Waiting
Login processing...

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

Behavior

자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가

doi: 10.3791/51811 Published: February 3, 2015

Abstract

이웃하는 셀들의 집단은 시야의 주변 부분에 매핑되도록 시각 피질은 retinotopically 구성된다. 기능성 자기 공명 영상은 우리가 즉, 복셀 기반의 인구 수용 필드 (PRF)를 추정 할 수 있으며, 각 복셀 내에서 세포를 활성화 시야의 일부입니다. 1) PRF 모델은 연역적를 선택 완전히 실제 PRF 형상을 캡처 할 수 있고, 2) PRF 센터 자극 공간의 경계 근처 mislocalization 경향이있다 : 이전에, 직접, PRF 추정 방법 (1)는 특정 제한 겪는다. 여기서 새로운 지형 PRF 추정 방법이 주로 이러한 한계를 회피한다고 제안된다. 선형 모델 정규 혈역학 응답 함수와 시각 자극에 PRF의 선형 응답을 컨벌루션하여 혈액 산소 수준 의존 (BOLD) 신호를 예측하는 데 사용된다. PRF 지형이 그 구성 요소 STR을 나타내는 가중치 벡터로 표현된다복셀 뉴런의 집합체 반응 ength 상이한 시야 위치에서 제시 자극. 얻어진 선형 방정식 PRF 지형을 수득 릿지 (3)를 이용하여 회귀 PRF 웨이트 벡터에 대해 해결 될 수있다. 추정 된 지형에 정합 PRF 모델은 이에 등과 PRF-중심 위치, PRF 방향, 크기, 같은 PRF 파라미터 추정을 개선 사후을 선택할 수있다. PRF 지형 가능하다는 것이 또한 PRF 구조에 대한 선험적 가정을 할 필요없이 다양한 PRF 특성의 추출을 허용 PRF 파라미터 추정치의 시각적 확인을 허용한다. 이 접근법은 시각 시스템의 장애 환자 PRF 조직을 조사하기에 특히 유용한 것으로 약속한다.

Introduction

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

기능성 자기 공명 영상 (fMRI)은 (일반적으로 밀리미터 정도의) 비 침습적 거시적 규모에서 시각 피질 조직의 기능을 측정한다. 초기의 fMRI retinotopy 연구는 자극의 위치 사이의 코 히어 런스 값을 사용 BOLD 응답 4-7을 유발. 이러한 연구는 일반적으로 수용 인구 필드 크기를 추정하지 않았다. 나중에, DUMOULIN Wandell 1명시 적, PRF 위치 및 크기를 모델링 BOLD 응답을 예측하는 모델의 선형 함수를 사용함으로써 이러한 제한을 극복하는 방법을 제안 하였다. 그러나,이 방법의 선구 제한 파라 PRF 모델은 연역적을 선택해야하며, 그것이 적절하지 밝혀지면 PRF 잘못된 추정을 초래할 수 있다는 것이다.

파라 PRF-모델 방법의 한계를 극복하기 위해 새로운 방법이 최근에 개발되었다. 이러한 방법은 직접 s의 BOLD 응답을 예측PRF의 지형을 재구성하여 timulus. 그린 및 동료들에 의해 제안 된 방법 (8)는 개별 1D 자극 스페이스에 BOLD 응답 백 돌출 전형적인 컴퓨터 단층 촬영 기술과 같은 2D 자극 공간에서 PRF 지형을 구축하여 PRF의 지형을 재구성한다. 한편, 우리가 제안한 방법이 직접 선형 회귀를 사용하여 정규화 기술을 적용하여 2 차원 PRF 토포 그래피를 추정한다. 이 방법에서, PRF 지형은 소정의 복셀 신경 인구 응답을 추정하기 위해 자극 곱하여 가중치들의 집합으로 표현된다. 그리고, 자극에 의​​해 유발 된 최종 혈액 산소 수준 의존 (BOLD) 응답은 신경 인구 응답 및 정규 혈역학 대답 함수를 컨벌루션함으로써 추정된다. 언더 구속 선형 시스템을 해결하기 위해, 또한 릿지 회귀 정규화는 희소성을 적용하는 데 사용된다 (도 1 참조아래). 정규화 기술은 소음과 유물을 억제하고, 따라서 우리의 방법이 더 견고 PRF 지형을 추정 할 수 있습니다.

