Name: FMRI tarafından Görsel Nüfus Alıcı Fields topografik Tahmini (Video) | JoVE Journal
Uploaded: 2015-02-03T14:00:00.000+00:00
Duration: 6 min 2 s
Description: Öğrenin, fMRI kullanarak görsel nüfus alıcı alanların topografik tahmini için hafif düzenlileştirme kısıtlamalarıyla ön varsayım gerektirmeyen yöntemi. Bu hesaplamalı yaklaşım, görsel yol lezyonlu bireylerde doğru sonuçlar sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

VISTA yazılım grubuna (Brian Wandell ve ortakları, Stanford'da) teşekkür ederiz.
S. S., McNair 2280403105, NEI R01-EY109272 ve NEI R01-EY024019 tarafından ve HHMI Early Carrer Ödülü olarak desteklendi. A. P. ve G. K. Max-Planck Topluluğu tarafından, G. K. ise Avrupa Komisyonu'nun 7. Çerçeve Programı, Sözleşme no. HEATH-F2-2009-223524.

1. Veri Toplama <ol><li> Daha önce Dumoulin ve Wandell 1 ve Lee ve diğerleri içinde tarif edilen, güvenilir bir retinotopic görsel bir tepki ortaya çıkarmada etkili olan bir uyarıcı protokolü hazırlayın. 2. Bununla birlikte, diğer iyi bilinen paradigmalar ele alınması için özel bir deney soruya bağlı olarak da tatbik edilebilir. </li><li> Mevcut çubuk uyaranlara 45 derece adımlarla, uzay 8 yönleri boyunca ekran sırayla sürüklenen. Hareket çubuğu bir kez adım fMRI çerçeve başlar taşır ve çerçeve sona erene kadar yeni konumda kalacak şekilde tarayıcı çerçeve iktisabı (TR ~ 2 sn) ile senkronize olduğundan emin olun. </li><li> Doğru başlangıç ​​sinyalini ölçmek için, çubuk stimülasyon 1 olmadan dönemini ekleyin. <ol><li> Uyarıcı sunulduğu üzerinde görsel açı görünümü (10 yarıçapı ° 15) bir alanı tanımlayın. Mevcut hareketli veya titreyen dama desenleri (denetleyicisi boyutu = 0.94 x 0.94 ° 2, patteçubuğu içinde rn güncelleme oranı = 250 msn / desen) güçlü görsel tepkiler için. </li><li> Girdi aşağıdaki özel parametreler: Hareket 8 eşit aralıklı tarifi, çubuk 1.875 C'ye eşit genişliği ve barlar çerçeve (2 sn) başına yarım çubuk genişliği hareket. Ek ayrıntılar Lee ve ark bulunabilir. 2. </li><li> Öznenin gözleri deney sırasında sabitleşmek hangi ekran merkezinde bir nokta (~ 0.25 °) oluşturun. Zaman içinde rastgele nokta rengini değiştirin. </li></ol></li><li> 192 kare süresini (hareket, her yöne 24 kare) olan tipik bir eko-planar görüntüleme (EPI) tarama kullanan bir MRI tarayıcısı bir konunun beyni tarayın. Sinyal-gürültü oranını artırmak için tarar 4-8 kez tekrarlayın. </li><li> EPI sekansı ayarlama parametreleri aşağıdaki gibi: TR = 2 sn, TE = 40 msn, matris boyutu = 64 x 64, 28 dilim, voksel boyutu = 3 x 3 x 3 mm 3 flip açısı = 90 °, Alternatif, dizileri uygulamak daha ince bir çözünürlük (e.g., 2 x 2 x 2 mm 3) veya sadece görsel korteksi 2 kapsayan kısa TR (örn, 1-1.5 sn). </li><li> Fiksasyon sağlamak için fonksiyonel taramalar sırasında eyetracker sistemi ile Parça göz hareketleri tespit noktasının 1-1.5 ° içinde korunur. Not: Burada, gözlük sisteminde bir kafa koordinat göre eyetracker kullanılır, ancak uygun olan başka eyetracker sistemleri yerine kullanılabilir. </li><li> Adım 1.3.2 oluşturulan ekran merkezinde yer sabitleşmek için konuları söyleyin. Konular sabitleme sağlamak için, tespit spot renk değişiklikleri bildirmek söyleyin. </li><li> (;, TR = 1,900 milisaniye TE = 2.26 msn, TI = 900 msn, Flip açısı = 9 °, 176 bölüm, örneğin, T1-MPRAGE) 1 x 1 x 1 mm 3 çözünürlükte, anatomik taramalar edinin. NOT: Bu anatomik taramalar segmentasyon yanı sıra içinde ve taramalar arasında hem anatomi fonksiyonel görüntüleri hizalamak için kullanılır. Fonksiyonu arasında daha iyi uyum içinarkadaşları (EPI) görüntüler ve anatomi, T1 ağırlıklı hızlı şımarık gradient eko (SPGR) dizisi 1. kullanarak, EPI aynı çözünürlükte, aynı zamanda bir düzlem içi anatomi tarama edinin. </li></ol> 2. Veri Ön-işleme NOT: Ön PRF özelliklerini tahmin etmek, birkaç tipik fMRI veri ön-işleme adımları gibi kafa hareketleri düzeltme ve anatomik tarama fonksiyonel birimlerin uyum gibi, ihtiyaç vardır. Bu makalede, elde edilen sonuçların tüm ön-işleme, tahmin, analiz ve sunum VISTA yazılımı sitesinde bulunan açık kaynak MATLAB tabanlı yazılım araç VISTA LAB kullanılarak yapılmaktadır. http://white.stanford.edu/newlm/index.php/Main_Page. <ol><li> MATLAB içine anatomik tarama yükleyin ve createVolAnat adında bir işlevi kullanarak bir ses anatomisini hazırlamak. </li><li> Fonksiyonu "ItkGray" kullanarak Segment Gri madde, beyaz cevher ve BOS. </li><li> DICOM dönüştürerek işlevsel verileri hazırlayın (yani (yani, standart fonksiyonel MRI dosya biçimi) dosyaları, ve yük veri içine dosyaları. </li><li> Doğru baş hareketi bir afin matris dönüşümü dayalı rxAlign kullanarak adım 2.1 yüklü anatomi fonksiyonel görüntüleri hizalamak ve. </li><li> MrVISTA Analiz TimeSeries Ortalama tSeries tıklayarak bir sinyal-gürültü oranının iyileştirilmesi için ortalama fonksiyonel hareket düzeltilmiş tarar. Göz hareketleri 1-1.5 ° daha tespit sapma sırasında ortalama taramaları hariç. Farklı çalışır gelen sinyaller DC-sürükleniyor çıkardıktan sonra farklı DC-sürükleniyor, ortalama fonksiyonel taramalar varsa. </li><li> Haritalama fonksiyonel taramalar ve Gri madde arasında koordinatları hesaplayın ve aşağıdaki menüleri seçerek fonksiyonel taramalar karşılık gelen Gri madde vokselleri tespit: mrVISTA Pencere Aç Gri 3-View Window. Seçeneklerden birini seçerek, interpolasyonla Gri madde voksellerden BOLD sinyalleri atama birmrVISTA içinde ullanılabilir. </li></ol> PRF Topografi ve parametrik modelleme 3. Tahmini <ol><li> Aşağıdaki bağlantı üzerinden kod dosyaları indir: https://sites.google.com/site/leesangkyun/prf/codes.zip, sıkıştırılmış dosyayı ayıklamak ve yerel bilgisayarın bir tercih konuma yerleştirin. MATLAB klasörün yolunu ekleyin. </li><li> MrVISTA Analizi retinotopic Model Set Parametreler: Aşağıdaki menüleri seçerek deneyde kullanılan uyaran parametrelerini ayarlayın. Uyaran görüntüler, uyaran boyutu, kanonik hemodinamik fonksiyonu, fMRI tarayıcı kare hızı gibi parametreleri aşağıdaki belirtin. </li><li> PRF tahminine önce, ilk parametre setleri (Şekil 1B) hazırlamak. <ol><li> Kod dosyalarından "tprf_set_params.m" çapraz-doğrulama setleri ayarlayın. Böl, en az iki alt içine timeseries (test için bir takım ve eğitim setleri kalan) bar Swee için yeterince uzunp tüm uyaran alanı. Alternatif olarak, adım 2.4 taramaları ortalama olmadan, test için bir tarama bırakarak ve eğitim için kalan taramaları kullanarak taramaları doğrulamak. </li><li> Kaba bir parametre seti (Şekil 1 'de λ, λ = [10 -2 10 -1 1 10 1 10 2])' tprf_set_params.m "yayınlarında açıklanmıştır. Ardından, "tprf_set_params.m" ince bir ölçek aralığı ([0,1 0,3 0,5 0,7 0,9 1 3 5 7 9]) ayarlayın. NOT: Program yüksek varyans sonuçlanan λ seçmek için ayarlanmış kaba kullanır. Ardından, program, daha yüksek açıklanan varyans verir λ seçimi rafine, ince çaplı aralığını kullanarak seçilen λ etrafında yer arar. </li><li> "Tprf_set_params.m" görsel duyarlı voksellerdeki için açıklanan varyansın bir eşiği (0.2) ayarlayın. NOT: Bu eşik görsel duyarlı voksellerin seçimi için referans olarak kullanılır. Seçenek olarak ise, bir haleOlmayan bir görünümü veren bir bölge için İB (örneğin, non-görsel cevap beyin bölgesindeki 1 cm çapında bir küre çizerek) eşik değeri otomatik olarak hesaplanabilir. </li><li> "Tprf_set_params.m" normalize topografya PRF merkez bölgesini tanımlamak için eşik ([0.3, 0.5, 0.7]) bir dizi ayarlayın (örneğin, [0-1] veya [-1 1] çubuk uyarı olmaksızın dönemini ile Aşama 1.3.1). NOT: eşiklerin kümesinden verilen programı PRF merkezi modeli büyük sinyal varyansını açıklayan bir PRF merkezi bölgeyi tanımlayan eşik, yani "en iyi" eşiği seçer. Alternatif olarak, topografya özelliklerine bağlı olarak eşik değerlerinin farklı bir dizi seçin. </li></ol></li><li> "Tprf_runpRFest.m" PRF topografya hesaplamak (Şekil 1) Yürütme ve 2D anizotropik Gauss uygun. Bu protokol açıklanan tüm parametreleri belirttikten sonra, vekod çalıştıran, son tahmin sonuçlar elde. </li></ol><img alt="Şekil 1," src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700"> Şekil 1: PRF tahmin süreci. (A) işleminin şematik gösterimi PRF topografi tahmini için takip h (t):. PRF topografi tahmini için L2-norm regülarizasyonu (B) Belirli adımlar: hemodinamik yanıt fonksiyonu, A (t): uyaran, m: PRF, Reg. ve Prf merkezi modelleme. tahmini için gerekli parametrelerin kümesi her adımda listelenen. Topografi ve modeline göre olan bir tek-boyutlu kesit gösterilmektedir. Altında "Model uygunluğu", siyah ve kırmızı eğrileri topografya ve sırasıyla 0.5 merkezi eşiği, onun PRF merkezi modelini temsil eder. Mavi kesikli çizgi PRF için bir eşik gösterirMerkez bölge.

