוי היקפי, כמו גם את השפעתם של חפצים פוטנציאליים אחרים שמקורם באזורים מרוחקים ל מרכז PRF. לאחרונה ביצעו השוואת כמותית בין השיטה שלנו וכמה שיטות אחרות באופן ישיר (כלומר לפני הערכת הטופוגרפיה) אנאיזוטרופיים גאוס כושר איזוטרופיים 1 גאוס, והבדל של Gaussians איזוטרופיים לPRF 9. נמצא כי topogrשיטה מבוססת aphy ביצועים טובים יותר בשיטות אלה ביחס למודלי מרכז PRF ידי השגת גבוהה יותר שונות מוסברת של סדרת BOLD זמן אות.

הערכה מדויקת של נכסי PRF בתחומים שונים מגלה כיצד הם מכסים את שדה הראייה וחשוב לחקירת הארגון הפונקציונלי של קליפת המוח החזותית בפרט בכל קשורים לתפיסה חזותית. מאפיינים כגון כיצד גודל PRF שינויים עם אקסצנטריות 1,10 וPRF ארגון להקיף מרכז 9 נלמדים היטב בספרות האנושית. השיטה המוצעת להערכת תוצאות PRF הטופוגרפיה בדוגמנות פרמטר PRF מדויקת יותר וסביר יותר כדי לחשוף סדירויות לא ידועות, לא בקלות דגם א-פריורי במודלים פרמטריים הישירים. גישה זו תהיה מתאימה במיוחד ללימוד ארגון PRF בחולים עם נגעי מסלול חזותי, שעבורם מבנה PRF הוא לא בהכרח א-פריורי לחיזוי. להלן מתואר כיצד להעריך הטופוגרפיה דואר PRF וכיצד להשתמש בטופוגרפית מודל מרכז PRF.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. Data Acquisition

  1. הכן פרוטוקול גירוי כי הוא יעיל בלעורר תגובה חזותית retinotopic אמינה כפי שתואר לעיל ובדומולן 1 Wandell ואל לי האח. 2. עם זאת, פרדיגמות מבוססות היטב אחרות חלות גם בהתאם לשאלת הניסוי הספציפית לטיפול.
  2. גירויי מתנת בר החולפים ברצף המסך לאורך 8 כיוונים של מרחב, בצעדים של 45 מעלות. ודא שהתנועה היא בתיאום עם רכישת מסגרת סורק (TR ~ 2 שניות), כך שהבר נע צעד פעם מתחילה מסגרת fMRI ונשאר במיקום החדש עד המסגרת מסתיימת.
  3. כדי למדוד אות בסיס נכונה, להוסיף תקופות ללא גירוי בר 1.
    1. מגדיר שדה הראייה (10 עד 15 מעלות רדיוס) בזווית ראייה אשר לגירוי מוצג. מרגש בהווה או בדפוסי שחמט מהבהבים (גודל בודק = 0.94 x 0.94 מעלות 2, patteשיעור rn עדכון = 250 אלפיות שני / דפוס) בבר לעורר תגובה ויזואלית חזקה.
    2. הפרמטרים הקלט הבאים הספציפיים: 8 כיוונים מחולק באופן שווה של תנועה, בר רוחב שווה ל1.875 מעלות, וברים לנוע בחצי רוחב הפס לכל מסגרת (2 שניות). ניתן למצוא פרטים נוספים באל לי האח. 2.
    3. צור נקודה (~ 0.25 מעלות) במרכז המסך שבו העיניים של הנושא לקבע במהלך הניסוי. לשנות את הצבע של הנקודה אקראית בזמן.
  4. סריקת המוח של נושא בסורק MRI באמצעות סריקת הד מישורי הדמיה אופיינית (EPI) שיש לו משך 192 מסגרות (24 מסגרות בכל כיוון התנועה). חזור על הסריקות 4-8 פעמים כדי להגדיל את יחס אות לרעש.
  5. פרמטרים שנקבעו לרצף EPI כדלקמן: = 2 שניות, TE = 40 אלפיות שנייה, גודל מטריצה ​​= 64 64, 28 פרוסות, גודל voxel = 3 x 3 x 3 מ"מ 3 זווית שני, TR x = 90 °, לחלופין, חלים רצפים עם רזולוציה עדינה יותר (ה.ז., 2 x 2 x 2 מ"מ 3) או TR קצר (למשל, סעיף 1-1.5) מכסה רק החזותית 2 קליפה.
  6. תנועות עיני מסלול עם מערכת eyetracker במהלך הסריקות fMRI כדי להבטיח קיבוע נשמר עד למרחק של 1-1.5 מעלות של נקודת הקיבעון.
    הערה: כאן, משמשת eyetracker לתאם ראש מבוסס במערכת המשקפיים, אך ניתן להשתמש בי מערכות eyetracker המתאים אחרות במקום.
  7. להורות לנושאים לקבע את המקום במרכז המסך שנוצר בשלב 1.3.2. כדי להבטיח את הנבדקים להתקבע, להדריך אותם לדווח על השינויים בצבע של נקודת הקיבעון.
  8. להשיג סריקות אנטומיים, ב1 x 1 x 1 מ"מ 3 רזולוציה (למשל, T1-MPRAGE; TR = 1,900 אלפיות שני, TE = 2.26 אלפית שניים, TI = 900 אלפיות שניים, זווית להעיף = 9 מעלות, 176 מחיצות).
    הערה: סריקות אנטומיים אלה ישמשו לפילוח כמו גם ליישור התמונות התפקודיות לאנטומיה הן בתוך ועל פני סריקות. להתאמה טובה יותר בין הפונקציהאל (EPI) תמונות ואנטומיה, לקבל גם סריקת האנטומיה inplane, עם רזולוציה זהה לEPI, באמצעות רצף משוקלל T1 הד שיפוע מהיר מפונק (SPGR) 1.