지형 방법은 실제 PRF 구조를 발견 할 수 있으므로 특정 파라 메트릭 형상을 갖도록 PRF 형상을 강제하지 않는다. 적절한 파라 메트릭 모델이어서 PRF 토포 그래피에 기초하여 선택 될 수있다. 예를 들어, PRF 지형은 PRF 센터 및 서라운드를 분리 한 후 후속 PRF 센터 모델링 서라운드 억제의 영향뿐만 아니라 행 먼 영역에서 발생하는 다른 잠재적 인 아티팩트의 영향을 최소화하여보다 정확하게 할 수있는 동시에, 사용 후의 PRF 센터. 우리는 최근 PRF 9 양적 우리의 방법과 직접 여러 가지 다른 방법의 비교 (즉, 지형을 추정하기 전에) 가우스 1, 등방성 맞는 이방성 가우스, 등방성 가우시안의 차이를 수행했습니다. 이 topogr 것을 알 수 있었다aphy 기반 방법은 BOLD 신호의 시계열 변화를 달성함으로써 더 설명 PRF 센터 모델링에 대해 이러한 방법을 능가.

다양한 분야에서 PRF 특성의 정확한 추정은 시야를 커버하는 방법을 계시하고 시각적 인식에 관한 것으로, 특히 같은 시각 피질의 기능적 조직을 조사하는 것이 중요하다. 이러한 편심, 10 및 PRF 센터 서라운드 조직 9 PRF 크기 변경이 아니라 인간의 문학 연구 방법 등의 속성. PRF 토포 그래피 PRF보다 정확한 파라미터 모델링 결과 알려지지 규칙 성을 표시 할 가능성을 추정하기위한 것이다 제안 된 방법은, 용이하게 직접 파라 메트릭 모델을 연역적 모델링되지. 이 방법은 PRF 구조가 반드시 예측 선천적 아닌 누구를 위해 시각 경로의 병변 환자에서 PRF 조직을 공부에 특히 적합 할 것이다. 이하 번째 추정하는 방법을 설명한다전자 PRF의 지형과 방법 PRF 센터를 모델링 지형를 사용하는 방법을 설명합니다.