<ol><li>Dumoulin, S. O., Wandell, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population+receptive+field+estimates+in+human+visual+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Population receptive field estimates in human visual cortex.</a> Neuroimage. 39, 647-660 (2008).</li>
<li>Lee, S., Papanikolaou, A., Logothetis, N. K., Smirnakis, S. M., Keliris, G. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+method+for+estimating+population+receptive+field+topography+in+visual+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">A new method for estimating population receptive field topography in visual cortex.</a> Neuroimage. 81, 144-157 (2013).</li>
<li>Hastie, T., Tibshirani, R., Friedman, J. H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHastie%2C+T+%22The+elements+of+statistical+learning+%3A+data+mining%2C+inference%2C+and+prediction%22">The elements of statistical learning : data mining, inference, and prediction</a>. , 2nd edn, Springer. (2009).</li>
<li>Sereno, M. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Borders+of+multiple+visual+areas+in+humans+revealed+by+functional+magnetic+resonance+imaging%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging.</a> Science. 268, 889-893 (1995).</li>
<li>Engel, S. A., Glover, G. H., Wandell, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Retinotopic+organization+in+human+visual+cortex+and+the+spatial+precision+of+functional+MRI%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Retinotopic organization in human visual cortex and the spatial precision of functional MRI.</a> Cereb Cortex. 7, 181-192 (1997).</li>
<li>Engel, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((fMRI+of+human+visual+cortex%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">fMRI of human visual cortex.</a> Nature. 369, 525(1994).</li>
<li>DeYoe, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+striate+and+extrastriate+visual+areas+in+human+cerebral+cortex%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">Mapping striate and extrastriate visual areas in human cerebral cortex.</a> Proc Natl Acad Sci U S A. 93, 2382-2386 (1996).</li>
<li>Greene, C. A., Dumoulin, S. O., Harvey, B. M., Ress, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measurement+of+population+receptive+fields+in+human+early+visual+cortex+using+back-projection+tomography%5BTitle%5D)+AND+%22J+Vis%22%5BJournal%5D)">Measurement of population receptive fields in human early visual cortex using back-projection tomography.</a> J Vis. , (2014).</li>
<li>Zuiderbaan, W., Harvey, B. M., Dumoulin, S. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+center-surround+configurations+in+population+receptive+fields+using+fMRI%5BTitle%5D)+AND+%22J+Vis%22%5BJournal%5D)">Modeling center-surround configurations in population receptive fields using fMRI.</a> J Vis. , (2012).</li>
<li>Harvey, B. M., Dumoulin, S. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+relationship+between+cortical+magnification+factor+and+population+receptive+field+size+in+human+visual+cortex%3A+constancies+in+cortical+architecture%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">The relationship between cortical magnification factor and population receptive field size in human visual cortex: constancies in cortical architecture.</a> J Neurosci. 31, 13604-13612 (2011).</li>
<li>Haak, K. V., Cornelissen, F. W., Morland, A. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population+receptive+field+dynamics+in+human+visual+cortex%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Population receptive field dynamics in human visual cortex.</a> PLoS One. 7, e37686(2012).</li>
</ol>

