We thank the VISTA software group (Brian Wandell and associates, at Stanford).
S. S. was supported by McNair 2280403105,NEI R01-EY109272, and NEI R01-EY024019 and as HHMI Early Carrer Award. A. P. and G. K. was supported by the Max-Planck Society, G. K. was supported by the PLASTICISE project of the 7th Framework Programme of the European Commission, Contract no. HEATH-F2-2009-223524.

1. Datenerfassung <ol><li> Bereiten Sie einen Stimulus-Protokoll, das wirksam bei der Auslösung einer zuverlässigen retinotope visuelle Antwort wie zuvor in Dumoulin und Wandell 1 und Lee et al ist. 2. Jedoch sind auch andere etablierte Paradigmen auch anwendbar in Abhängigkeit von der spezifischen experimentellen Fragen angesprochen werden. </li><li> Präsentieren bar Reize driften über den Bildschirm nacheinander entlang 8 Richtungen des Raumes, in Schritten von 45 Grad. Stellen Sie sicher, dass die Bewegung synchron mit Scanner Rahmen Erwerb (TR ~ 2 sec), so dass der Balken bewegt sich einen Schritt einmal eine fMRI Rahmen beginnt und bleibt an der neuen Position, bis der Rahmen endet. </li><li> Um eine korrekte Ausgangssignal zu messen, fügen Epochen ohne Stimulation 1 bar. <ol><li> Definiert ein Sichtfeld (10 bis 15 ° Radius) in Sichtwinkel, über den der dargeboten wird. Präsentieren bewegenden oder flackerndes Schachbrettmuster (checker size = 0,94 x 0,94 Grad 2, pattern Aktualisierungsrate = 250 ms / Muster) in der Bar zu starken visuellen Reaktionen hervorrufen. </li><li> Geben Sie die folgenden spezifischen Parameter: 8 gleichmäßig verteilte Bewegungsrichtungen, Breite bar gleich 1,875 ° und Bars zu bewegen um die halbe Strichbreite pro Bild (2 sec). Weitere Details finden sich in Lee et al. 2. </li><li> Generieren Sie einen Ort (~ 0,25 °) in die Mitte des Bildschirms, auf dem die Augen der Person während des Experiments zu fixieren. Farbe des Spots ändern zufällig in der Zeit. </li></ol></li><li> Scannen Sie das Gehirn eines Subjekts in einem MRI-Scanner mit einem typischen Echo-Planar-Bildgebung (EPI) Scan, 192 Frames Dauer (24 Bilder in jede Bewegungsrichtung) hat. Wiederholen Sie die Scans 4-8 mal, um das Signal-Rausch-Verhältnis zu erhöhen. </li><li> Stellen Sie die Parameter für den EPI-Sequenz wie folgt: TR = 2 sec, TE = 40 ms, Matrixgröße = 64 x 64, 28 Scheiben, Voxelgröße = 3 x 3 x 3 mm 3, Flip-Winkel = 90 °, alternativ gelten Sequenzen mit einer feineren Auflösung (z.g., 2 x 2 x 2 mm 3) oder ein Kurz TR (beispielsweise 1-1,5 sec), die ausschließlich die Sehrinde 2. </li><li> Spur Augenbewegungen mit einem Augenverfolgungssystem während funktionellen Scans Fixierung sicherzustellen innerhalb 1-1,5 ° vom Fixationspunkt gehalten. Anmerkung: Hier wird ein Kopf-Koordinate basierend Augenverfolger in einer Schutzbrille System verwendet wird, aber andere geeignete Augenverfolgungssysteme können stattdessen verwendet werden. </li><li> Weisen Sie die Themen, um die Stelle auf die Mitte des Bildschirms in Schritt 1.3.2 erzeugt fixieren. Um sicherzustellen, dass die Probanden fixiert, sie anweisen, die Farbveränderungen der Befestigungspunkt zu melden. </li><li> Erhalten anatomischen Scans auf 