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. 데이터 수집

  1. 이전과 DUMOULIN Wandell 1Lee 등의 설명에 따라 신뢰성 retinotopic 시각적 반응을 유도하는데 효과적이다 자극 프로토콜을 준비한다.이. 그러나, 다른 잘 확립 패러다임 해결되어야 구체적인 실험 질문에 따라 적용 가능하다.
  2. 현재 바 자극이 45도 단계에서, 공간의 8 방향에 따라 화면이 순차적으로 가로 질러 표류. 운동이 줄을 한 번 단계를 자기 공명 프레임의 시작을 이동하고 프레임이 종료 될 때까지 새 위치에서 유지되도록 스캐너 프레임 수집 (TR ~ 2 초)과 동시성에 있는지 확인합니다.
  3. 정확한 기준 신호를 측정하기 위해, 바 자극 한없이 시대를 추가합니다.
    1. 자극이 제시되는 동안 시각에서보기 (10 반경 ° 15)의 필드를 정의합니다. 현재 이동 또는 점멸 바둑판 패턴 (검사기 크기 = 0.94 X 0.94 ℃, 2, patte바 내에서 RN 업데이트 속도 = 250 밀리 초 / 패턴) 강한 시각적 인 응답을 유도합니다.
    2. 입력 다음과 같은 특정 매개 변수 : 운동 8 균등 방향, 바는 1.875 ℃로 동일한 폭과 바는 프레임 (2 초) 당 반 바 폭으로 이동합니다. 추가 세부 사항은 Lee 등에서 찾을 수있다. 2.
    3. 피사체의 눈을 응시 실험 중에있는 화면 중앙에 스폿 (~ 0.25 °)를 생성한다. 시간에 무작위 지점의 색상을 변경합니다.
  4. 192 프레임 기간 (모션의 각 방향으로 24 프레임)가 전형적인 에코 평면 이미징 (EPI) 스캔을 사용하여 MRI 스캐너에서 피사체의 뇌를 스캔합니다. 신호 대 잡음비를 증가시키기 위해 스캔을 4-8 회 반복한다.
  5. EPI 순서 매개 변수 설정은 다음과 같습니다 : TR = 2 초, TE = 40 밀리 초, 매트릭스 크기 = 64 X 64, 28 조각, 복셀 크기 = 3 × 3 × 3mm 3, 플립 각도 = 90 °, 또는 시퀀스를 적용 미세한 해상도 (전자와.g., 2 × 2 × 2mm 3) 만 시각 피질 (2)를 포함하는 짧은 TR (예를 들어, 1.5 초).
  6. 고정을 보장하기 위해 기능을 검사하는 동안 아이 트랙커 시스템과 추적 안구 운동은 고정 점의 1.5 ° 이내로 유지된다.
    주 : 여기에서, 고글 시스템에서 중계기 기반 아이 트랙커 좌표가 사용되지만, 다른 적절한 아이 트랙커 시스템 대신 사용될 수있다.
  7. 단계 1.3.2에서 생성 된 화면 중앙에 자리를 흥분시키는하기 위해 주제를 지시합니다. 피험자 고정화하도록하기 정착 스폿의 색깔 변화를보고하도록 지시.
  8. (;, TR = 1900 밀리 초 TE를 = 2.26 밀리 초, TI = 900 밀리 초, 플립 각도 = 9 °, 176 파티션을 예를 들어, T1-MPRAGE) 1 × 1 × 1mm 3 해상도, 해부학 적 검사를 얻습니다.
    주의 : 이러한 해부 검사는 분할뿐만 아니라 내부 및 검사를 통해 모두 해부학 기능적 이미지를 정렬을 위해 사용될 것이다. 기능 사이의 더 나은 정렬알 (EPI) 이미지와 해부학, T1 강조 빠른 버릇 그라데이션 에코 (SPGR) 시퀀스 (1)을 사용하여, EPI와 동일한 해상도로, 또한 면내 해부학 스캔을 구하십시오.

2. 데이터 전처리

참고 : 이전 PRF 특성을 추정에 몇 가지 전형적인의 fMRI 데이터 사전 처리 단계는 같은 머리 모션 보정 및 해부학 적 검사에 기능 볼륨의 정렬로, 필요합니다. 이 글에서 얻어진 결과의 모든 전처리, 추정, 분석 및 프리젠 테이션은 VISTA 소프트웨어 사이트에서 사용할 수있는 오픈 소스 MATLAB 기반의 소프트웨어 도구 상자 VISTA의 LAB를 사용하여 수행됩니다. http://white.stanford.edu/newlm/index.php/Main_Page.