Yazarlar, rekabet eden hiçbir finansal çıkarları olmadığını beyan ederler.

Bu makalede, insan görsel korteks ve nasıl alıcı alanı için uygun bir parametrik bir model seçmek için kullanabilirsiniz görsel nüfus açık alanların topografya tahmin gösterilmiştir. Başarılı bir retinotopy için, uygun bir uyarım protokolü ve verimli bir analiz yöntemi seçilmelidir ve kişinin deneysel parametreler (hareket ve tespit) optimize edilmelidir. O ayrı uyaran yerlerden farklı BOLD yanıtları üretir gibi görme alanı boyunca sırayla hareket Bar uyaranlara PRF tahmini için verimli bir uyarıcı paradigması vardır. v...

Fonksiyonel manyetik rezonans görüntüleme (fMRI) (genellikle milimetre mertebesinde) non-invaziv bir makroskopik ölçekte görsel korteksin fonksiyonel organizasyonunu ölçer. Erken fMRI retinotopy çalışmaları uyaran konumu arasında bir tutarlılık ölçüsü kullanılmış ve BOLD yanıtları 4-7 ortaya çıkardı. Bu çalışmalar genellikle nüfus açık alan büyüklüğünü tahmin etmedi. Daha sonra, Dumoulin ve Wandell 1 açıkça, PRF konumu ve boyutunu modelleme BOLD yanıtı tahmin etmek, bu modelin doğrusal bir fonksiyonu kullanarak böyle bir sınırlama aşmak için bir yöntem önerdi. Ancak, bu yöntemin öncü bir sınırlama parametrik PRF model-priori seçilmelidir ve uygun olmadığı ortaya çıkarsa hatalı PRF tahmin yol açabilir olmasıdır. Parametrik PRF-modeli yönteminin sınırlamaları aşmak için, yeni yöntemler son zamanlarda geliştirilmiştir. Bu yöntemler, doğrudan s BOLD yanıtı tahminPRF topografya yeniden tarafından timulus. Greene ve arkadaşları tarafından önerilen bir yöntem 8 ayrı 1D uyaran alanlarda BOLD yanıtları geri projelendirme ve tipik bir bilgisayarlı tomografi tekniği gibi 2D uyaran uzayda PRF topografya kurarak PRF topografya yeniden yapılandırır. Öte yandan, bizim tarafımızdan önerilen yöntem 2 doğrudan lineer regresyon kullanılarak ve bir düzenlemenin tekniği uygulanarak 2D PRF topografya tahmin. Bu yöntemde, PRF topografisi, belirli bir vokselin nöronal nüfus yanıtı tahmin etmek için uyarıcı ile çarpılır bulunan bir dizi ağırlıktan olarak temsil edilir. Ardından, uyaran tarafından uyarılmış son Kan Oksijen Düzeyi-Bağımlı (BOLD) tepki nöronal nüfus yanıtı ve kurallı hemodinamik tepki fonksiyonu evrişim toplamının tahmin edilmektedir. Altında kısıtlı doğrusal sistemini çözmek için, ayrıca, ridge regresyon düzenlilestirme seyrekliği zorlamak için kullanılır (Şekil 1aşağıda). düzenlilestirme tekniği gürültü ve eserler bastırır ve böylece bizim yöntem daha sağlam PRF topografya tahmin sağlar. topografik yöntemler gerçek PRF yapısını ortaya çıkarabilir, bu nedenle belli bir parametrik şekli var PRF şekli zorlamak, ve yoktur. Uygun bir parametrik model, daha sonra PRF topografya dayalı seçilebilir. Örneğin, PRF topografya PRF merkezi ve çevre ayırmak için, ve sonra daha sonraki PRF merkezi modelleme çevre bastırma etkisinin yanı sıra uzak bölgelerde ortaya çıkan diğer potansiyel eserler etkisini en aza indirerek daha doğru olabilir kullanılabilir Prf merkezi. Biz son zamanlarda PRF 9 nicel bizim yöntem ve doğrudan diğer bazı yöntemler arasında karşılaştırma (yani topografya tahmin önce) Gauss 1, izotropik uygun anizotropik Gauss ve Gauss izotropik farkı gerçekleştirdik. Bu topogr bulunmuşturaphy-tabanlı yöntem BOLD sinyal zaman serilerinin açıklanan varyans yüksek elde ederek PRF merkez modelleme ile ilgili bu yöntemleri geride. Çeşitli alanlarda PRF özelliklerinin doğru tahmin onlar görme alanını kapsayacak nasıl ortaya ve görsel algı ile ilgilidir, özellikle görsel korteksin fonksiyonel organizasyonunu araştırmak için önemlidir. Böyle Eksantriklik 1,10 ve PRF merkez surround örgütü 9 ile PRF boyutu değişir, insan literatürde okudu nasıl gibi özellikler. PRF topografya daha doğru PRF parametre modelleme sonuçları ve bilinmeyen düzenlilikleri ortaya olasılığı daha yüksektir tahmini için önerilen yöntem, kolayca doğrudan parametrik modeller bir-priori modellenmiş değil. Bu yaklaşım, PRF yapısı mutlaka öngörülebilir bir-priori değil kimin için görsel yolu lezyonları olan hastalarda PRF organizasyonu incelemek için özellikle uygun olacaktır. Aşağıda th tahmin nasıl tarif edilire PRF topografya ve nasıl PRF merkezi modellemek için topografya kullanmak için.