טרום עיבוד 2. נתונים

הערה: לפני הערכת נכסי PRF, יש צורך בכמה צעדים מראש עיבוד נתונים fMRI טיפוסיים, כגון תיקון תנועת הראש ויישור של כרכים פונקציונליים לסריקה אנטומיים. במאמר זה, כל העיבוד מראש, ההערכה, הניתוח וההצגה של תוצאות שהושגו מבוצעים באמצעות הקוד הפתוח LAB VISTA ארגז הכלים מבוססי תוכנת MATLAB זמין באתר תוכנת VISTA. http://white.stanford.edu/newlm/index.php/Main_Page.

  1. טען את סריקת אנטומי לMATLAB ולהכין האנטומיה עוצמת קול באמצעות פונקציה שנקראת createVolAnat.
  2. עניין מגזר גריי, חומר לבן, וCSF באמצעות הפונקציה "ItkGray".
  3. הכן נתונים תפקודיים על ידי המרת DICOM (כלומר (כלומר, פורמט קובץ MRI הפונקציונלי סטנדרטי) קבצים, ונתוני עומס לVISTA באמצעות פונקציה שנקראת mrInit.
  4. ראש תנועה נכונה וליישר תמונות תפקודיות לאנטומיה שנטענה בשלב 2.1 באמצעות rxAlign מבוסס על שינוי מטריצת affine.
  5. סריקות ממוצעת פונקציונליות-תיקן תנועה לשיפור יחס אות לרעש על ידי לחיצה mrVISTA ניתוח TimeSeries הממוצעת tSeries. לא לכלול בסריקות בממוצע שבמהלכו תנועות עיניים חורגת מקיבעון יותר מ 1-1.5 מעלות. אם יש לי אותות מריצות שונות dc-מרחף שונה, סריקות תפקודיות ממוצעת לאחר הסרת dc-המרחף.
  6. לחשב את מיפוי התיאום בין סריקות פונקציונליות וחומר אפור ולזהות voxels חומר אפור מקבילים בסריקות התפקודיות על ידי בחירה בתפריטים הבאים: mrVISTA החלון הפתוח גריי 3-View Window. הקצאת אותות BOLD בvoxels החומר האפור על ידי ביון, בחירה באחת מהאפשרויותvailable בmrVISTA.