  1. MATLAB에 해부학 적 검사를 넣고 createVolAnat라는 함수를 사용하여 볼륨 해부학을 준비합니다.
  2. 기능 "ItkGray"을 사용하여 세그먼트 회색 문제, 화이트 문제 및 CSF.
  3. DICOM 변환하여 기능 데이터를 준비합니다 (예 : (즉, 표준 기능성 MRI 파일 형식) 파일 및로드 데이터로 파일.
  4. 올바른 머리 모션은 아핀 행렬 변환을 기반으로 rxAlign를 사용하여 2.1 단계에 들어있는 해부학에 기능적인 이미지를 정렬합니다.
  5. mrVISTA 시계열 분석 평균 tSeries을 클릭하여 신호 대 잡음비를 향상시키기위한 기능성 평균 움직임 보정 스캔. 안구 운동은 1.5 °보다 더 많은 고정에서 벗어나는 동안 평균 검사에서 제외합니다. 다른 실행에서 신호는 DC-드리프트를 제거한 후 다른 DC-드리프트, 평균 기능 검사를해야합니다.
  6. 매핑 기능 검사와 회색 물질 사이에 좌표를 계산하고 다음 메뉴를 선택하여 기능 검사에 해당하는 회색 물질 복셀을 식별 : mrVISTA 창 열기 회색 3보기 창. 옵션 중 하나를 선택, 보간에 의해 회색 물질 복셀에​​서 BOLD 신호를 할당mrVISTA로만 제공.

PRF 지형과 파라 메트릭 모델링 3. 추정

  1. 다음 링크를 통해 코드 파일을 다운로드합니다 https://sites.google.com/site/leesangkyun/prf/codes.zip, 압축 된 파일을 추출하고 로컬 컴퓨터의 원하는 위치에 배치합니다. MATLAB에서 폴더의 경로를 추가합니다.
  2. mrVISTA 분석 Retinotopic 모델 파라미터 설정 : 다음 메뉴를 선택하여 실험에 사용 된 자극 매개 변수를 설정합니다. 자극 이미지, 자극의 크기, 표준 혈역학 적 기능의 fMRI 스캐너의 프레임 속도와 같은 다음 매개 변수를 지정합니다.
  3. PRF 추정 이전에, 초기 파라미터 세트 (도 1b)를 준비한다.
    1. 코드 파일에서 "tprf_set_params.m"의 교차 유효성 검사 세트를 설정합니다. 나누기 적어도 두 부분 집합으로 시계열 (테스트를 위해 한 세트 및 교육에 대한 나머지 세트) 바 swee하기에 충분히 긴페이지 전체를 자극 공간. 또한, 2.4 단계에서 검사를 평균하지 않고, 테스트를위한 하나의 스캔을 떠나 훈련을 위해 나머지 스캔을 사용하여 스캔을 확인합니다.
    2. 거친 파라미터 세트를 설정합니다 (그림 1의 λ, λ = [10-2 10-1 1 10 1 10 2]) "tprf_set_params.m"에. 그런 다음, "tprf_set_params.m"에서 미세 스케일 범위 ([0.1 0.3 0.5 0.7 0.9 1 3 5 7 9])을 설정합니다.
      주 :이 프로그램은 가장 높은 설명 분산 결과 λ를 선택하도록 설정 조를 사용한다. 그리고,이 프로그램은 더 높은 분산을 산출하여 설명 λ의 선택을 정제, 미세 스케일 범위를 사용하여 선택된 λ 주위 공간을 탐색한다.
    3. "tprf_set_params.m"시각적으로 반응 복셀에 대한 설명 분산의 임계 값 (0.2)을 설정합니다.
      참고 :이 임계 값은 시각적으로 반응 복셀의 선택을위한 기준으로 사용됩니다. 또는,을비 시각적 응답에 대한 ROI 영역 (예를 들면, 비 시각적 응답 뇌 영역에서 1cm의 반경을 구 그려서) 임계 값이 자동으로 계산 될 수있다.
    4. "tprf_set_params.m"의 정규화 지형에서 PRF 중심 영역을 정의하기위한 임계 값 ([0.3, 0.5, 0.7])의 한 세트 (즉, [0~1] 혹은 [-1 1] 바 자극없이 에포크와 단계 1.3.1에서).
      주 : 임계 값들의 세트로부터 제공되는 프로그램은 PRF 센터 모델이 큰 신호의 분산을 설명하는 PRF 중앙 영역을 정의 임계 값, 즉, "최상"의 임계 값을 선택한다. 대안 적으로, 지형의 특징에 따라 임계 값의 다른 세트를 선택한다.
  4. "tprf_runpRFest.m"PRF 지형을 계산 (그림 1)을 실행하고 2D 이방성 가우스에 맞게. 이 프로토콜에 설명 된 모든 매개 변수를 지정한 후,과코드를 실행하고, 최종 추정 결과를 얻었다.

그림 1
그림 1 : PRF 추정 과정. (A) 공정의 개략도 PRF 지형 추정에 따라 H (t). PRF 지형 추정을위한 L2-노옴 정규화 (B) 특정 단계 : 혈역학 응답 함수, A (t) : 자극, m : PRF, 등록 번호. PRF 및 센터 모델링. 추정에 필요한 파라미터 세트는 각 단계에 표시됩니다. 지형 및 모델 일차원 섹션은 도시된다. 에서 "모델 피팅"검은 색과 빨간색 곡선 지형 각각 0.5의 중심 임계 값과의 PRF 센터 모델을 나타냅니다. 푸른 점선 PRF위한 임계 값을 나타낸다중부 지역.

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

정확한 PRF 모델링이 제대로 PRF 모양을 캡처해야합니다. PRF 지형 모르고, 이전 연구에 사용 된 원 1,9-11 대칭 모델의 선택은 적절한 선택이다. 로컬 retinotopic 조직 시야의 모든 방향에서 균일 한 경우, 지역 주민 응답이 신경 반응의 원형 대칭 누적 집합체로서 표현 될 수 있기 때문이다. 그러나, 우리의 관찰이 반드시 경우 (그림 2) 아니라는 것을 보여줍니다. 따라서, PRF 토포 그래피 관찰 한 PRF 모델에 대한 적절한 파라 메트릭 함수를 선택하기위한 매우 중요한 요인이 될 수있다. 이것은 PRF 지형의 이점 등 지형 기반 모델은 더 높은 전형적 결과 PRF 센터 모델링 - 다이렉트 착용감 등방성 가우스 모델을 능가 분산 (도 2를 설명했다. Lee 등, 2 참조 다른 추가적인 비교에 모델). 이들 실시 예는 이전에 모델을 피팅 PRF 토포 그래피를 추정하는 장점을 보여준다.

그림 2
도 2 : PRF 중심 모델의 PRF 지형 추정 및 착용감의 예 (A)의 전형적인 지형 PRF.. 지형에서 붉은 색 PRF의 중심이 오른쪽 중간 수평 경선에 누워 보여 가장 반응 영역을 나타냅니다. PRF 지형에서, 낮은 무게와 PRF 중심 구조에서 줄 패턴은 종종 관찰된다. 이것은 PRF 중심을 지나는 막대를 따라 개구 면적도 PRF 중심과 동시에 자극한다는 사실에 관한 것이다. . 이들은 쉽게 임계 공정에서 제거된다 (B) 이전 방법의 비교 (DIG; 직접 끼움 등방성 가우스) 지형 기반 PRF 센터 개조엘 (T 모델). 설명 분산의 대응 %는 각 모델 위에 표시됩니다. T-모델은 이상이 더 정확한 PRF 모양 캡처와 함께, 모든 예에서 분산을 설명 보여줍니다. 자세한 내용과 추가 예제 리 등. 2를 참조하십시오.

하나의 중요한 요구 사항은 사용되는 자기 공명 패러다임 좋은 retinotopy 데이터를 제공하도록한다. 이어서 PRF 토포 그래피 방법 retinotopic 편심 방위각 맵 (도 3)을 추정하는데 사용될 수있다. 이지도는 이전의 방법 1,4-7와 유사한 기본 retinotopic 아키텍처를 보여 주지만, PRF 지형의 관찰은 우리가 더 나은 서라운드에서 잠재적 인 소음이나 PRF 센터에 먼 유물에서 PRF 센터를 분리 할 수 있기 때문에 그들은 더 정확합니다. 이는, 무엇보다도 높은 기발에서 retinotopic지도의 더 나은 추정 결과 (관찰 된 차이의 세부 계정은 Lee 등에서 찾을 수 있습니다. 2).