<table><tbody><tr><td>MRI tarayıcı</td><td>Siemens/Philips/GE</td><td></td><td></td></tr><tr><td>MATLAB</td><td>Mathworks, Inc.</td><td></td><td>http://www.mathworks.com&nbsp;</td></tr><tr><td>VISTA yazılımı</td><td>VISTA yazılım grubu</td><td></td><td>http://white.stanford.edu/newlm/index.php/Software</td></tr><tr><td>PsychoToolbox PsychoToolbox</td><td>&nbsp;</td><td></td><td>http://psychtoolbox.org&nbsp;</td></tr><tr><td>Göz İzleyici (VisuaStimDigital)</td><td>Rezonans Teknolojisi A.Ş</td><td></td><td>. http://mrivideo.com/</td></tr></tbody></table>

fmri tarafından görsel nüfus alıcı fields topografik tahmini

Topographical Estimation of Visual Population Receptive Fields by fMRI

Hücrelerin komşu popülasyonları görme alanı komşu bölgelerine harita, böylece Görsel korteks retinotopically düzenlenmiştir. Fonksiyonel manyetik rezonans görüntüleme bize yani voksel dayalı nüfus açık alanları (PRF), tahmin sağlar, her voksel içindeki hücreleri aktive görme alanının bir parçası. 1) PRF modeli-priori seçilir ve tamamen gerçek PRF şekli yakalamak olmayabilir, ve 2) PRF merkezleri uyaran alanı sınırına yakın mislocalization eğilimli: önce, doğrudan, PRF tahmin yöntemleri 1 belirli sınırlamalar muzdarip. İşte yeni topografik PRF tahmin yöntemi 2 büyük ölçüde bu sınırlamaları ortadan önerilmiştir. Bir doğrusal model kanonik hemodinamik tepki fonksiyonu ile görsel uyarana PRF lineer tepkisini evrişim toplamının Blood Oksijen Düzeyi-Bağımlı (BOLD) sinyal tahmin etmek için kullanılır. PRF topografya olan bileşenler str temsil ağırlık vektörü olarak temsil edilirvoksel nöronların toplam yanıtın ength farklı görme alanı yerlerde sunulan uyarıcıya. Elde edilen lineer denklemler PRF topografya veren sırt regresyon 3 kullanılarak PRF ağırlık vektörü için çözülebilir. Tahmini topografya ile uyumlu olan bir PRF modeli daha sonra böylece vb PRF-merkezi konumu, PRF yönelim, boyut olarak PRF parametrelerin tahminleri iyileştirilmesi, post-hoc seçilebilir. PRF topografya mevcut olması da PRF yapısı hakkında bir-priori varsayımlar yapmak zorunda kalmadan çeşitli PRF özellikleri çıkarılmasını sağlayan PRF parametre tahminlerinin görsel doğrulama sağlar. Bu yaklaşım, görsel sistemin bozukluğu olan hastaların PRF organizasyonunu araştırmak için özellikle yararlı olacağa benziyor.