3. הערכת PRF הטופוגרפיה ומודלים פרמטריים

  1. הורד את קבצי הקוד באמצעות הקישור הבא: https://sites.google.com/site/leesangkyun/prf/codes.zip, לחלץ את הקובץ הדחוס ולמקם אותם במיקום מועדף של המחשב המקומי. הוסף את הנתיב של התיקייה בMATLAB.
  2. הגדר את הפרמטרים גירוי המשמשים בניסוי על ידי בחירה בתפריטים הבאים: mrVISTA ניתוח הפרמטרים שנקבעו דגם Retinotopic. ציין את הפרמטרים הבאים כגון תמונות גירוי, גודל הגירוי, פונקצית hemodynamic הקנונית, במסגרת השיעור של סורק fMRI.
  3. לפני הערכת PRF, להכין את ערכות הראשוניות פרמטר (איור 1).
    1. הגדר את סטי אימות הצולבת ב" tprf_set_params.m "מהקבצים הקוד. timeseries Divide לפחות לשתי תת-קבוצות (סט אחד לבדיקה והסטים שנותרו לאימון), כי הם מספיק זמן לבר לסוויp מרחב הגירוי כולו. לחלופין, ללא ממוצע סריקות בשלב 2.4, לאמת סריקות על ידי השארת את הסריקה אחת לבדיקה והשימוש בסריקות שנותרו לאימון.
    2. להגדיר סט פרמטר גס (λ באיור 1; λ = [10 -2 10 -1 1 1 10 10 2]) ב" tprf_set_params.m ". ואז, להגדיר טווח קנס בקנה מידה ([0.1 0.3 0.5 0.7 0.9 1 3 5 7 9]) ב" tprf_set_params.m ".
      הערה: התכנית משתמשת הגסה להגדיר כדי לבחור λ וכתוצאה מכך השונות המוסבר הגבוהה ביותר. לאחר מכן, התכנית מחפשת בחלל סביב λ נבחר באמצעות מגוון סולם הקנס, שיפור הבחירה של λ כי תשואות שונות המוסבר הגבוהה ביותר נוסף.
    3. להגדיר סף (0.2) של השונות מוסברות לvoxels חזותי מגיבים ב" tprf_set_params.m ".
      הערה: סף זה משמש כהתייחסות לבחירה של voxels חזותי תגובה. לחלופין, לעשותהחזר על השקעה עבור הלא חזותי-אזור תגובה (למשל, על ידי ציור מעגל עם רדיוס של 1 סנטימטר שבאינה מבחינה ויזואלית אזור במוח מגיב), שבו הסף ניתן לחשב באופן אוטומטי.
    4. להגדיר סט של ספים ([0.3, 0.5, 0.7]) להגדרת אזור מרכז PRF בטופוגרפיה המנורמלת ב" tprf_set_params.m "(כלומר, [0-1] או [-1 עד 1] עם תקופות ללא גירוי בר בשלב 1.3.1).
      הערה: מהסט של ספי התכנית סיפקה בוחרת את הסף "הטוב ביותר", כלומר הסף שמגדיר את אזור מרכז PRF שלמודל מרכז PRF מסביר את שונות אות הגדולות. לחלופין, לבחור סט של ערכי סף בהתאם למאפיינים של הטופוגרפיה שונה.
  4. הוצאת להורג "tprf_runpRFest.m" לחשב את הטופוגרפיה PRF (איור 1) ולהתאים גאוס אנאיזוטרופיים 2D. בסיום קביעה כל הפרמטרים שתוארו בפרוטוקול זה, ומפעיל את הקוד, להשיג את התוצאות אמידות הסופיות.