1 x 1 x 1 mm 3 Auflösung (zB T1-MPRAGE; TR = 1900 ms, TE = 2,26 ms, TI = 900 ms, Flipwinkel = 9 °, 176 Partitionen). ANMERKUNG: Diese anatomischen Scans zur Segmentierung sowie zum Ausrichten der funktionellen Bilder der Anatomie sowohl innerhalb der Abtastungen verwendet werden. Für eine bessere Ausrichtung zwischen Funktional (EPI) von Bildern und die Anatomie, erhalten auch eine inplane Anatomie Scans mit einer Auflösung identisch mit der EPI, mit T1-gewichteten schnell verdorben Gradientenecho (SPGR) Folge 1. </li></ol> 2. Datenvorverarbeitung HINWEIS: Vor der Schätzung pRF Eigenschaften, einige typische fMRT-Daten vor, eine Bearbeitungsschritte benötigt werden, wie zum Beispiel Kopfbewegungskorrektur und die Ausrichtung der Funktionsvolumen der anatomischen Scan. In diesem Artikel werden alle Vorverarbeitung, Schätzung, Analyse und Präsentation der Ergebnisse erhalten werden unter Verwendung des Open-Source-MATLAB-basierte Software-Toolbox VISTA LAB auf der VISTA-Software zur Verfügung. http://white.stanford.edu/newlm/index.php/Main_Page. <ol><li> Laden Sie die anatomischen Scan in MATLAB und bereiten ein Volumen Anatomie mit einer Funktion namens createVolAnat. </li><li> Segment graue Substanz, weiße Substanz und CSF mit der Funktion &quot;ItkGray&quot;. </li><li> Bereiten Funktionsdaten durch Umwandlung DICOM (dh </em&gt;, roh MRI-Dateiformat für Siemens) Dateien in NIfTI (dh Standard-funktionellen MRT-Format) -Dateien, und Laden von Daten in VISTA mit einer Funktion namens mrInit. </li><li> Correct Kopf-Bewegung, und richten Funktionsaufnahmen der Anatomie in Schritt 2.1 mit rxAlign basierend auf einer affinen Matrix-Transformation geladen. </li><li> Durchschnittliche funktionelle Bewegungskorrigierten Scans für die Verbesserung der Signal-zu-Rausch-Verhältnis, indem Sie auf mrVISTA Analyse Timeseries Durchschnittliche tseries. Ausschließen von durchschnittlich Scans, während der Augenbewegungen weicht von Fixierung mehr als 1 bis 1,5 °. Wenn Signale von verschiedenen Läufen unterschiedliche DC-Drifts, durchschnittliche Funktions Scans nach dem Entfernen der DC-Drifts. </li><li> Berechnen Sie die Mapping-Koordinaten zwischen funktionalen Scans und graue Substanz und Bestimmung der entsprechenden Grau Sache Voxel in den funktionalen Scans, indem Sie die folgenden Menüs: mrVISTA Fenster öffnen Grau Fenster 3-View. Vergeben BOLD-Signale in der grauen Substanz Voxel durch Interpolation, die Wahl einer der Optionen einvailable in mrVISTA. </li></ol> 3. Die Einschätzung der pRF Topographie und Parametric Modeling <ol><li> Laden Sie sich die Code-Dateien über den folgenden Link: https://sites.google.com/site/leesangkyun/prf/codes.zip, extrahieren Sie die komprimierte Datei und legen Sie sie in einem bevorzugten Ort für den lokalen Computer. Fügen Sie den Pfad des Ordners, in MATLAB. </li><li> Stellen Sie die Stimulationsparameter in das Experiment, indem Sie die folgenden Menüs: mrVISTA Analyse retinotope Modell Parameter einstellen. Geben Sie die folgenden Parameter wie Stimulus Bilder, Stimulus Größe, die kanonische hämodynamischen Funktion, die Bildrate der fMRI-Scanner. </li><li> Vor