Doğru PRF modelleme doğru PRF şekiller yakalama gerektirir. PRF topografyasını bilmeden, önceki çalışmalarda 1,9-11 kullanılan dairesel simetrik modellerin seçimi makul bir seçimdir. Yerel retinotopic kurum görme alanı her yönde homojen ise, bir yerel halk yanıt nöronal yanıtları dairesel simetrik toplam agrega olarak temsil edilebilir, çünkü. Ancak, bizim gözlem bu mutlaka böyle (Şekil 2) olmadığını göstermektedir. Bu nedenle, PRF topografyasının gözlem PRF modeli için uygun bir parametrik f...

Fonksiyonel manyetik rezonans görüntüleme ile görsel popülasyon alıcı alanlarının (pRF'ler) tarafsız tahminlerini elde etmek önemlidir. pRF şekli hakkında a-priori varsayımlar olmadan pRF topografyasını tahmin etmek için hafif düzenlileştirme kısıtlamaları kullanıyoruz, bu da belirli pRF modellerini post-hoc olarak seçmemize olanak tanıyor. Bu özellikle görme yolu lezyonları olan hastalarda avantajlıdır.

FMRI tarafından Görsel Nüfus Alıcı Fields topografik Tahmini

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

Bu prosedürün genel amacı, doğru görsel popülasyon alıcı alanlarını tahmin etmektir. Bu, öncelikle belirgin ve sağlam bir tepki ortaya çıkarmak için görsel alanda lokalize edilmiş etkili ve verimli görsel uyaranların hazırlanmasıyla gerçekleştirilir. İkinci adım, yüksek görsel dikkat ve minimum göz ve baş hareketi ile fonksiyonel beyin aktivitesini görüntülemektir.Son adım, elde edilen verilerin önceden işlenmesidir. Sonuç olarak, görsel uyarana FMRI sinyal tepkisini modellemek için önerilen bir yöntemin uygulanması, görsel popülasyonun, alıcı alanın ve modelinin topografyasını verir. Bu yöntemin doğrudan uydurma yöntemi gibi mevcut yönteme göre en büyük avantajı, genel olarak herhangi bir PRF modelinin seçilmesini gerektiren yöntemimizin, güvenilir bir retina konusunu ortaya çıkarmada etkili olan bir uyaran protokolü hazırlamaktır.Görsel tepki: İlk olarak mevcut çubuk uyaranı, ekran boyunca sırayla sekiz yön boyunca 45 derecelik adımlarla sürüklenir, hareketin tarayıcı çerçevesinin alınmasıyla senkronize olmasını sağlar, böylece çubuk bir adım hareket eder. Bir FMRI çerçevesi başladığında ve çerçeve bitene kadar yeni konumunda kaldığında. Uyaranın sunulduğu görsel açıda bir görüş alanı tanımlamak için, güçlü görsel tepkiler ortaya çıkarmak için çubuk içindeki hareketli veya titreyen dama tahtası desenlerini sunun.Ardından, eşit aralıklı sekiz hareket yönü olacak ve çubuklar kare başına çubuğun yarısı kadar hareket edecek şekilde belirli parametreleri girin. Daha sonra, her hareket yönünde 24 kare ile 192 kare süresine sahip tipik bir yankı planlayıcı görüntüleme taraması kullanarak bir MRI tarayıcısında bir deneğin beynini tarayın. Sinyal-gürültü oranını artırmak için taramaları dört ila sekiz kez tekrarlayın.Ardından, EPI dizisi için parametreleri ayarlayın. Tüm prosedürler, PRF özelliklerinin tahmin edilmesinden önce Vista yazılım sitesinde bulunan MATLAB tabanlı yazılım araç kutusu Vista laboratuvarı kullanılarak gerçekleştirilir. Kafa hareketi düzeltmesi ve fonksiyonel hacimlerin anatomik taramaya hizalanması gibi birkaç tipik FMRI veri ön işleme adımına ihtiyaç vardır.Kod dosyalarını internetten indirin, sıkıştırılmış dosyaları ayıklayın ve yerel bilgisayarda tercih edilen bir konuma