그림 3
그림 3 : Retinotopic지도와 PRF 크기 피사체의 왼쪽 반구 (A) 편심과 극 각도지도.. CS는 calcarine 고랑을 나타냅니다. 도의 오른쪽 패널에서 검은 색 원은 PRF를 복셀도 4 촬영에 도시되어있는 관심 영역 (ROI)을 나타낸다. PRF 크기 사이의 편심 (B)의 관계. PRF 크기는 시각적 영역 V1-3에서 편심 증가한다. 이 플롯은 (A)에서 그려집니다.

지형 기반 모델 (T-모델) 방법은 많은 다른 파라 메트릭 모델을 테스트 할 필요없이, 이러한 PRF 크기, 신도, 방향 및 효율적 서라운드 PRF 진압 등의 각종 특성을 평가하기 위해 사용될 수있다. 이러한 특성의 시각화를 돕기 위해 MATLAB 함수 (tprf_plotpRF.m)는 PRF 지형, 대응 PRF 센터 모델 및 원료 BOLD 신호 그들의 착용감 (도 4)를 나타내는 제공된다. 일부 경우에, PRF 특성도 PRF 모델링에 대한 필요성을 제거 지형에서 직접 추정 될 수 있다는 점에 유의하라.

그림 4
그림 4 : 저자에 의해 개발 된 MATLAB 도구 상자의 데모. 이 플롯은 사용자에 의해 선택된 복셀의 PRF 지형 및 대응 PRF 모델 착용감을 나타낸다. 도시 된 복셀은 그림 3a에 도시 ROI에서 선택된 원시 :. 실제 BOLD 응답, PRED t : PRF의 지형 예측, PRED m : 예측 PRF 센터 파라 메트릭 모델.1fig4highres.jpg "대상 ="_ 빈 ">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

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

이 글은 인간의 시각 피질과 방법을 수용 필드에 대한 적절한 파라 메트릭 모델을 선택하는 데 사용하는 시각 인구 수용 필드의 지형을 추정하는 방법을 보여줍니다. 성공적인 retinotopy 들어, 적절한 자극 프로토콜 및 효율적인 분석 방법이 선택되어야하고, 피사체의 실험 파라미터 (모션 및 정착)을 최적화한다. 그것은 별개의 자극 위치에서 별개의 BOLD 응답을 생성으로 시야에 걸쳐 순차적으로 이동 바 자극 PRF 추정을위한 효율적인 자극 패러다임이다. 제공 방법은 PRF 지형을 구성한다. PRF 추정의 문제는, 일반적으로 언더 결정이기 때문에, 릿지 회귀 3이라는 수학적 도구 PRF 중량 용액에 희소의 합리적인 제한 조건을 적용하는 데 사용된다. 이 정규화 기술 PRF 모델 추정 매우 효과적 일 때 관측의 개수 (시점BOLD 신호들)은 자극의 공간 차원을 커버하는 화소 수보다 상당히 작다.