איור 1
איור 1: תהליך הערכת PRF. (א) איור סכמטי של התהליך ואחרי להערכת הטופוגרפיה PRF h (t):. פונקצית תגובה המודינמית, (t): גירוי, מ ': PRF, רג:. הסדרת L2-נורמה (B) צעדים ספציפיים להערכת הטופוגרפיה PRF ודוגמנות מרכז PRF. הסט של פרמטרים הנדרשים להערכת מפורט בכל שלב. סעיף חד-ממדי של טופוגרפיה והמודל שלה בא לידי ביטוי. תחת עקומות "התאמת מודל", שחורות ואדום מייצגות את הטופוגרפיה ומודל מרכז PRF עם סף מרכז של 0.5, בהתאמה. הקו המקווקו הכחול מציין סף לPRFאזור מרכז.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

דוגמנות PRF מדויקת דורשת לכידת צורות PRF בצורה נכונה. בלי לדעת את הטופוגרפיה PRF, מבחר דגמים סימטריים מעגלי המשמש במחקרים קודמים 1,9-11 היא בחירה הגיונית. סיבה לכך הוא, אם ארגון retinotopic המקומי הוא הומוגנית בכל הכיוונים של שדה ראייה, תגובת אוכלוסייה מקומית יכולה להיות מיוצגת ככוללת מצטבר סימטרית מעגלית של תגובות עצביות. עם זאת, התצפיות שלנו מראות כי זה לא בהכרח המקרה (איור 2). לכן, התבוננות בטופוגרפית PRF יכולה להיות קריטית לבחירת פונקציה פרמטרית מתאימה למודל PRF. זהו יתרון של הטופוגרפיה PRF, וכן המודלים מבוססי הטופוגרפיה להכות דגמי גאוס איזוטרופיים ישירים בכושר בדוגמנות מרכז PRF, וכתוצאה מכך בדרך כלל בהסבר של שונות גבוהות יותר (איור 2;. תראה לי אל et 2 להשוואות נוספות עם אחרים דגמים). דוגמאות אלה ממחישות את היתרון של הערכת הטופוגרפיה PRF לפני הולם את המודל.

איור 2
איור 2: דוגמאות להערכת PRF טופוגרפיה והתאמה של מודלים מרכז PRF () טופוגרפיה PRF טיפוסית.. בטופוגרפיה, צבע אדום מציין את האזור הרגיש ביותר, אשר מציג את מרכז PRF שוכב על מרידיאן האופקי תקין האמצע. בטופוגרפיה PRF, דפוסי בר על פני מבנה מרכז PRF עם משקולות נמוכות גם לפעמים שנצפו. זה מתייחס לעובדה כי האזור לאורך צמצם בר עובר דרך מרכז PRF גם מגורה בו-זמנית עם מרכז PRF. . הם חיסלו בקלות בשלב thresholding (B) השוואה בין שיטה קודמת (DIG; גאוס איזוטרופיים ישיר לנכון) 1 וmod מרכז PRF מבוסס טופוגרפיהאל (T-מודל). אחוזים המקבילים של שונות המוסברות מוצגים לעיל כל דגם. T-מודלים להראות גבוה יותר שונות מוסברים בכל דוגמאות, עם לכידת צורת PRF מדויקת יותר. ראה לי et al. 2 לפרטים ודוגמאות נוספות יותר.

דרישה חשובה אחת היא להבטיח כי הפרדיגמה fMRI משמשת מספקת נתונים retinotopy טובים. אז שיטת הטופוגרפיה PRF ניתן להשתמש כדי להעריך האקסצנטרי retinotopic ומפות אזימוט (איור 3). מפות אלו מראות ארכיטקטורת retinotopic בסיסית דומה לשיטות קודמות 1,4-7, אבל הם מדויקים יותר, כי התבוננות בטופוגרפית PRF מאפשרת לנו להפריד את מרכז PRF טוב יותר מלהקיף ומרעש או חפצים רחוקים למרכז PRF פוטנציאליים. זה, בין השאר, (ניתן למצוא תיאור מפורט של ההבדלים שנצפו באל לי האח. 2) תוצאות להערכת טובה יותר של מפות retinotopic במוזרויות גבוהות.