der pRF Schätzung, bereiten die Anfangsparametersätze (Abbildung 1B). <ol><li> Stellen Sie die Kreuzvalidierung Sets in &quot;tprf_set_params.m&quot; aus den Codedateien. Teilen Sie Zeitreihen in mindestens zwei Teilmengen (ein Satz für die Prüfung und die verbleibenden Sätze für die Ausbildung), die lang genug für die Bar zu Swee sindp die ganze Reiz Raum. Alternativ ohne Mittelung Scans in Schritt 2.4, Validierung Scans durch das Weglassen von einem Scan zum Testen und mit den restlichen Scans für die Ausbildung. </li><li> Stellen Sie eine grobe Parametersatz (λ in 1; λ = [10 -2 10 -1 1 10 1 10 2]) in &quot;tprf_set_params.m&quot;. Stellen Sie dann eine feine Skalenbereich ([0,1 0,3 0,5 0,7 0,9 1 3 5 7 9]) in &quot;tprf_set_params.m&quot;. HINWEIS: Das Programm verwendet die Grob gesetzt, um den λ was zu den höchsten erklärte Varianz zu wählen. Dann sucht das Programm den Raum um den ausgewählten λ mit dem Feinmessbereich, weitere Verfeinerung der Auswahl von λ, die den höchsten erklärte Varianz ergibt. </li><li> Einen Schwellenwert (0,2) der erklärten Varianz für visuell ansprechende Voxel in &quot;tprf_set_params.m&quot;. HINWEIS: Diese Schwelle wird als Referenz für die Auswahl von visuell ansprechenden Voxel verwendet. Alternativ können Sie einROI für eine nicht-optisch ansprechenden Bereich (beispielsweise durch Ziehen einer Kugel mit einem Radius von 1 cm in einer nicht optisch ansprechenden Bereich des Gehirns), wobei der Schwellenwert automatisch berechnet werden. </li><li> Festlegen eines Satzes von Schwellenwerten ([0,3, 0,5, 0,7]) zum Definieren der pRF Mittelbereich in dem normalisierten Topographie &quot;tprf_set_params.m&quot; (dh, [0-1] oder [-1 bis 1] mit Epochen ohne bar Stimulations in Schritt 1.3.1). HINWEIS: Aus dem Satz von Schwellenwerten das Programm vorgesehen wählt den &quot;besten&quot; Schwelle, dh die Schwelle, die eine pRF zentralen Region, für die das Zentrum pRF Modell erklärt die größte Signalvarianz definiert. Alternativ wählen Sie eine andere Menge von Schwellenwerten in Abhängigkeit von den Eigenschaften der Topographie. </li></ol></li><li> Ausführen &quot;tprf_runpRFest.m&quot; berechnen die pRF Topographie (1) entfernen und 2D anisotrope Gaußsche. Nach Angabe aller in diesem Protokoll beschriebenen Parameter, undAusführen des Codes, erhalten die endgültigen Schätzergebnisse. </li></ol><img alt="Figur 1" src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700" /> Abbildung 1: PRF Schätzverfahren. (A) Schematische Darstellung des Prozesses folgte für pRF Topographie Schätzung h (t):. Hämodynamischen Antwortfunktion A (t): Reiz, m: pRF, Reg. L2-Norm Regularisierung (B) Spezifische Schritte für pRF Topographie Schätzung und pRF Zentrum Modellierung. Die Menge der für die Bestimmung erforderlichen Parameter in jedem Schritt aufgelistet. Eine eindimensionale Abschnitt Topographie und sein Modell veranschaulicht. Unter &quot;Modell Fitting&quot;, schwarze und rote Kurven stellen die Topographie und seiner pRF Zentrum-Modell mit einem Zentrum Schwelle von 0,5. Die blau gestrichelte Linie gibt einen Schwellenwert für die pRFZentralregion.