이 방법은 이전의 방법보다 PRF 센터의보다 강력한 추정을 제공한다. 여기에는 몇 가지 이유가 있습니다 : 1) 먼저 세그먼트 PRF 지형에서 PRF 중부 지역과는 PRF에서 멀리 잠재적 인 PRF 모델에 영향을 미칠 수있다 편견 직접 모델에 맞는 (예 : 서라운드 억제 또는 잡음 아티팩트를 피하고 적절한 모델을 맞는 센터). 2) 지형 시각적 하나에게 시스템 오차 잠복 최종 모델 피팅의 성능뿐만 아니라, 3), 그렇지 않으면 탐지되지있다 PRF 구조의 특징을 검출 할 수있는 가능성을 검증 할 수있는 기회를 제공 검사하는 능력을 갖는. 4) 피팅 영역을 제한함으로써,이 모델은 잘못 직접 맞는 모델 (그림 2B 참조)에 비해 자극 프레 젠 테이션의 경계 내부의 PRF를 매핑 할 가능성이 적습니다. 없음불구는, 사용자는 제안 된 방법은 또한 정확하게 자극 국경 근처 PRF 모양을 캡처 한계가 있다는 인식 될 필요가있다. 이 경계 부근 바 자극 그 중심 PRF 통상 자극 테이션 영역 밖의 것 복셀에 속하는 부분 수용 필드를 활성화된다는 사실에 기인한다. 모든 수용 필드 매핑 방법은이 문제의 대상이하고 완벽하게 전체에 매핑 된 수용 필드 센터의 부분에서 추정 수없는 국경에서 상대 피크를 보여줄 것입니다. 우리의 방법이 현저하게 자극 프리젠 테이션 국경 근처에 거짓말 pRFs의 중심까지의 거리를 과대 평가하는 경향이 직접 피팅 방법 1,9보다 더 정확했다 가졌 (Lee 등의 그림 5와 6을 참조하십시오. 2를 위해 더 세부 사항).

논의 된 바와 같이, 강력한 토포 그래피는 PRF 수 b 자유 정규화 파라미터, λ (도 1)에 따라 구축 하였다전자는 별도로 개별 복셀의 최적화, 또는 모든 복셀에서 공통 매개 변수로. 정규화 파라미터 피팅의 크기 (오버 또는 언더 - 피팅 피팅)에 데이터를 조정하여 PRF의 지형에 영향을 미친다. 작은 λ는 실제 PRF에 비해 소음이 PRF 토포 그래피 (즉, 오버 피팅)로 연결하는 동안, 큰 λ 시각적 반응을 억제함으로써 (즉, 아래 피팅) 실제 PRF 크기에 의해 정당화보다 더 확산 지형을 초래한다. 최적의 람다의 선택은 성공적인 PRF 추정을위한 중요합니다. 우리는 서로 다른 데이터 집합에 λ 년대를 추정 교차 유효성 검사 전략을 사용하여 이러한 추정치를 평가했다. 이 PRF 지형 추정에 편견을 최소화한다. 잔류 전위 바이어스는 상기 상이한 지형 임계 값이 높은 분산을 초래하여 설명 하나를 선택하도록 탐구된다 PRF 센터 모델링 단계에서 감소된다 (Lee 등 참조.).

인터넷, 최초로 제안 지형 접근법은 계산적으로 효율적이다. PRF의 추정은, 최적의 정규화 매개 변수 λ를 찾는 포함한 모든 복셀을 통해 지형도 PC 환경에서 단지 몇 분의 시간이 소요됩니다. 이 단계에서 시각적 응답 복셀을 식별하는 것은 더욱 효율을 향상 PRF-중심 모델링 더 계산적 요구 단계에서 이들을 배제. 아마도 더 중요한 것은, 연구자들은 더 이상 PRF 지형에 의해 적절한 모델을 선택하는 안내 될 수 있으므로, 잘 맞는 하나를 찾기 위해 여러 다른 PRF 모델을 테스트 할 필요가 없다.

이 프로토콜에 설명 된 방법은 인구 수용 필드의 지형을 측정하고 인구 수용 필드 모델링을 안내하는 데 사용합니다. 이러한 접근은보다 견고하고 정확한 PRF 추정 결과 직접 수용 인구 필드 매핑 방식에 존재하는 바이어스를 감소시킨다. 또한 체계적인 오류를 최소화하고 기능 오르간을 공부하기 위해 수 있습니다높은 감도와 시각 피질의 화. 그것은 시각 경로의 병변이있는 환자의 경우에 특히 적용 가능하다, 누구에 PRF 구조는 선험적을 예상하기 쉽지 않을 수 있습니다.

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).
자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가
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