איור 3
איור 3: מפות Retinotopic וPRF גודל מפות אקסצנטריות () וזווית קוטבית באונה השמאלית של נושא.. CS מציין מענית calcarine. בחלונית הימנית של איור, העיגול השחור מציין (ROI) לאזור של האינטרס שממנו voxel שPRF מתואר באיור 4 נלקח. מערכת יחסים (B) בין גודל PRF ואקסצנטרי. גודל PRF עולה עם אקסצנטריות באזורים החזותיים V1-3. עלילה זו נמשכת מ().

המודל המבוסס על הטופוגרפיה שיטה (T-המודל) יכולה לשמש כדי להעריך מאפייני PRF שונים כגון גודל PRF, התארכות, אורינטציה, ודיכוי היקפי ביעילות, מבלי לבחון מודלים פרמטריים רבים ושונים. כדי לסייע להדמיה של נכסים כאלה, MATLAB פונקציה (tprf_plotpRF.m) נקבעה כי מגרשים הטופוגרפיה PRF, מודל המרכז המקביל PRF, ו לנכון את אות BOLD הגלם (איור 4). שים לב כי בחלק ממקרים, מאפייני PRF יכולים גם להיות מוערכים ישירות מהטופוגרפיה, ומבטל את הצורך בדוגמנות PRF.

איור 4
איור 4: הפגנה של ארגז הכלים MATLAB שפותחו על ידי החוקרים. עלילה זו מציגה את הטופוגרפיה PRF והתאמת מודל מתאים PRF של voxel נבחר על ידי משתמש. Voxel המאויר נבחר מההחזר על ההשקעה שמוצגת באיור 3 א גלם:. תגובת BOLD בפועל, pred t: חיזוי עם הטופוגרפיה PRF, PRED דקות: חיזוי עם מודל פרמטרי מרכז PRF."Target =" 1fig4highres.jpg _ blank "> לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

מאמר זה מדגים כיצד להעריך את הטופוגרפיה של שדות פתוחים אוכלוסייה חזותיות בראייה אנושית וכיצד להשתמש בו כדי לבחור מודל פרמטרים מתאים לשדה פתוח קליפה. לretinotopy מוצלח, פרוטוקול גירוי מתאים ושיטת ניתוח יעילה יש לבחור, והפרמטרים של הנושא הניסיוניים (תנועה וקיבעון) צריכים להיות מותאמים. גירויי בר נעו ברצף על פני השדה החזותי הם הפרדיגמה גירוי יעילה להערכת PRF כפי שהוא מייצר תגובות BOLD להבדיל ממקומות גירוי מובחנים. השיטה ניתנת בונה הטופוגרפיה PRF. מאז הבעיה של הערכת PRF היא בדרך כלל שנקבע ב, כלי מתמטי הנקרא רכס רגרסיה 3 משמש לאכיפת המגבלה סבירה של דלילות על פתרון משקל PRF. טכניקת הסדרה זו היא יעילה מאוד באמידת מודל PRF כאשר מספר התצפיות (נקודת זמןים של אות BOLD) קטן משמעותי ממספר הפיקסלים המכסים את הממד המרחבי של הגירוי.

שיטה זו מספקת הערכה חזקה יותר של מרכז PRF יותר משיטות קודמות. ישנן מספר סיבות לכך: 1) זה הקטעים הראשונים אזור מרכז PRF מטופוגרפית PRF ולאחר מכן מתאים מודל מתאים, הימנעות הטיות פוטנציאליות שעלולה להשפיע על מודל PRF מתאים בדגמים ישירים (ממצא דיכוי היקפי או רעש כלומר רחוק מPRF במרכז). 2) יש את היכולת לבדוק את הטופוגרפיה חזותית נותנת את האפשרות לאמת את הביצועים של התאמת המודל הסופית לחשוף טעויות שיטתיות, כמו גם 3) את האפשרות לזיהוי תכונות של מבנה PRF שאחרת עשויה שלא להתגלות. 4) על ידי הגבלת השטח המתאים, מודל זה הוא פחות סביר כדי למפות את PRF בתוך הגבול של מצגת גירוי בהשוואה שגויה לדגמים בכושר ישירים (ראה איור 2). אף אחדtheless, משתמש צריך להיות מודע לכך שהשיטה המוצעת יש גם מגבלות לבמדויק לכידת צורת PRF ליד גבול הגירוי. זאת בשל העובדה כי בסמוך לגבול גירויי בר להפעיל שדות פתוחים חלקיים המשתייכים לvoxels PRF שמרכז יהיה בדרך כלל להיות מחוץ לאזור מצגת גירוי. כל שיטת מיפוי שדה פתוחה תהיה כפופה לבעיה זו ולהראות שיא יחסי בגבול, אלא אם כן הוא יכול להסיק בצורה מושלמת מחלק ממרכז השדה פתוח שמפעיל את כל. אחרי שאמר את זה, השיטה שלנו היא מדויקת יותר מאשר שיטות הולמות ישירות 1.9, אשר נוטות להפריז בהערכת המרחק למרכז pRFs הנמצאים בסמוך לגבול מצגת גירוי ניכר (ראה איורים 5 ו -6 של אל Lee et. 2 ל פרטים נוספים).