<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>

The authors declare that they have no competing financial interests.

Dieser Artikel beschreibt, wie die Topographie der visuellen Bevölkerung rezeptiven Felder im menschlichen visuellen Kortex und wie man es benutzt, um eine geeignete parametrisches Modell für die rezeptiven Feld auswählen zu schätzen. Für eine erfolgreiche Retinotopie sollte eine geeignete Stimulationsprotokoll und eine effiziente Analyseverfahren ausgewählt werden, und Versuchsparameter des Subjekts (Bewegung und Fixierung) optimiert werden. Bar Reize Ablauf eines ganzen Gesichtsfeld sind eine effiziente Anregung...

Die funktionelle Magnetresonanztomographie (fMRT) misst nicht-invasiv die funktionelle Organisation des visuellen Kortex auf makroskopischer Ebene (in der Regel in der Größenordnung von Millimetern). Frühe fMRI Retinotopie Studien eine Kohärenzmaßes zwischen Reiz Lage und löste BOLD Antworten 4-7. Diese Studien in der Regel nicht zu schätzen Bevölkerung rezeptiven Feld Größe. Später, Dumoulin und Wandell 1 ein Verfahren vorgeschlagen, eine solche Beschränkung durch die explizite Modellierung der pRF Lage und Größe, mit einer linearen Funktion des Modells, das BOLD Antwort vorhersagen zu überwinden. Allerdings ist eine Beschränkung dieser bahnbrechenden Verfahren, dass die parametrische pRF Modell muss a priori gewählt werden und kann zu fehlerhaften pRF schätzt, wenn sich herausstellt, nicht angemessen. Um Einschränkungen des parametrischen pRF-Modell-Methode zu überwinden, wurden neue Methoden vor kurzem entwickelt worden. Diese Methoden direkt sagen die BOLD Antwort auf die stimulus durch die Rekonstruktion der PRF-Topographie. Ein von Greene und Kollegen vorgeschlagene Methode 8 rekonstruiert die pRF Topographie durch Rückprojektion der BOLD-Antworten auf die einzelnen 1D Reiz Flächen und den Bau der pRF Topographie in der 2D-Stimulus Raum wie ein typischer Computer-Tomographie-Technik. Andererseits ist die von uns vorgeschlagene Verfahren 2 direkt schätzt den 2D pRF Topographie unter Verwendung linearer Regression und Anlegen einer Regularisierung Technik. In diesem Verfahren wird die PRF Topographie als ein Satz von Gewichten, die durch den Stimulus, multipliziert wird, um den neuronalen Population Antwort eines gegebenen Voxels Abschätzung dargestellt. Dann wird der endgültige Sauerstoffgehalt des Blutes-Dependent (fett) Reaktion des Stimulus hervorgerufen durch Faltung des neuronalen Population Antwort und die kanonische hämodynamischen Antwortfunktion geschätzt. Um die unter beschränkte Linearsystem zu lösen, zusätzlich Firstregressions Regularisierung wird zur Kargheit durchzusetzen (siehe Abbildung 1unten). Die Regularisierung Technik unterdrückt Rauschen und Artefakte und ermöglicht unsere Methode, um die Topographie pRF robuster zu schätzen. Die topographischen Methoden nicht pRF Form zu zwingen, eine bestimmte parametrische Form haben, und kann daher die tatsächliche pRF Struktur aufzudecken. Eine geeignete parametrische Modell kann dann auf der Basis der Topographie pRF gewählt werden. Beispielsweise kann die pRF Topographie verwendet, um die pRF Center- und Surround trennen, und dann können die anschließende pRF Zentrum Modellierung genauer zu sein, mit minimalem Einfluss von Surround-Unterdrückung sowie den Einfluss von anderen potenziellen Artefakte, die sich in Bereichen entfernt, um die werden pRF Zentrum. Wir haben vor kurzem durchgeführt, einen quantitativen Vergleich zwischen unseren Verfahren und verschiedene andere Verfahren, die direkt (dh vor der Schätzung der Topographie) fit isotropen Gaußschen 1, anisotrope Gaußsche und Differenz von isotropen Gauß an die pRF 9. Es wurde, dass der topogr gefundenO S-basierte Methode besser als diese Methoden im Hinblick auf pRF Zentrum Modellierung durch das Erreichen höherer erklärte Varianz des BOLD-Signal Zeitreihen. Genaue Schätzung pRF Eigenschaften in verschiedenen Bereichen zeigt, wie sie das Sichtfeld abdecken, und ist wichtig für die Untersuchung der funktionellen Organisation des visuellen Kortex insbesondere in Bezug auf die visuelle Wahrnehmung. Eigenschaften wie, wie pRF Größenänderungen mit Exzentrizität 1,10 und pRF Surround-Center-Organisation 9 sind in der menschlichen Literatur studierte. Das vorgeschlagene Verfahren zum Schätzen der pRF Topographie führt zu genaueren pRF Parameter Modellierung und eher unbekannten Gesetzmäßigkeiten offenbaren, nicht leicht in den Direkt parametrischer Modelle modelliert a-priori. Dieser Ansatz wird besonders für das Studium pRF Organisation bei Patienten mit Sehbahnläsionen, für die pRF Struktur ist nicht unbedingt vorhersehbar a priori sein. Im Folgenden wird beschrieben, wie man schätzen, the pRF Topographie und wie man die Topographie verwenden, um die pRF Zentrum zu modellieren.