yerleştirin. Ardından matlab'daki klasöre bir yol ekleyin. Ardından, Mr.Vista'yı seçerek deneyi kullanarak uyaran parametrelerini ayarlayın.Daha sonra analiz, ardından retina konu modeli, ardından ayarlanan parametreler. PRF tahmininden önce uyaran görüntüleri, uyaran boyutu, kanonik hemodinamik fonksiyon ve FMRI tarayıcısının kare hızı gibi parametreleri belirtin. TPRF'de çapraz doğrulama kümelerini ayarlayarak ilk parametre kümelerini hazırlayın.Kod dosyalarından M paragraflarını ayarlayın. Ardından zaman serisini, çubuğun tüm uyaran alanını süpürmesi için yeterince uzun olan en az iki alt kümeye bölün. Alternatif olarak, taramaların ortalamasını almadan, test için bir taramayı dışarıda bırakarak ve kalan taramaları eğitim için kullanarak taramaları doğrulayın.Ardından, bir kurs parametre seti girin. Ardından, daha sonra ince bir ölçek aralığı ayarlayın, açıklanan varyans için görsel olarak duyarlı vokseller için 0,2 gibi bir eşik belirleyin. Bu eşik, görsel olarak duyarlı voksellerin seçimi için referans olarak kullanılır.Ardından, dosyadaki normalleştirilmiş topografyada PRF merkez bölgesini tanımlamak için bir dizi eşik girin. Ardından, PRF topografyasını hesaplamak ve A 2D ve izotropik gian'ı sığdırmak için dosyayı çalıştırın. Bu protokolde açıklanan tüm parametreleri belirttikten ve kodu çalıştırdıktan sonra, nihai tahmin sonuçlarını elde edin.İşte tipik bir PRF topografyası. Topografyada. Kırmızı renk, PRF topografyasında orta sağ yatay meridyen üzerinde yatan PRF merkezini gösteren en duyarlı alanı gösterir, bazen düşük ağırlıklara sahip PRF merkez yapısı boyunca çubuk desenleri gözlenir.Burada gösterilen eşik adımında kolayca elimine edilirler. Önceki bir yöntem ile topografya tabanlı PRF merkezi modeli arasında bir karşılaştırma olarak, açıklanan varyansın karşılık gelen yüzdesi her modelin üzerinde gösterilir. Bu çalışmada, T modelleri daha doğru PRF şekline sahip tüm örneklerde daha yüksek açıklanmış varyans göstermektedir.Bu şekil, bir konunun sol yarıküresinin eksantriklik ve kutupsal açı haritalarını göstermektedir ve burada PRF boyutu ile eksantriklik arasında bir ilişki vardır. PRF boyutu, V bir ila üç görsel alanda eksantriklik ile artar. Bu videoyu izledikten sonra, FMRI'da görsel popülasyon alıcı alanlarının nasıl tahmin edileceğini iyi anlamış olmalısınız.

topographical-estimation-of-visual-population-receptive-fields-by-fmri

Research

JoVE Journal

Behavior

Davranış

Bu makalede, 3T tarayıcı kullanarak insan orta beyin ve subkortikal yapılarda 1.2 mm örnekleme ile yüksek çözünürlüklü fonksiyonel manyetik rezonans görüntüleme gerçekleştirmek için teknikler anlatılmaktadır. Insan üstün kollikulus (SC) görsel uyarım topografik haritalar çözmek için bu tekniklerin kullanılması örnek olarak verilmiştir.

İnsan orta beyin için yüksek çözünürlüklü Fonksiyonel Manyetik Rezonans Görüntüleme Yöntemleri

Biz manyetik rezonans görüntüleme (MRG) ile beyin yapısı ve işlevleri aynı anda analizi için yeni bir yaklaşım açıklanmaktadır. Biz yüksek çözünürlüklü difüzyon ağırlıklı görüntüleme ve beyaz madde lif traktografi beyin yapısının değerlendirilmesi. Standart yapısal MRG aksine, bu teknikler bize doğrudan beyin ağlarının fonksiyonel özelliklerini anatomik bağlantı ilgili izin verir.

