Waiting
Login processing...

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

Behavior

fMRIのことで視覚人口受容野の地形の推定

doi: 10.3791/51811 Published: February 3, 2015

Abstract

細胞の隣接集団が視野の近隣の部分にマップされるように視覚野はretinotopically構成されています。機能的磁気共鳴画像は、私たちは、ボクセルベースの人口受容野(PRF)、 すなわち 、各ボクセル内の細胞を活性化し、視野の一部を推定することができます。 1)PRFモデルが事前に選択され、完全に実際のPRF形状をキャプチャしないこと、および2)PRFセンターが刺激スペースの国境近くの誤局在する傾向がある:前に、直接、PRF推定方法1は、一定の制限を受ける。ここで新たな地形PRF推定方法2は、主に、これらの制限を回避することが提案されている。線形モデルは、標準的な血行動態応答関数と視覚刺激に対するPRFの線形応答を畳み込むことにより血液酸素レベル依存(BOLD)信号を予測するために使用される。 PRF地形は、成分がSTRを表す重みベクトルとして表現さ​​れる別の視野の場所で発表刺激に対するボクセルニューロンの集合体応答のength。得られた一次方程式は、PRFトポグラフィを得、リッジ回帰3を使用してPRFウェイトベクトルについて解くことができる。推定トポグラフィーに一致するPRFモデルは、それによってそのような PRF-中心位置、PRFの向き、サイズ、PRFパラメータの推定値を改善する、事後選択することができる。 PRF地形が利用可能持つこともPRF構造に関する先験的仮定を加えることなく、様々なPRFの特性の抽出を可能にするのPRFパラメータ推定値を視覚的に確認することができます。このアプローチは、視覚系の障害を有する患者のPRF組織を調査するために特に有用であることを約束。

Introduction

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

機能的磁気共鳴画像法(fMRI)対策巨視的スケールで視覚皮質の非侵襲的に機能的な組織(典型的にはミリメートルのオーダー)。早期のfMRIレチノトピー研究は、刺激位置間のコヒーレンス測定値を使用し、BOLD応答4-7を誘発た。これらの研究は、一般的に人口受容野の大きさを推定しませんでした。以降、デュムランとWandell 1 BOLD応答を予測するために、このモデルの線形関数を使用して、明示的にPRFの位置とサイズをモデル化することによってこのような制限を克服するための方法を提案した。しかし、この先駆的な方法の一つの限界は、パラメトリックPRFモデルが事前に選択されなければならない、及び誤ったPRFにつながる可能性が適切でないと判明した場合を推定することである

パラメトリックPRF-モデル法の限界を克服するために、新しい方法が開発されている。これらのメソッドは直接sにBOLD応答を予測PRFトポグラフィを再構成することによってtimulus。グリーンらによって提案された方法8は、バック突出した個々の1D刺激空間へBOLD応答を、一般的なコンピュータ断層撮影技術のように2D刺激空間でPRFトポグラフィを構築することにより、PRFトポグラフィを再構築する。一方、我々が提案した方法2直接線形回帰を使用して正則化技法を適用することによって、2D PRF形状を推定する。この方法では、PRFのトポグラフィは、所与のボクセルのニューロン集団の応答を推定するために刺激を乗じて重みのセットとして表される。その後、刺激により誘発される最終的な血液酸素レベル依存(BOLD)応答は、ニューロン集団の応答と標準的な血行動態応答関数を畳み込むことによって推定される。アンダー制約線形システムを解決するために、追加的に、リッジ回帰の正則化は、スパースを実施するために使用されている( 図1参照下)。正則化技術は、ノイズやアーチファクトを抑制し、したがって、私たちの方法は、より堅牢にPRFの地形を推定することができます。

地形的な方法は、実際のP​​RF構造を明らかにすることができ、したがって、特定のパラメトリック形状を有するようにPRF形状を強制していない。適切なパラメトリックモデルは、PRFトポグラフィに基づいて選択することができる。例えば、PRFのトポグラフィは、PRFセンターとサラウンドを分離するために使用することができ、その後のPRF中心モデリングサラウンド抑制の影響ならびにに対して遠隔地に生じる他の潜在的なアーチファクトの影響を最小化することにより、より正確であることができるPRFセンター。我々は最近、PRF 9に定量的な手法と直接いくつかの他の方法との比較( すなわち地形を推定する前に)ガウス1、等方性のフィット異方性ガウシアン、及び等方性のガウス分布の違いを行った。これはtopogrことが見出されたaphyベースの方法は、BOLD信号の時系列の変動を説明し、より高い達成することによりPRF中心モデリングに関して、これらの方法を上回る。

様々な分野でのPRF特性の正確な推定は、彼らが視野をカバーする方法明らかにし、それが視覚に関連し、特にとして視覚野の機能的な組織を調査するために重要である。そのような偏心1,10およびPRFセンターサラウンド団体9 PRFサイズの変更はよく人間の文献で ​​検討されている方法などのプロパティ。 PRFトポグラフィより正確なPRFパラメータモデリングの結果、未知の規則性を明らかにする可能性が高いと推定するための提案された方法は、容易に直接パラメトリックモデルで事前にモデル化されていない。このアプローチは、誰のためにPRF構造は必ずしも予測可能な事前ないが、視覚路病変を有する患者では、PRFの組織を研究するために特に適しているであろう。以下は、目を推定する方法を記述されているE PRF地形とどのPRFセンターをモデル化するために地形を使用する方法。

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.データ集録

  1. 以前にデュムランとWandell 1及びLee に記載されているように信頼性のある網膜の視覚的応答を誘発するのに有効で刺激プロトコルを準備します。2。しかし、他の十分に確立されたパラダイムが取り組むべき具体的な実験の質問に応じても適用可能である。
  2. 現在のバー刺激は45度刻みで、スペースの8方向に沿って画面を順次横切っ漂流。バーは一回のfMRIフレームが開始ステップを移動し、フレームが終了するまで、新しい場所にとどまるように動きがスキャナフレーム取得(TR〜2秒)と同期していることを確認します。
  3. 正しいベースライン信号を測定するには、バー刺激1ずにエポックを追加します。
    1. 刺激が提示され、その上視角で視野(10°〜15までの半径)を定義します。現在の移動やちらつきチェッカーボードパターン(チェッカーサイズ= 0.94 X 0.94度2、パットバー内のRN更新レート= 250ミリ秒/パターン)が強い視覚的な応答を誘発する。
    2. 入力以下の特定のパラメータ:モーションの8等間隔の方向、1.875度に等しいバー幅、バーがフレームあたり半分のバー幅(2秒)で移動する。さらなる詳細は、Lee に見出すことができる。2。
    3. 被写体の目が実験中に凝視する画面中央のスポット(〜0.25°)を生成します。時間内にランダムにスポットの色を変更します。
  4. 192フレーム時間(運動の各方向に24フレーム)を持つ典型的なエコープラナーイメージング(EPI)スキャンを使用してMRIスキャナにおける被験者の脳をスキャンします。信号対雑音比を増加させるためにスキャンを4-8回繰り返す。
  5. EPIシーケンスのためのパラメータを設定し、次のように:TR = 2秒、TE = 40ミリ秒、マトリクスサイズ= 64×64、28スライス、ボクセルサイズ= 3×3×3ミリメートル3、フリップ角を= 90°、または、シーケンスを適用する細かい解像度(EG。、2×2×2ミリメートル3)または唯一の視覚野2を覆う短いTR( 例えば 、1〜1.5秒)。
  6. 固定を確実にする機能的なスキャン中アイトラッカーシステムとトラック目の動きは、固定点の1〜1.5°の範囲内に維持されている。
    注記:ここでは、ゴーグルシステムにおける頭部座標ベースのアイトラッカーが使用されるが、他の適切なアイトラッカーシステムが代わりに使用することができる。
  7. ステップ1.3.2で生成された画面中央にスポットを固定するために被験者に指示します。被験者が固着されていることを確認するには、固定スポットの色の変化を報告するように指示する。
  8. 1×1×1ミリメートル3解像度(; TRは= 1900ミリ秒、TE = 2.26ミリ秒、TI = 900ミリ秒、= 9°フリップ角、176パーティション例えば 、T1-MPRAGE)で、解剖学的スキャンを取得します。
    注:これらの解剖学的スキャンはセグメント化のためだけでなく、スキャン内および間の両方の解剖学的構造に機能画像を整列させるために使用されます。機能との間のより良い位置合わせのためにら(EPI)の画像と解剖学は、T1強調高速のスポイルグラジエントエコー(SPGR)シーケンス1を使用して、EPIと同一の解像度で、また面内解剖スキャンを得る。

2.データの前処理

注:以前のPRF特性を推定するため、いくつかの典型的なfMRIデータ前処理ステップが必要とされる、そのような頭部の動き補正および解剖学的スキャンに対する機能ボリュームのアラインメントである。この記事では、得られた結果の全ての前処理、推定、分析、およびプレゼンテーションがVistaソフトウェアサイトで入手可能なオープンソースのMATLABベースのソフトウェアツールボックスVISTAラボを使用して実行されます。 http://white.stanford.edu/newlm/index.php/Main_Page。

  1. MATLABに解剖スキャンをロードし、createVolAnatという関数を使用してボリューム解剖を準備します。
  2. 機能」ItkGray」を使用してセグメントグレー状物質、白質、およびCSF。
  3. DICOMに変換することによって機能的なデータを準備します( つまり、 すなわち 、標準機能的MRIファイル形式)ファイル、およびロードデータにM>、シーメンスの生のMRIファイル形式)ファイル。
  4. 正しい頭の動きとアフィン行列変換に基づくrxAlignを使用してステップ2.1でロード解剖学的構造に機能的な画像を整列。
  5. mrVISTA分析TimeSeriesは平均tSeriesをクリックすることにより、信号対雑音比を改善するための平均官能動き補正されたスキャン。眼球運動は1〜1.5°以上の固定から逸脱している間の平均化スキャンから除外する。異なる実行からの信号は、DC-ドリフトを除去した後、別のDC-ドリフト、平均機能スキャンを持っている場合。
  6. マッピングは、機能スキャンやグレー状物質との間で座標計算し、以下のメニューを選択することで、機能的なスキャンで対応する灰白質ボクセルを識別する:mrVISTAウィンドウオープングレー3-ビューウィンドウを。オプションのいずれかを選択する、補間による灰白質ボクセルでBOLD信号を割り当てるmrVISTAでvailable。

PRF地形とパラメトリックモデリングの3の推定

  1. コー​​ドファイルは、以下のリンクからダウンロードします。https://sites.google.com/site/leesangkyun/prf/codes.zip、圧縮ファイルを解凍し、ローカルコンピュータの好ましい位置に配置します。 MATLABでフォルダのパスを追加します。
  2. mrVISTA分析網膜モデルセットパラメータ:以下のメニューを選択することで、実験に用いた刺激パラメータを設定します。刺激画像、刺激サイズ、標準的な血行動態機能、fMRIをスキャナのフレームレートのような次のパラメータを指定します。
  3. PRF推定に先立ち、初期パラメータセット( 図1B)を準備します。
    1. コー​​ドファイルから「tprf_set_params.m」の相互検証セットを設定します。ディバイド少なくとも2つのサブセットに時系列(テスト用1セットと訓練のための残りのセット)バーがSWEEするのは十分な長さであるP全体の刺激スペース。あるいは、ステップ2.4​​でスキャンを平均化することなく、テストのために1スキャンを除外し、訓練のための残りのスキャンを使用してスキャンを検証する。
    2. 粗いパラメータセットを設定します( 図1のλ、λ= [10 -2 10 -1 1 10 1 10 2]) "tprf_set_params.m」で。その後、「tprf_set_params.m」で([0.1 0.3 0.5 0.7 0.9 1 3 5 7 9])細かいスケール範囲を設定します。
      注:プログラムは最高説明される分散になりλを選択するために粗いセットを使用します。その後、プログラムはさらに最高説明された分散が得λの選択を精緻化、微細なスケール範囲を使用して、選択したλの周りの空間を検索します。
    3. 「tprf_set_params.m」で視覚的に反応するボクセルのために説明される分散の閾値(0.2)を設定します。
      注:この閾値は、視覚的に応答するボクセルを選択するための基準として使用される。また、作るしきい値を自動的に計算することができる(非視覚的応答性脳領域における1cmの半径の球を描くことによって、例えば 、)は、非視覚的応答領域のためのROI。
    4. 「tprf_set_params.m」に正規化された地形でのPRF中央領域を定義するための閾値([0.3、0.5、0.7])のセットを設定します( つまり 、[0から1]または[-1〜1]バー刺激なしエポックとステップ1.3.1で)。
      注:しきい値のセットから提供されたプログラムは、PRFセンタモデルが最大の信号分散を説明しているPRF中心領域を定義した閾値、 すなわち 「最良」のしきい値を選択します。代替的に、地形の特徴に応じてしきい値の異なるセットを選択する。
  4. 「tprf_runpRFest.m「PRFトポグラフィを計算する( 図1)を実行し、2D異方性ガウシアンにフィット。このプロトコルに記載されているすべてのパラメータを指定した後、およびコー​​ドを実行、最終推定結果を得る。

図1
図1:PRF推定プロセス。 (A)工程の模式図は、PRF形状推定に続いて時間 (t)を :血行動態応答関数、A(t) :刺激、 メートル :PRF、レッグ:L2ノルム正則(B)PRF形状推定のための具体的な手順。とPRFセンターのモデリング。推定に必要なパラメータのセットが各ステップに記載されています。一次元地形のセクションとそのモデルが示されている。 「モデルフィッティング」の下で、黒と赤の曲線は、それぞれ、0.5の中央しきい値と地形とのPRFセンタモデルを表す。青い点線は、PRFのしきい値を示し、中心領域。

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

正確なPRFモデリングは正しくPRF形状をキャプチャする必要があります。 PRFの地形を知らなくても、1,9-11先行研究で使用円対称モデルの選択が合理的な選択である。局所網膜組織は視野のすべての方向に均一である場合には、地元住民の応答が神経応答の円対称の累積的な集合体として表すことができるからである。しかし、我々の観察は、これは必ずしもそうでは( 図2)ではないことを示している。したがって、PRF地形の観察は、PRFのモデルに適したパラメータの機能を選択するために重要であることができる。これはPRF地形の利点である、など地形ベースのモデルは、より典型的に生じたPRFセンターモデリングにおけるダイレクトフィット等方性のガウスモデルは、 図2(分散を説明上回る; Lee らを参照してください他に追加の比較のため2モデル)。これらの例は、前のモデルをフィッティングするPRF形状を推定することの利点を実証する。

図2
図2:PRF形状推定およびPRFの中心モデルの適合の例(A)は 、典型的なPRF地形。地形で​​は、赤い色が中央の右水平子午線上に横たわるPRFセンターを示す最も反応領域を、示しています。 PRFトポグラフィは、低量のPRF中心構造を横断バーパターンも時折観察される。これは、PRFの中心を通るバー開口に沿った領域はまた、PRF中心と同時に刺激されるという事実に関連する。彼らは容易に閾値処理ステップで除去される(B)従来の方法との比較(DIG、ダイレクトフィット等方性ガウス)1と地形ベースのPRFセンターMODEL(T-モデル)。説明される分散の対応するパーセントは、各モデルの上に示されている。 T-モデルは高いが、より正確なPRF形状のキャプチャで、すべての例では分散を説明し示しています。詳細および追加の例については、Lee 2を参照してください。

一つの重要な要件は、使用されるfMRIのパラダイムが良いレチノトピーデータを提供することを保証することである。次にPRFトポグラフィ法は網膜偏心度と方位マップ( 図3)を推定するために使用することができる。これらのマップは、これまでの方法1,4-7と同様の基本的な網膜のアーキテクチャを示すが、PRF地形の観察は、私たちはより良いサラウンドから、潜在的なノイズやPRFセンターに遠いアーティファクトからPRFセンターを分離することができますので、彼らは、より正確である。これは、とりわけ、高い奇行での網膜マップのより良い推定結果(観察された差異の詳細な説明は、Lee に記載されています。2)

図3
図3:網膜の地図とPRFサイズ 、被験者の左半球で(A)偏心及び極角のマップ。。 CSはcalcarineの溝を示している。図Aの右側のパネルでは、黒丸は関心領域(ROI)PRF、図4に示されているボクセルが採取されることを示す。PRFのサイズとの間の偏心(B)の関係を。 PRFサイズは視覚野V1-3の偏心に伴って増加する。このプロットは、(A)から引き出される。

地形ベースのモデル(Tモデル)法は、多くの異なるパラメトリックモデルをテストすることなく、そのようなPRFの大きさ、伸び、向き、かつ効率的にサラウンド抑制など様々なPRFの特性を推定することができる。そのような特性の可視化を支援するために、MATLAB関数(tprf_plotpRF.m)はPRF地形、対応するPRFセンタモデル、および生BOLD信号( 図4)への適合をプロットが提供される。いくつかのケースでは、PRFの特性はまた、PRFモデリングの必要性を排除し、地形から直接推定することができることに留意されたい。

図4
図4:筆者らが開発したMATLABのツールボックスのデモンストレーション 。このプロットは、ユーザによって選択されたボクセルのPRFの地形と対応するPRFのモデルの適合を示す。図示のボクセルは、 図3(a)に示すROIから選択した :。実際のBOLD応答を、PRED T:PRFの地形との予測、PRED M:PRFセンターパラメトリックモデルと予測。1fig4highres.jpg「ターゲット= "_空白">この図の拡大版をご覧になるにはこちらをクリックしてください。