<table><tbody><tr><td>MRI scanner</td><td>Siemens/Philips/GE</td><td></td><td></td></tr><tr><td>MATLAB</td><td>The Mathworks, Inc.</td><td></td><td>http://www.mathworks.com&amp;nbsp;</td></tr><tr><td>VISTA software</td><td>VISTA software group</td><td></td><td>http://white.stanford.edu/newlm/index.php/Software</td></tr><tr><td>PsychoToolbox</td><td>PsychoToolbox&amp;nbsp;</td><td></td><td>http://psychtoolbox.org&amp;nbsp;</td></tr><tr><td>Eye Tracker (VisuaStimDigital)</td><td>Resonance Technology Inc</td><td></td><td>http://mrivideo.com/</td></tr></tbody></table>

topographical estimation of visual population receptive fields by fmri

Sehrinde wird retinotop organisiert, so dass benachbarte Populationen von Zellen abzubilden, um benachbarte Teile des Gesichtsfeldes. Funktionelle Magnetresonanz-Bildgebung ermöglicht uns voxelbasierten Population rezeptiven Felder (PRF), dh zu schätzen, der Teil des Sichtfeldes, die die Zellen innerhalb jedes Voxel aktiviert. Vor, direkt, pRF Schätzmethoden 1 leiden unter gewissen Einschränkungen: 1) die pRF Modell ist a priori gewählt und können die tatsächlichen pRF Form nicht vollständig zu erfassen, und 2) pRF Zentren sind anfällig für Fehllokalisation der Nähe der Grenze des Stimulus Raum. Hier eine neue topographische pRF Schätzmethode 2 wird vorgeschlagen, die weitgehend umgeht diese Einschränkungen. Ein lineares Modell verwendet, um den Blutsauerstoffpegel-abhängiger (BOLD) Signal durch Faltung des linearen Antwort des pRF zur visuellen Stimulus mit der kanonischen hämodynamischen Antwortfunktion vorherzusagen. PRF Topographie wird als Gewichtsvektor, dessen Komponenten die str vertretenength der Gesamtreaktion der Voxel-Neuronen zu unterschiedlichen Gesichtsfeld Standorten präsentiert Reize. Die daraus resultierenden linearen Gleichungen können für die pRF Gewichtsvektor mit Firstregressions 3, was das pRF Topographie gelöst werden. Ein pRF Modell, das dem geschätzten Topographie angepassten können dann Post-hoc gewählt werden, so die Schätzungen der pRF Parameter wie pRF Stadtlage, pRF Ausrichtung, Größe, etc. zu verbessern. Mit der pRF Topographie vorhanden ermöglicht auch die visuelle Überprüfung der pRF Parameterschätzungen ermöglicht die Extraktion von verschiedenen pRF Eigenschaften, ohne a priori Annahmen über die pRF Struktur zu machen. Dieser Ansatz verspricht besonders nützlich für die Untersuchung der pRF Organisation von Patienten mit Störungen des visuellen Systems zu sein.

Genaue pRF Modellierung erfordert korrekt erfassen pRF Formen. Ohne Kenntnis der pRF Topographie, die Auswahl der kreissymmetrische Modelle in früheren Studien verwendet 1,9-11 ist eine vernünftige Wahl. Dies ist, weil, wenn die lokale retinotopic Organisation ist in allen Richtungen des Gesichtsfeldes homogen, könnte eine lokale Bevölkerung Antwort als eine kreissymmetrische kumulativen Summe von neuronalen Antworten dargestellt werden. Jedoch haben unsere Beobachtungen zeigen, dass dies nicht unbedingt ...

Watch this Scientific Journal Video about Topographical Estimation of Visual Population Receptive Fields by fMRI at JoVE.com

Topographical Estimation of Visual Population Receptive Fields by fMRI

It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.

Topographische Schätzung von Visual Bevölkerung rezeptiven Felder von fMRI

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

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

Research

JoVE Journal

Behavior

9.2K Aufrufe.  Baylor College of Medicine. It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.

Serie: Topographical Estimation of Visual Population Receptive Fields by fMRI

Functional Magnetic Resonance Imaging (fMRI) with Auditory Stimulation in Songbirds