FMRI ve difüzyon ağırlıklı görüntüleme ile Beyin Yapısı ve Fonksiyonu Co-analizi

Kaynak: Galenchik-Chan, A.,  et al. Geniş Görüşlü Retinotopik Stimülasyon ile Görsel Korteksin Fonksiyonel Manyetik Rezonans Görüntülemesi (fMRI). J. Vis. Uzm. (2023).   Video, kan oksijenasyon seviyelerine dayalı aktiviteyi haritalamak için görsel korteksin fonksiyonel manyetik rezonans görüntülemesini (fMRI) gösterir. Yapısal MRG görüntüleri anatomik referanslar olarak elde edilir, ardından fMRI taramaları yapılır. Görsel korteksteki retinotopik nöronları aktive etmek için görsel uyaranlar...

Görsel korteksin kan oksijen seviyesine bağlı fonksiyonel manyetik rezonans görüntülemesi

fNIRS kullanılarak doğal bir görev sırasında kaydedilen fonksiyonel beyin aktivitesini fMRI sırasında kaydedilen aktivite ile karşılaştırmak için bir yöntem sunuyoruz.

Bir Doğal Görev sırasında fNIRS Ölçümlerin fMRI Doğrulama

Görüntüleme yöntemi, Imaging kronolojik zamanmekansal fMRI kýsýtlanmýþ EEG kaynağı olarak bilinen yöntemi bir EEG-fMRI multimodal burada açıklanmıştır. Koşullu olarak aktif fMRI alt haritalar veya sabıkası EEG kaynak yerelleştirme kayma özgüllük geliştirir ve hatalı sonuçlar sınırlar bir şekilde gösterecek, sunulan yöntemi kullanır.

Eşzamanlı EEG ve fonksiyonel MRI kayıt ve entegrasyon analiz dinamik Kortikal faaliyet görüntüleme için

Nesne seçicilik parieto-cepheden nöronların visuomotor dönüşümler ilgili analiz için detaylı bir protokol sunulmuştur.

Tek-unit kayıtları kullanarak nesne temsilcilikleri makak Dorsal Visual akışı soruşturma

Bu makalede, manyetoensefalografi (Meg) kullanarak nesne algılamada pre-Stimulus kaynak düzeyi etkilerini algılamaya olanak sağlayan bir denemenin nasıl ayarlanacağı açıklanır. Uyarıcı malzemesi, deneysel tasarım, Meg kaydı ve veri analizini kapsar.

Magnetoensefalografi ile nesne algısında ön Stimulus kaynak düzeyinde etkileri tespit etme

Tüm kafa fNIRS kapsamı ile aynı deneklerden fMRI ve fNIRS sinyallerini aynı anda toplamak için bir yöntem sunuyoruz. Protokol üç genç yetişkinle test edilmiştir ve gelişimsel çalışmalar ve klinik popülasyonlar için veri toplama için uyarlanabilir.

Tüm kafa optode dizisi ve kısa mesafeli kanallar kullanılarak fMRI ve fNIRS ölçümlerinin eş zamanlı veri toplanması

Yaygın olarak kullanılandan daha fazla görsel alan kullanarak görsel korteks işlevini haritalamak için teknikler geliştirdik. Bu yaklaşım, görme bozukluklarının ve göz hastalıklarının değerlendirilmesini geliştirme potansiyeline sahiptir.

Geniş Görüşlü Retinotopik Stimülasyon ile Görsel Korteksin Fonksiyonel Manyetik Rezonans Görüntülemesi (fMRI)

Bu makalede, fonksiyonel Manyetik Rezonans Görüntüleme (fMRI) kullanarak ötücü kuş beyindeki işitsel uyarım nöral yüzeylerde görüntüleme için optimize edilmiş bir prosedürü gösterir. Bu ses uyaranlara, konunun konumlandırılması ve fMRI verilerinin elde edilmesi ve daha sonraki analiz hazırlanmasını tarif etmektedir.

Songbirds İşitsel Uyarım ile Fonksiyonel Manyetik Rezonans Görüntüleme (fMRI)

Öğrenin, fMRI kullanarak görsel nüfus alıcı alanların topografik tahmini için hafif düzenlileştirme kısıtlamalarıyla ön varsayım gerektirmeyen yöntemi. Bu hesaplamalı yaklaşım, görsel yol lezyonlu bireylerde doğru sonuçlar sağlar.

FMRI tarafından Görsel Nüfus Alıcı Fields topografik Tahmini

Daha fazla video keşfet