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

この記事では、人間の視覚野とどのように受容野のための適切なパラメトリックモデルを選択するためにそれを利用するには視覚的な人口受容野の地形を推定する方法を示します。成功レチノトピーために、適切な刺激プロトコルで効率的な分析方法を選択する必要があり、被験者の実験パラメータ(運動および固定)が最適化されるべきである。それが明確な刺激の場所とは異なるBOLD応答を生成ように視野全体に順次移動するバー刺激はPRF推定のための効率的な刺激パラダイムである。提供される方法は、PRFの地形を構築。 PRF推定の問題は過小決定一般的であるため、リッジ回帰3と呼ばれる数学的ツールは、PRF重量ソリューションのスパースの合理的な制約を強制するために使用されます。この正則化技法はPRFモデルを推定するのに非常に効果的である場合に観測数(時点BOLD信号の単数または複数)の刺激の空間次元をカバーするピクセルの数よりもかなり小さい。

この方法は、以前の方法よりもPRFセンターのよりロバスト推定を提供しています。これにはいくつかの理由があります:1)は、最初のセグメントのPRF地形からPRF中央領域とは、PRFから遠い潜在的なPRFモデルに影響を与える可能性バイアスが直接モデルに収まる( すなわちサラウンド抑制やノイズアーティファクトを避け、適切なモデルに適合中央)。 2)形状を検査する能力を持つことは、視覚的に一つを系統的誤差を露出最終モデルフィットの性能、ならびに3)そうでなければ検出されない可能性PRF構造の特徴を検出する可能性を検証する機会を与える。 4)フィッティング領域を制約することにより、このモデルが誤って直接フィットモデル( 図2B参照 )と比較して、刺激提示の境界の内側にPRFをマッピングしにくい。なしthelessは、ユーザーが提案した方法でも正確に刺激国境近くのPRF形状を捕捉するための制限があることに注意してください必要がある。これは国境近くのバー刺激は、そのPRF中央通常刺激呈示領域外となるボクセルに属する部分的受容野を活性化するという事実によるものである。任意の受容野のマッピング方法は、この問題の対象とし、それが完全に全体にマッピングされる受容野の中心部から外挿することができない限り、境界の相対的なピークを示すであろう。提案手法は著しく刺激呈示の国境近くにあるのPRFの中心までの距離を過大評価する傾向が直接フィッティング方法1,9、より正確である、と言われたので(Lee の図5と図6を参照してください。2するために詳しく)。

説明したように、堅固なPRFトポグラフィをbフリー正則化パラメータλ( 図1)に依存構築するeは別途個々のボクセルの最適化された、またはすべてのボクセルに共通のパラメータとして。正則化パラメータをデータに(オーバーフィッティングやアンダーフィッティング)フィッティングの度合いを調整することにより、PRFの地形に影響を与えます。小さ ​​なλは、実際のPRFに比べてノイズの多いPRFトポグラフィー( すなわち 、オーバーフィッティング)につながる一方で、大λは、視覚的な応答を抑制し、したがって( すなわち 、アンダーフィット)実際のPRFサイズによって正当化よりも多くのスプレッド地形になる。最適ラムダの選択は成功したPRF推定のために非常に重要です。私たちは、データの異なるサブセットでλ年代を推定し、相互検証の戦略を使用して、これらの推定値を評価した。これはPRF地形の推定にバイアスを最小限に抑えることができます。潜在的な残留バイアスは、さらに別のトポグラフィ閾値が最も説明された分散をもたらすものを選択するために検討されたPRF中心モデリング工程で還元される(Lee 2参照)。

Fiのナリー、提案された地形のアプローチは、計算上効率的である。最適な正則化パラメータλを見つけるなど、すべてのボクセル、上のPRF地形の推定は、PC環境でわずか数分かかります。この段階で、視覚的に応答しないボクセルを識別することは、さらに効率を改善し、PRF-センターモデリングのより計算厳しい段階からそれらを除外します。おそらくもっと重要なことに、研究者は、もはやそれらがPRFトポグラフィによって適切なモデルを選択する際に案内することができるので、よく合うものを見つけるために複数の異なるPRFモデルをテストする必要がない。

このプロトコルで実証方法は人口受容野の地形を測定し、人口受容野モデルを導くためにそれを使用しています。このアプローチは、より堅牢で正確なPRFの見積もりで、その結果、直接の人口受容野マッピング方法に存在するバイアスを低減します。また、系統誤差を最小化し、機能的な臓器を研究するために私たちを可能にする高感度の視覚野のization。これは、PRF構造が事前に予測することは容易でないかもしれない人に、視覚経路の病変を有する患者の場合に特に適用可能である。

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).
fMRIのことで視覚人口受容野の地形の推定
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