The neurobiology of birdsong, as a model for human speech, is a pronounced area of research in behavioral neuroscience. Whereas electrophysiology and molecular approaches allow the investigation of either different stimuli on few neurons, or one stimulus in large parts of the brain, blood oxygenation level dependent (BOLD) functional Magnetic Resonance Imaging (fMRI) allows combining both advantages, i.e. compare the neural activation induced by different stimuli in the entire brain at once. fMRI in songbirds is challenging because of the small size of their brains and because their bones and especially their skull comprise numerous air cavities, inducing important susceptibility artifacts. Gradient-echo (GE) BOLD fMRI has been successfully applied to songbirds 1-5 (for a review, see 6). These studies focused on the primary and secondary auditory brain areas, which are regions free of susceptibility artifacts. However, because processes of interest may occur beyond these regions, whole brain BOLD fMRI is required using an MRI sequence less susceptible to these artifacts. This can be achieved by using spin-echo (SE) BOLD fMRI 7,8 . In this article, we describe how to use this technique in zebra finches (Taeniopygia guttata), which are small songbirds with a bodyweight of 15-25 g extensively studied in behavioral neurosciences of birdsong. The main topic of fMRI studies on songbirds is song perception and song learning. The auditory nature of the stimuli combined with the weak BOLD sensitivity of SE (compared to GE) based fMRI sequences makes the implementation of this technique very challenging.

Functional Magnetic Resonance Imaging fMRI with Auditory Stimulation in Songbirds

This article shows an optimized procedure for imaging of the neural substrates of auditory stimulation in the songbird brain using functional Magnetic Resonance Imaging (fMRI). It describes the preparation of the sound stimuli, the positioning of the subject and the acquisition and subsequent analysis of the fMRI data.

Functional Magnetic Resonance Imaging (fMRI) mit Auditive Stimulation in Singvögel

The neurobiology of birdsong, as a model for human speech, is a pronounced area of research in behavioral neuroscience. Whereas electrophysiology and ...

Forschung

Verhalten

fMRI Validation of fNIRS Measurements During a Naturalistic Task

We present a method to compare brain activity recorded with near-infrared spectroscopy (fNIRS) in a dance video game task to that recorded in a reduced version of the task using fMRI (functional magnetic resonance imaging). Recently, it has been shown that fNIRS can accurately record functional brain activities equivalent to those concurrently recorded with functional magnetic resonance imaging for classic psychophysical tasks and simple finger tapping paradigms. However, an often quoted benefit of fNIRS is that the technique allows for studying neural mechanisms of complex, naturalistic behaviors that are not possible using the constrained environment of fMRI. Our goal was to extend the findings of previous studies that have shown high correlation between concurrently recorded fNIRS and fMRI signals to compare neural recordings obtained in fMRI procedures to those separately obtained in naturalistic fNIRS experiments. Specifically, we developed a modified version of the dance video game Dance Dance Revolution (DDR) to be compatible with both fMRI and fNIRS imaging procedures. In this methodology we explain the modifications to the software and hardware for compatibility with each technique as well as the scanning and calibration procedures used to obtain representative results. The results of the study show a task-related increase in oxyhemoglobin in both modalities and demonstrate that it is possible to replicate the findings of fMRI using fNIRS in a naturalistic task. This technique represents a methodology to compare fMRI imaging paradigms which utilize a reduced-world environment to fNIRS in closer approximation to naturalistic, full-body activities and behaviors. Further development of this technique may apply to neurodegenerative diseases, such as Parkinson&#8217;s disease, late states of dementia, or those with magnetic susceptibility which are contraindicated for fMRI scanning.

We present a method to compare functional brain activity recorded during a naturalistic task using fNIRS with activity recorded during fMRI.

fMRI Validierung fNIRS Messungen während einer naturalistischen Aufgaben

We present a method to compare brain activity recorded with near-infrared spectroscopy (fNIRS) in a dance video game task to that recorded in a reduced ...