כפי שנאמר, כדי לבנות טופוגרפיה PRF חזקה תלויה בפרמטר החופשי ההסדרה, λ (איור 1), אשר יכול בדואר מותאם בנפרד של voxels הבודדים, או כפרמטר משותף לכל voxels. פרמטר ההסדרה משפיע טופוגרפיה PRF על ידי התאמת נתונים (מעל הולם או תת-הולם) למידה ראויה. בעוד λ קטן מוביל לטופוגרפיות PRF רועשות (כלומר, לגוף מעלה) בהשוואה לPRF בפועל, λ גדול מדכא תגובות חזותיות ובכך לגרום ליותר טופוגרפיות התפשטות מ מוצדק על ידי גודל PRF בפועל (כלומר, לגוף מתחת). בחירה של מבדה האופטימלית היא חיונית להערכת PRF מוצלחת. הערכנו λ של בקבוצות משנה שונות של נתונים והערכנו אומדנים אלה משתמשים באסטרטגית אימות צולבת. זה ממזער הטיות בהערכת הטופוגרפיה PRF. הטיות שייר פוטנציאליות מצטמצמות עוד יותר בשלב דוגמנות מרכז PRF, שבו סף טופוגרפיה שונה נחקר כדי לבחור אחד כי תוצאות השונות המוסבר הגבוהה ביותר (ראה אל Lee et. 2).

Fiלבסוף, גישת הטופוגרפיה המוצעת היא יעיל המחשוב. הערכת PRF טופוגרפיות על כל voxels, כולל מציאת λ פרמטר הסדרה האופטימלי, לוקחת רק כמה דקות בסביבת מחשב. זיהוי voxels חזותי שאינם מגיבים בשלב זה אינו כולל אותם מהצעד נוסף המחשוב התובעני של דוגמנות PRF-מרכז, שיפור יעילות נוסף. אולי חשוב יותר, חוקרים כבר לא צריכים לבחון מודלים שונים PRF מרובים כדי למצוא אחד שמתאים גם, שכן הם יכולים להיות מודרכים בבחירת המודל המתאים על ידי הטופוגרפיה PRF.

השיטה הוכיחה בפרוטוקול זה מודדת טופוגרפיה שדה פתוחה אוכלוסייה ומשתמשת בו כדי להנחות דוגמנות שדה פתוחה אוכלוסייה. גישה זו מפחיתה את ההטיה הנוכחית בשיטות מיפוי שדה פתוחים אוכלוסייה ישירה, וכתוצאה מכך הערכות PRF יותר חזקות ומדויקות. הוא גם מפחית טעויות שיטתיות ומאפשר לנו ללמוד את האיבר התפקודילמען אזרוח קליפת המוח הראייתית ברגישות גבוהה יותר. זה ישים במיוחד במקרה של נבדקים עם נגעים של המסלולים החזותיים, שבמבנה PRF עשוי להיות לא קל לחזות א-פריורי.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
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/

DOWNLOAD MATERIALS LIST

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. 2nd edn, Springer. (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).
הערכה טופוגרפית של אוכלוסייה החזותית פתוחים שדות ידי fMRI
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

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).More

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).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter