Abstract
कोशिकाओं के पड़ोसी आबादी दृश्य क्षेत्र के पड़ोसी भागों को मैप इतना है कि दृश्य प्रांतस्था retinotopically आयोजित किया जाता है। कार्यात्मक चुंबकीय अनुनाद इमेजिंग हमें यानी voxel आधारित जनसंख्या ग्रहणशील क्षेत्रों (PRF), अनुमान लगाने के लिए अनुमति देता है, प्रत्येक voxel के भीतर कोशिकाओं को सक्रिय करता है कि दृश्य क्षेत्र का हिस्सा है। 1) PRF मॉडल एक प्राथमिकताओं चुना जाता है और पूरी तरह से वास्तविक PRF आकार पर कब्जा नहीं कर सकता है, और 2) PRF केन्द्रों प्रोत्साहन अंतरिक्ष की सीमा के पास mislocalization से ग्रस्त हैं: पहले, प्रत्यक्ष, PRF आकलन के तरीकों एक निश्चित सीमाओं से ग्रस्त हैं। यहाँ एक नया स्थलाकृतिक PRF आकलन विधि 2 मोटे तौर पर इन सीमाओं में गतिरोध उत्पन्न कि प्रस्तावित है। एक रेखीय मॉडल विहित hemodynamic प्रतिक्रिया समारोह के साथ दृश्य उत्तेजना को PRF के रैखिक प्रतिक्रिया convolving द्वारा रक्त ऑक्सीजन स्तर पर निर्भर (बोल्ड) संकेत भविष्यवाणी करने के लिए प्रयोग किया जाता है। पीआरएफ स्थलाकृति जिसका घटकों एसटीआर का प्रतिनिधित्व करते हैं एक वजन वेक्टर के रूप में प्रतिनिधित्व किया हैvoxel न्यूरॉन्स की कुल प्रतिक्रिया के ength अलग दृश्य क्षेत्र स्थानों पर प्रस्तुत उत्तेजनाओं को। जिसके परिणामस्वरूप रेखीय समीकरण PRF स्थलाकृति उपज रिज प्रतिगमन 3 का उपयोग PRF वजन वेक्टर, के लिए हल किया जा सकता है। अनुमानित स्थलाकृति के लिए मिलान किया जाता है कि एक PRF मॉडल तो जिससे ऐसी आदि PRF-केन्द्र स्थान, PRF अभिविन्यास, आकार, रूप PRF मापदंडों के अनुमान में सुधार, पोस्ट-हॉक चुना जा सकता है। PRF स्थलाकृति उपलब्ध होने का भी PRF संरचना के बारे में एक प्राथमिकताओं मान्यताओं बनाने के लिए बिना विभिन्न PRF गुणों की निकासी की अनुमति के PRF पैरामीटर अनुमानों के दृश्य सत्यापन की अनुमति देता है। यह दृष्टिकोण दृश्य प्रणाली की बीमारियों के साथ रोगियों की PRF संगठन की जांच के लिए विशेष रूप से उपयोगी हो वादा किया है।
Introduction
कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) (आमतौर पर मिलीमीटर के आदेश पर) गैर invasively एक macroscopic पैमाने पर दृश्य प्रांतस्था के कार्यात्मक संगठन के उपाय। प्रारंभिक fMRI के retinotopy पढ़ाई प्रोत्साहन स्थान के बीच एक जुटना उपाय का इस्तेमाल किया और बोल्ड प्रतिक्रियाओं 4-7 हासिल। इन अध्ययनों में आम तौर पर आबादी ग्रहणशील क्षेत्र आकार का अनुमान नहीं था। बाद में, डुमौलिन और Wandell एक स्पष्ट रूप से, PRF स्थान और आकार मॉडलिंग बोल्ड प्रतिक्रिया की भविष्यवाणी करने के लिए इस मॉडल की एक रैखिक समारोह का उपयोग करके इस तरह के एक सीमा को पार करने के लिए एक विधि का प्रस्ताव रखा। हालांकि, इस अग्रणी विधि की एक सीमा पैरामीट्रिक PRF मॉडल एक प्राथमिकताओं चुना जाना है, और यह उपयुक्त होने के लिए नहीं पता चला है कि अगर गलत PRF अनुमान को जन्म दे सकती है।
पैरामीट्रिक PRF-मॉडल विधि की सीमाओं को पार करने के लिए, नए तरीकों को हाल ही में विकसित किया गया है। इन विधियों सीधे एस बोल्ड प्रतिक्रिया की भविष्यवाणीPRF स्थलाकृति पुनर्गठन द्वारा timulus। ग्रीन और उनके सहयोगियों द्वारा प्रस्तावित विधि 8 व्यक्तिगत -1 डी प्रोत्साहन रिक्त स्थान के लिए बोल्ड प्रतिक्रियाओं के पीछे से पेश करने और एक ठेठ कंप्यूटर टोमोग्राफी तकनीक की तरह 2 डी प्रोत्साहन अंतरिक्ष में PRF स्थलाकृति के निर्माण से PRF स्थलाकृति reconstructs। दूसरी ओर, हमारे द्वारा प्रस्तावित विधि 2 सीधे रेखीय प्रतिगमन का उपयोग कर और एक नियमितीकरण तकनीक को लागू करने से 2D PRF स्थलाकृति का अनुमान है। इस विधि में, PRF स्थलाकृति एक दिया voxel की न्यूरोनल जनसंख्या प्रतिक्रिया अनुमान लगाने के लिए प्रोत्साहन से गुणा किया जाता है, जो वजन का एक सेट के रूप में प्रतिनिधित्व किया है। फिर, उत्तेजना के द्वारा पैदा की अंतिम रक्त ऑक्सीजन का स्तर पर निर्भर (बोल्ड) प्रतिक्रिया न्यूरोनल जनसंख्या प्रतिक्रिया और विहित hemodynamic प्रतिक्रिया समारोह convolving द्वारा अनुमान लगाया गया है। के तहत विवश रैखिक व्यवस्था को हल करने के लिए, साथ ही, रिज प्रतिगमन नियमितीकरण sparseness लागू करने के लिए प्रयोग किया जाता है (चित्रा 1 देखेंबिलो)। नियमितीकरण तकनीक शोर और कलाकृतियों को दबा और इस प्रकार हमारे विधि अधिक मजबूती के साथ PRF स्थलाकृति अनुमान लगाने के लिए अनुमति देता है।
स्थलाकृतिक विधियों वास्तविक PRF संरचना उजागर कर सकते हैं इसलिए एक निश्चित पैरामीट्रिक आकार है PRF आकार के लिए मजबूर है, और नहीं है। एक उपयुक्त पैरामीट्रिक मॉडल तो PRF स्थलाकृति के आधार पर चुना जा सकता है। उदाहरण के लिए, PRF स्थलाकृति PRF केंद्र और चारों ओर अलग करने के लिए, और फिर बाद में PRF केंद्र मॉडलिंग घेर दमन के प्रभाव के रूप में अच्छी तरह से करने के लिए दूर के क्षेत्रों में उत्पन्न होने वाले अन्य संभावित कलाकृतियों के प्रभाव को कम करके और अधिक सटीक हो सकता है इस्तेमाल किया जा सकता है PRF केंद्र। हमने हाल ही में PRF 9 के लिए एक मात्रात्मक हमारे विधि और सीधे कि कई अन्य तरीकों के बीच तुलना (यानी स्थलाकृति का आकलन करने से पहले) गाऊसी एक, isotropic फिट अनिसोट्रोपिक गाऊसी, और isotropic Gaussians के अंतर प्रदर्शन किया है। यह topogr पाया गया किaphy आधारित पद्धति बोल्ड संकेत समय श्रृंखला के विचरण समझाया उच्च प्राप्त करने के द्वारा PRF केन्द्र मॉडलिंग के लिए सम्मान के साथ इन तरीकों से बेहतर प्रदर्शन किया।
विभिन्न क्षेत्रों में PRF गुणों का सही आकलन वे दृश्य क्षेत्र को कवर कैसे पता चलता है और यह दृश्य धारणा से संबंधित है, खासकर के रूप दृश्य प्रांतस्था के कार्यात्मक संगठन की जांच के लिए महत्वपूर्ण है। ऐसी सनक 1,10 और PRF केंद्र के चारों ओर संगठन 9 के साथ PRF आकार में परिवर्तन के साथ-साथ मानव साहित्य में अध्ययन कर रहे हैं कि कैसे के रूप में संपत्ति। PRF स्थलाकृति और अधिक सटीक PRF पैरामीटर मॉडलिंग में परिणाम और अज्ञात regularities प्रकट करने के लिए और अधिक होने की संभावना है का आकलन करने के लिए प्रस्तावित विधि, आसानी से प्रत्यक्ष पैरामीट्रिक मॉडल में एक प्राथमिकताओं मॉडलिंग की नहीं। यह दृष्टिकोण PRF संरचना जरूरी उम्मीद के मुताबिक एक प्राथमिकताओं नहीं है जिनके लिए दृश्य मार्ग घावों के साथ रोगियों में PRF संगठन के अध्ययन के लिए विशेष रूप से उपयुक्त हो जाएगा। नीचे वें अनुमान लगाने के लिए कैसे वर्णन किया गया हैई PRF स्थलाकृति और कैसे PRF केंद्र मॉडल के लिए स्थलाकृति का उपयोग करने के लिए।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. डाटा अधिग्रहण
- पहले से डुमौलिन और Wandell एक और ली एट अल में वर्णित के रूप में एक विश्वसनीय retinotopic दृश्य प्रतिक्रिया जानने में कारगर है कि एक प्रोत्साहन प्रोटोकॉल तैयार करें। 2। हालांकि, अन्य अच्छी तरह से स्थापित मानदंड को संबोधित करने की विशिष्ट प्रयोगात्मक प्रश्न के आधार पर भी लागू होते हैं।
- वर्तमान बार उत्तेजनाओं 45 डिग्री के चरणों में, अंतरिक्ष के आठ दिशाओं के साथ स्क्रीन क्रमिक रूप से भर में बहती। गति बार एक बार में एक कदम एक fMRI के फ्रेम शुरू होता चलता रहता है और फ्रेम समाप्त होता है जब तक नए स्थान पर रहता है तो यह है कि स्कैनर फ्रेम अधिग्रहण (टी.आर. ~ 2 एसईसी) के साथ synchrony में है कि सुनिश्चित करें।
- एक सही आधारभूत संकेत मापने के लिए, बार उत्तेजना एक बिना युगों जोड़ें।
- प्रोत्साहन प्रस्तुत किया है जिस पर दृश्य कोण में देखें (10 त्रिज्या ° से 15) के एक क्षेत्र को परिभाषित करें। वर्तमान चलती या चंचल बिसात पैटर्न (चेकर आकार = 0.94 एक्स 0.94 डिग्री 2, patteपट्टी के भीतर आर.एन. अद्यतन दर = 250 मिसे / पैटर्न) मजबूत दृश्य प्रतिक्रियाओं प्रकाश में लाना।
- इनपुट निम्नलिखित विशिष्ट पैरामीटर: गति के 8 समान स्थान दिशाओं, बार 1.875 डिग्री के बराबर चौड़ाई, और सलाखों के फ्रेम (2 सेकंड) प्रति आधा बार चौड़ाई से चलते हैं। अतिरिक्त विवरण ली एट अल में पाया जा सकता है। 2।
- विषय की आँखों प्रयोग के दौरान fixate जिस पर स्क्रीन के केंद्र में एक स्थान (~ 0.25 °) उत्पन्न करता है। समय में बेतरतीब ढंग से मौके का रंग बदलना।
- 192 फ्रेम अवधि (गति की प्रत्येक दिशा में 24 फ्रेम) है कि एक विशिष्ट गूंज-तलीय-इमेजिंग (महामारी) स्कैन का उपयोग कर एक एमआरआई स्कैनर में एक विषय के मस्तिष्क स्कैन। संकेत करने वाली शोर अनुपात को बढ़ाने के लिए स्कैन 4-8 बार दोहराएँ।
- महामारी दृश्य के लिए निर्धारित मापदंडों इस प्रकार है: टी.आर. = 2 सेकंड, ते = 40 मिसे, मैट्रिक्स आकार = 64 X 64, 28 स्लाइस, voxel आकार = 3 एक्स 3 एक्स 3 मिमी 3, फ्लिप कोण = 90 डिग्री, वैकल्पिक रूप से, दृश्यों लागू एक महीन संकल्प (ई के साथ।जी।, 2 एक्स 2 एक्स 2 मिमी 3) या केवल दृश्य प्रांतस्था दो को कवर करने के लिए एक छोटी टी.आर. (जैसे, 1-1.5 एसईसी)।
- निर्धारण सुनिश्चित करने के लिए कार्यात्मक स्कैन के दौरान एक eyetracker प्रणाली के साथ ट्रैक आँख आंदोलनों निर्धारण बिंदु के 1-1.5 डिग्री के भीतर करने के लिए बनाए रखा है।
नोट: यहाँ, एक आंख मारना प्रणाली में एक सिर समन्वय आधारित eyetracker प्रयोग किया जाता है, लेकिन अन्य उपयुक्त eyetracker सिस्टम के बजाय प्रयोग किया जा सकता है। - कदम 1.3.2 में उत्पन्न स्क्रीन केंद्र मौके पर fixate करने के लिए विषयों के निर्देश दें। विषयों fixating रहे हैं यह सुनिश्चित करने के लिए, निर्धारण स्थान के रंग में परिवर्तन करने के लिए रिपोर्ट उन्हें हिदायत।
- (;, टी.आर. = 1900 मिसे ते = 2.26 मिसे, तिवारी = 900 मिसे, फ्लिप कोण = 9 °, 176 विभाजन जैसे, T1-MPRAGE) 1 एक्स 1 x 1 मिमी 3 संकल्प पर, संरचनात्मक स्कैन प्राप्त करते हैं।
नोट: इन संरचनात्मक स्कैन विभाजन के लिए के रूप में अच्छी तरह से भीतर और स्कैन भर में दोनों शरीर रचना के लिए कार्यात्मक छवियों aligning के लिए इस्तेमाल किया जाएगा। समारोह के बीच बेहतर तालमेल के लिएअल (महामारी) छवियों और शरीर रचना विज्ञान, T1 भारित तेजी से खराब ढाल गूंज (SPGR) अनुक्रम 1 का उपयोग कर, महामारी के समान संकल्प के साथ, यह भी एक inplane शरीर रचना विज्ञान स्कैन प्राप्त करते हैं।
2. डेटा पूर्व प्रसंस्करण
नोट: पहले PRF संपत्तियों का आकलन करने के लिए, कई ठेठ fMRI डेटा पूर्व प्रसंस्करण चरणों में इस तरह के सिर गति सुधार और संरचनात्मक स्कैन करने के लिए कार्यात्मक संस्करणों के संरेखण के रूप में की जरूरत है। इस अनुच्छेद में, प्राप्त परिणामों के सभी पूर्व प्रसंस्करण, आकलन, विश्लेषण और प्रस्तुति विस्टा सॉफ्टवेयर साइट पर उपलब्ध खुला स्रोत MATLAB आधारित सॉफ्टवेयर उपकरण बॉक्स विस्टा प्रयोगशाला का उपयोग कर प्रदर्शन कर रहे हैं। http://white.stanford.edu/newlm/index.php/Main_Page।
- MATLAB में संरचनात्मक स्कैन लोड और createVolAnat नामक एक समारोह का उपयोग कर एक मात्रा शरीर रचना तैयार करते हैं।
- समारोह "ItkGray" का उपयोग सेगमेंट ग्रे बात, व्हाइट बात है, और सीएसएफ।
- DICOM परिवर्तित करके कार्यात्मक डेटा तैयार है (यानी (यानी, मानक कार्यात्मक एमआरआई फ़ाइल स्वरूप) फ़ाइलें और लोड डेटा फ़ाइलों में।
- सही सिर गति एक affine मैट्रिक्स परिवर्तन के आधार पर rxAlign का उपयोग कर कदम 2.1 में लोड शरीर रचना के लिए कार्यात्मक छवियों को संरेखित और।
- MrVISTA विश्लेषण TimeSeries औसत tSeries क्लिक करके संकेत करने वाली शोर अनुपात में सुधार लाने के लिए औसत कार्यात्मक गति को सही स्कैन। आँख आंदोलनों 1-1.5 डिग्री से भी अधिक नियतन से भटक के दौरान जो औसत के स्कैन से बाहर निकालें। विभिन्न रन से संकेत डीसी drifts के हटाने के बाद अलग डीसी drifts, औसत कार्यात्मक स्कैन किया है।
- मानचित्रण कार्यात्मक स्कैन और ग्रे मैटर के बीच निर्देशांक की गणना और निम्न मेनू का चयन करके कार्यात्मक स्कैन में इसी ग्रे-बात voxels की पहचान: mrVISTA खिड़की खुली ग्रे 3-दृश्य विंडो। विकल्पों में से एक को चुनने, प्रक्षेप द्वारा ग्रे बात voxels में बोल्ड संकेतों निरुपित एकmrVISTA में vailable।
PRF स्थलाकृति और पैरामीट्रिक मॉडलिंग की 3. आकलन
- नीचे दिए गए लिंक के माध्यम से कोड फ़ाइलों को डाउनलोड करें: https://sites.google.com/site/leesangkyun/prf/codes.zip, संकुचित फ़ाइल निकालने के लिए और स्थानीय कंप्यूटर की एक पसंदीदा स्थान में उन्हें जगह है। MATLAB में फ़ोल्डर का पथ जोड़ें।
- MrVISTA विश्लेषण retinotopic मॉडल निर्धारित मापदंडों: निम्न मेनू का चयन करके प्रयोग में इस्तेमाल प्रोत्साहन मापदंडों सेट करें। प्रोत्साहन छवियों, प्रोत्साहन आकार, विहित hemodynamic समारोह, fMRI स्कैनर के फ्रेम दर के रूप में इस तरह के निम्न पैरामीटर निर्दिष्ट करें।
- PRF आकलन करने से पहले, प्रारंभिक पैरामीटर सेट (चित्रा 1 बी) तैयार करते हैं।
- कोड फाइलों से "tprf_set_params.m" में पार सत्यापन सेट सेट करें। फूट डालो कम से कम दो कैंपेन्स timeseries (परीक्षण के लिए एक सेट और प्रशिक्षण के लिए शेष सेट) बार स्वी करने के लिए पर्याप्त लंबे होते हैंपी पूरे प्रोत्साहन अंतरिक्ष। वैकल्पिक रूप से, 2.4 चरण में स्कैन के औसत के बिना परीक्षण के लिए एक स्कैन से बाहर जा रही है और प्रशिक्षण के लिए शेष स्कैन का उपयोग करके स्कैन मान्य।
- एक मोटे पैरामीटर सेट (चित्रा 1 में λ; λ = [10 -2 10 -1 1 10 1 10 2]) "tprf_set_params.m" में। फिर, "tprf_set_params.m" में एक ठीक पैमाने रेंज ([0.1 0.3 0.5 0.7 0.9 1 से 3 5 से 7 9]) की स्थापना की।
नोट: कार्यक्रम उच्चतम समझाया विचरण में जिसके परिणामस्वरूप λ का चयन करने के लिए सेट मोटे उपयोग करता है। फिर, कार्यक्रम आगे उच्चतम समझाया विचरण कि पैदावार λ के चयन को परिष्कृत, ठीक पैमाने रेंज का उपयोग कर चयनित λ के आसपास की जगह को खोजता है। - "Tprf_set_params.m" में नेत्रहीन उत्तरदायी voxels के लिए समझाया विचरण की एक सीमा (0.2) निर्धारित करें।
नोट: इस दहलीज नेत्रहीन उत्तरदायी voxels के चयन के लिए संदर्भ के रूप में प्रयोग किया जाता है। वैकल्पिक रूप से, एक बनाएक गैर नेत्रहीन उत्तरदायी क्षेत्र के लिए रॉय (उदाहरण के लिए, एक गैर नेत्रहीन उत्तरदायी मस्तिष्क क्षेत्र में एक सेमी की त्रिज्या के साथ एक क्षेत्र ड्राइंग द्वारा) दहलीज स्वचालित रूप से गणना की जा सकती है, जहां। - "Tprf_set_params.m" में सामान्यीकृत स्थलाकृति में PRF केंद्र क्षेत्र को परिभाषित करने के लिए थ्रेसहोल्ड ([0.3, 0.5, 0.7]) के एक सेट (यानी, [0-1] या [-1 करने के लिए 1] बार उत्तेजना के बिना epochs के साथ कदम 1.3.1 में)।
नोट: थ्रेसहोल्ड के सेट से उपलब्ध कराए गए कार्यक्रम PRF केंद्र मॉडल सबसे बड़ा संकेत विचरण बताते हैं, जिसके लिए एक PRF मध्य क्षेत्र को परिभाषित करता है कि दहलीज यानी, "सबसे अच्छा" सीमा का चयन करता है। वैकल्पिक रूप से, स्थलाकृति की विशेषताओं के आधार पर दहलीज मूल्यों का एक अलग सेट का चयन करें।
- "Tprf_runpRFest.m" PRF स्थलाकृति की गणना (चित्रा 1) निष्पादित और 2 डी अनिसोट्रोपिक गाऊसी फिट बैठते हैं। इस प्रोटोकॉल में वर्णित सभी मापदंडों निर्दिष्ट करने के बाद, औरकोड चल रहा है, अंतिम आकलन के परिणाम प्राप्त करते हैं।
चित्रा 1: पीआरएफ आकलन प्रक्रिया। (ए) की प्रक्रिया के योजनाबद्ध चित्र PRF स्थलाकृति के आकलन के लिए पीछा किया ज (टी):। PRF स्थलाकृति के आकलन के लिए एल 2-आदर्श नियमितीकरण (बी) के विशेष कदम: hemodynamic प्रतिक्रिया समारोह, एक (टी): प्रोत्साहन, एम: PRF, रेग। और PRF केंद्र मॉडलिंग। आकलन के लिए आवश्यक मापदंडों के सेट प्रत्येक चरण में सूचीबद्ध है। स्थलाकृति और अपने मॉडल की एक आयामी खंड सचित्र हैं। के तहत "मॉडल फिटिंग", काले और लाल घटता स्थलाकृति और क्रमश: 0.5 का एक केंद्र सीमा के साथ अपने PRF केंद्र मॉडल का प्रतिनिधित्व करते हैं। नीले धराशायी लाइन PRF के लिए एक सीमा से इंगित करता हैकेन्द्रीय क्षेत्र।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
सटीक PRF मॉडलिंग सही ढंग से PRF आकार पर कब्जा करने की आवश्यकता है। PRF स्थलाकृति जानने के बिना, पूर्व के अध्ययन 1,9-11 में इस्तेमाल चक्राकार सममित मॉडल के चयन के लिए एक उचित विकल्प है। स्थानीय retinotopic संगठन दृश्य क्षेत्र के सभी दिशाओं में सजातीय है, तो एक स्थानीय आबादी प्रतिक्रिया न्यूरोनल प्रतिक्रियाओं का एक चक्राकार सममित संचयी कुल के रूप में प्रतिनिधित्व किया जा सकता है, क्योंकि यह है। हालांकि, हमारी टिप्पणियों यह जरूरी मामला (चित्रा 2) नहीं है कि प्रदर्शित करता है। इसलिए, PRF स्थलाकृति का अवलोकन एक PRF मॉडल के लिए एक उपयुक्त पैरामीट्रिक समारोह के चयन के लिए महत्वपूर्ण हो सकता है। इस PRF स्थलाकृति का एक फायदा है, और इसलिए स्थलाकृति आधारित मॉडल उच्चतर में आम तौर पर है, जिसके परिणामस्वरूप PRF केंद्र मॉडलिंग में प्रत्यक्ष रूप से फिट isotropic गाऊसी मॉडल मात विचरण (चित्रा 2 समझाया;। ली एट अल देख दो अन्य के साथ अतिरिक्त तुलना के लिए मॉडल)। इन उदाहरणों से पहले मॉडल फिटिंग के लिए PRF स्थलाकृति का आकलन का लाभ प्रदर्शित करता है।
चित्रा 2: PRF केंद्र मॉडलों की PRF स्थलाकृति आकलन और फिट के उदाहरण (ए) एक ठेठ PRF स्थलाकृति।। स्थलाकृति में, लाल रंग PRF केन्द्र बीच सही क्षैतिज मध्याह्न पर पड़ी है जो दिखाता है सबसे संवेदनशील क्षेत्र है, संकेत करता है। PRF स्थलाकृति में, कम वजन के साथ PRF केंद्र संरचना भर में बार पैटर्न भी कभी कभी मनाया जाता है। इस PRF केंद्र के माध्यम से गुजर बार एपर्चर के साथ इस क्षेत्र में भी PRF केंद्र के साथ एक साथ प्रेरित है कि इस तथ्य से संबंधित है। । वे आसानी से thresholding चरण में समाप्त हो जाते हैं (बी) पिछले एक विधि के बीच तुलना (डीआईजी, सीधे-फिट isotropic गाऊसी) एक और स्थलाकृति आधारित PRF केन्द्र आधुनिक विपणनएल (टी मॉडल)। समझाया विचरण की इसी प्रतिशत प्रत्येक मॉडल से ऊपर दिखाया गया है। टी मॉडल उच्च और अधिक सटीक PRF आकार को पकड़ने के साथ, सभी उदाहरणों में विचरण समझाया दिखा। अधिक जानकारी के लिए और अतिरिक्त उदाहरण के लिए ली एट अल। 2 देखें।
एक महत्वपूर्ण आवश्यकता इस्तेमाल किया fMRI के प्रतिमान अच्छा retinotopy डेटा प्रदान करता है कि यह सुनिश्चित करने के लिए है। तब PRF स्थलाकृति विधि retinotopic सनक और दिगंश नक्शे (चित्रा 3) का अनुमान किया जा सकता है। इन मानचित्रों पिछले विधियों 1,4-7 के रूप में इसी तरह की बुनियादी retinotopic वास्तुकला दिखाने के लिए, लेकिन PRF स्थलाकृति का अवलोकन हमें बेहतर चारों ओर से और संभावित शोर या PRF केंद्र के लिए दूर कलाकृतियों से PRF केंद्र को अलग करने की अनुमति देता है, क्योंकि वे अधिक सटीक हैं। यह अन्य बातों के अलावा, उच्च सनकीपन पर retinotopic नक्शे का बेहतर आकलन में परिणाम (मनाया मतभेद का एक विस्तृत ब्यौरा ली एट अल में पाया जा सकता है। 2)।
चित्रा 3: retinotopic नक्शे और PRF आकार एक विषय के बाएँ गोलार्द्ध में (ए) सिड़ और ध्रुवीय कोण नक्शे।। सीएस कैल्केराइन परिखा इंगित करता है। चित्रा की सही पैनल में, काले सर्किल जिसका PRF voxel चित्रा 4 में लिया जाता है में सचित्र है, जिसमें से एक क्षेत्र के हित (आरओआई) इंगित करता है। PRF आकार और सनक के बीच (बी) के संबंध। PRF आकार दृश्य क्षेत्रों V1-3 में सनक के साथ बढ़ जाती है। इस साजिश (ए) से ली गई है।
स्थलाकृति आधारित मॉडल (टी मॉडल) विधि कई अलग अलग पैरामीट्रिक मॉडल का परीक्षण करने के लिए बिना, इस तरह के PRF आकार, बढ़ाव, अभिविन्यास, और कुशलता से घेर दमन के रूप में विभिन्न PRF गुणों का अनुमान किया जा सकता है। ऐसी संपत्तियों के दृश्य की सहायता करने के लिए, एक MATLAB समारोह (tprf_plotpRF.m) PRF स्थलाकृति, इसी PRF केंद्र मॉडल है, और कच्चे बोल्ड संकेत करने के लिए उनके फिट (चित्रा 4) भूखंडों कि प्रदान की जाती है। कुछ मामलों में, PRF गुण भी PRF मॉडलिंग के लिए आवश्यकता को नष्ट करने, स्थलाकृति से सीधे अनुमान लगाया जा सकता है कि ध्यान दें।
चित्रा 4: लेखकों द्वारा विकसित MATLAB के उपकरण बॉक्स का प्रदर्शन। इस साजिश में एक उपयोगकर्ता द्वारा चयनित एक voxel के PRF स्थलाकृति और इसी PRF मॉडल फिट दिखाता है। सचित्र voxel चित्रा 3A में दिखाया गया आरओआई से चुना गया था कच्चे:। वास्तविक बोल्ड प्रतिक्रिया, pred टी: PRF स्थलाकृति के साथ भविष्यवाणी, pred एम: भविष्यवाणी PRF केंद्र पैरामीट्रिक मॉडल के साथ।1fig4highres.jpg "लक्ष्य =" _blank "> इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
Subscription Required. Please recommend JoVE to your librarian.
Discussion
यह लेख मानव दृश्य प्रांतस्था और कैसे ग्रहणशील क्षेत्र के लिए एक उपयुक्त पैरामीट्रिक मॉडल का चयन करने के लिए इसका इस्तेमाल करने में दृश्य आबादी ग्रहणशील क्षेत्रों की स्थलाकृति का अनुमान लगाने के लिए दर्शाता। एक सफल retinotopy के लिए, एक उपयुक्त उत्तेजना प्रोटोकॉल और एक कुशल विश्लेषण विधि का चयन किया जाना चाहिए, और इस विषय की प्रयोगात्मक मानकों (गति और नियतन) अनुकूलित किया जाना चाहिए। यह अलग प्रोत्साहन स्थानों से अलग बोल्ड प्रतिक्रियाएं उत्पन्न करता है के रूप में दृश्य क्षेत्र भर में क्रमिक रूप से आगे बढ़ बार उत्तेजनाओं PRF आकलन के लिए एक कुशल प्रोत्साहन प्रतिमान हैं। प्रदान की विधि PRF स्थलाकृति निर्माण करती है। PRF आकलन की समस्या के तहत निर्धारित आम तौर पर होता है, रिज प्रतिगमन 3 नामक एक गणितीय उपकरण PRF वजन समाधान पर sparseness की उचित बाधा लागू करने के लिए प्रयोग किया जाता है। इस नियमितीकरण तकनीक PRF मॉडल का आकलन करने में बहुत प्रभावी है जब टिप्पणियों की संख्या (समय बिंदुबोल्ड संकेत के ओं) उत्तेजना के स्थानिक आयाम को कवर पिक्सेल की संख्या की तुलना में काफी छोटा होता है।
इस विधि पिछले विधियों से PRF केंद्र की अधिक मजबूत आकलन प्रदान करता है। इस के लिए कई कारण हैं: 1) यह तो पहले खंडों PRF स्थलाकृति से PRF मध्य क्षेत्र और PRF से दूर संभावित PRF मॉडल को प्रभावित कर सकते हैं कि पूर्वाग्रहों प्रत्यक्ष मॉडल में फिट बैठता है (यानी चारों ओर दमन या शोर कलाकृतियों से परहेज, एक उपयुक्त मॉडल फिट बैठता है केंद्र)। 2) स्थलाकृति नेत्रहीन एक व्यवस्थित त्रुटियों को उजागर करने के लिए अंतिम मॉडल फिट का प्रदर्शन, साथ ही 3) अन्यथा नहीं चल पाता जा सकता है कि PRF संरचना की विशेषताओं का पता लगाने की संभावना को मान्य करने का अवसर देता निरीक्षण करने की क्षमता होना। 4) फिटिंग क्षेत्र में बाधा करके, इस मॉडल को गलत ढंग से प्रत्यक्ष रूप से फिट मॉडल (चित्रा 2B देखें) की तुलना में उत्तेजना प्रस्तुति की सीमा के अंदर PRF नक्शा करने के लिए कम होने की संभावना है। कोई नहींtheless, एक यूजर को प्रस्तावित पद्धति का भी सही ढंग से उत्तेजना की सीमा के पास PRF आकार पर कब्जा करने के लिए सीमाएँ हैं कि बारे में पता होना चाहिए। इस सीमा के पास बार उत्तेजनाओं जिसका PRF केंद्र आमतौर पर उत्तेजना प्रस्तुति क्षेत्र के बाहर होगा voxels से संबंधित आंशिक ग्रहणशील क्षेत्रों को सक्रिय है कि इस तथ्य के कारण है। कोई ग्रहणशील क्षेत्र मानचित्रण विधि इस समस्या का विषय हो सकता है और यह पूरी तरह से पूरा करने के लिए मैप किया गया है कि ग्रहणशील क्षेत्र के केंद्र के हिस्से से एक्सट्रपलेशन कर सकते हैं जब तक कि सीमा पर एक रिश्तेदार शिखर दिखा सकते हैं। हमारे विधि स्पष्ट रूप से प्रोत्साहन प्रस्तुति सीमा के निकट है कि झूठ pRFs के केंद्र के लिए दूरी overestimate करने के लिए जाते हैं, जो प्रत्यक्ष-ढाले विधियों 1,9, की तुलना में ज्यादा सटीक है, कहा है कि (ली एट अल के आंकड़े 5 और 6 को देखें। 2 के लिए अधिक विस्तार)।
चर्चा की, एक मजबूत PRF स्थलाकृति ख कर सकते हैं, जो मुक्त नियमितीकरण पैरामीटर, λ (चित्रा 1), पर निर्भर करता है के निर्माण के लिएई अलग-अलग व्यक्ति voxels के अनुकूलित किया है, या सभी voxels भर में एक आम पैरामीटर के रूप में। नियमितीकरण पैरामीटर फिटिंग की हद (अधिक फिटिंग या के तहत फिटिंग) के लिए डेटा का समायोजन करके PRF स्थलाकृति को प्रभावित करती है। एक छोटे से λ वास्तविक PRF की तुलना में शोर PRF topographies (यानी, ओवर-ढाले) की ओर जाता है, वहीं एक बड़ी λ दृश्य प्रतिक्रियाओं को दबा है और इस प्रकार (यानी, के तहत ढाले) वास्तविक PRF आकार द्वारा उचित और अधिक से अधिक प्रसार topographies में परिणाम। इष्टतम लैम्ब्डा के चुनाव में सफल PRF आकलन के लिए महत्वपूर्ण है। हम डेटा के विभिन्न कैंपेन्स में λ का अनुमान है और एक पार सत्यापन रणनीति का प्रयोग कर इन अनुमानों का मूल्यांकन किया। इस PRF स्थलाकृति आकलन में पूर्वाग्रहों को कम करता है। संभावित अवशिष्ट पूर्वाग्रहों आगे विभिन्न स्थलाकृति थ्रेसहोल्ड उच्चतम समझाया विचरण में यह परिणाम है कि एक का चयन करने के लिए तलाश रहे हैं जहां PRF केंद्र मॉडलिंग कदम है, में कम कर रहे हैं (ली एट अल देखें। 2)।
फाईnally, प्रस्तावित स्थलाकृति दृष्टिकोण computationally कुशल है। PRF के आकलन, इष्टतम नियमितीकरण पैरामीटर λ ढूँढने सहित सभी voxels, पर topographies एक पीसी वातावरण में केवल कुछ ही मिनट लगते हैं। इस कदम पर नेत्रहीन अनुत्तरदायी voxels की पहचान आगे दक्षता में सुधार, PRF-केन्द्र मॉडलिंग के अधिक computationally की मांग कदम से उन्हें शामिल नहीं है। शायद अधिक महत्वपूर्ण बात, जांचकर्ताओं को अब वे PRF स्थलाकृति द्वारा उपयुक्त मॉडल को चुनने के लिए निर्देशित किया जा सकता है, के बाद से अच्छी तरह से फिट बैठता है खोजने के लिए कई अलग अलग PRF मॉडल का परीक्षण करने की जरूरत है।
इस प्रोटोकॉल में प्रदर्शन विधि आबादी ग्रहणशील क्षेत्र स्थलाकृति उपायों और जनसंख्या ग्रहणशील क्षेत्र मॉडलिंग मार्गदर्शन करने के लिए इसे इस्तेमाल करता है। यह दृष्टिकोण और अधिक मजबूत और सटीक PRF का अनुमान है, जिसके परिणामस्वरूप में प्रत्यक्ष आबादी ग्रहणशील क्षेत्र मानचित्रण विधियों में मौजूद पूर्वाग्रह कम कर देता है। यह भी व्यवस्थित त्रुटियों को कम करता है और कार्यात्मक अंग अध्ययन करने के लिए हमें की अनुमति देता हैउच्च संवेदनशीलता के साथ दृश्य प्रांतस्था की ization। यह दृश्य रास्ते के घावों के साथ विषयों के मामले में विशेष रूप से लागू होता है, जिस में PRF संरचना एक प्राथमिकताओं की आशा करने के लिए आसान नहीं हो सकता।
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/ |
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. , 2nd edn, Springer. (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).