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

Functional MRI (fMRI) is a widely used tool for non-invasively measuring correlates of human brain activity. However, its use has mostly been focused upon measuring activity on the surface of cerebral cortex rather than in subcortical regions such as midbrain and brainstem. Subcortical fMRI must overcome two challenges: spatial resolution and physiological noise. Here we describe an optimized set of techniques developed to perform high-resolution fMRI in human SC, a structure on the dorsal surface of the midbrain; the methods can also be used to image other brainstem and subcortical structures.
High-resolution (1.2 mm voxels) fMRI of the SC requires a non-conventional approach. The desired spatial sampling is obtained using a multi-shot (interleaved) spiral acquisition1. Since, T2* of SC tissue is longer than in cortex, a correspondingly longer echo time (TE ~ 40 msec) is used to maximize functional contrast. To cover the full extent of the SC, 8-10 slices are obtained. For each session a structural anatomy with the same slice prescription as the fMRI is also obtained, which is used to align the functional data to a high-resolution reference volume.
In a separate session, for each subject, we create a high-resolution (0.7 mm sampling) reference volume using a T1-weighted sequence that gives good tissue contrast. In the reference volume, the midbrain region is segmented using the ITK-SNAP software application2. This segmentation is used to create a 3D surface representation of the midbrain that is both smooth and accurate3. The surface vertices and normals are used to create a map of depth from the midbrain surface within the tissue4.
Functional data is transformed into the coordinate system of the segmented reference volume. Depth associations of the voxels enable the averaging of fMRI time series data within specified depth ranges to improve signal quality. Data is rendered on the 3D surface for visualization.
In our lab we use this technique for measuring topographic maps of visual stimulation and covert and overt visual attention within the SC1. As an example, we demonstrate the topographic representation of polar angle to visual stimulation in SC.

This article describes techniques to perform high-resolution functional magnetic resonance imaging with 1.2 mm sampling in human midbrain and subcortical structures using a 3T scanner. Use of these techniques to resolve topographic maps of visual stimulation in the human superior colliculus (SC) is given as an example.

Hochauflösende Functional Magnetic Resonance Imaging Methods for Human Mittelhirn

Functional MRI (fMRI) is a widely used tool for non-invasively measuring correlates of human brain activity. However, its use has mostly been focused upon ...

Neurowissenschaften

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when studying the brain, as the functional role that a brain area fulfills may be largely defined by its connections to other brain areas. In this report, we describe a novel, non-invasive approach for relating brain structure and function using magnetic resonance imaging (MRI). This approach, a combination of structural imaging of long-range fiber connections and functional imaging data, is illustrated in two distinct cognitive domains, visual attention and face perception. Structural imaging is performed with diffusion-weighted imaging (DWI) and fiber tractography, which track the diffusion of water molecules along white-matter fiber tracts in the brain (Figure 1). By visualizing these fiber tracts, we are able to investigate the long-range connective architecture of the brain. The results compare favorably with one of the most widely-used techniques in DWI, diffusion tensor imaging (DTI). DTI is unable to resolve complex configurations of fiber tracts, limiting its utility for constructing detailed, anatomically-informed models of brain function. In contrast, our analyses reproduce known neuroanatomy with precision and accuracy. This advantage is partly due to data acquisition procedures: while many DTI protocols measure diffusion in a small number of directions (e.g., 6 or 12), we employ a diffusion spectrum imaging (DSI)1, 2 protocol which assesses diffusion in 257 directions and at a range of magnetic gradient strengths. Moreover, DSI data allow us to use more sophisticated methods for reconstructing acquired data. In two experiments (visual attention and face perception), tractography reveals that co-active areas of the human brain are anatomically connected, supporting extant hypotheses that they form functional networks. DWI allows us to create a "circuit diagram" and reproduce it on an individual-subject basis, for the purpose of monitoring task-relevant brain activity in networks of interest.

We describe a novel approach for simultaneous analysis of brain function and structure using magnetic resonance imaging (MRI). We assess brain structure with high-resolution diffusion-weighted imaging and white-matter fiber tractography. Unlike standard structural MRI, these techniques allow us to directly relate anatomical connectivity to functional properties of brain networks.

Co-Analyse von Hirnstruktur und-funktion mittels fMRT und Diffusionsgewichtete Imaging

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when ...

Detecting Pre-Stimulus Source-Level Effects on Object Perception with Magnetoencephalography

Pre-stimulus oscillatory brain activity influences upcoming perception. The characteristics of this pre-stimulus activity can predict whether a near-threshold stimulus will be perceived or not perceived, but can they also predict which one of two competing stimuli with different perceptual contents is perceived? Ambiguous visual stimuli, which can be seen in one of two possible ways at a time, are ideally suited to investigate this question. Magnetoencephalography (MEG) is a neurophysiological measurement technique that records magnetic signals emitted as a result of brain activity. The millisecond temporal resolution of MEG allows for a characterization of oscillatory brain states from as little as 1 second of recorded data. Presenting an empty screen around 1 second prior to the ambiguous stimulus onset therefore provides a time window in which one can investigate whether pre-stimulus oscillatory activity biases the content of upcoming perception, as indicated by participants&#39;&#160;reports. The spatial resolution of MEG is not excellent, but sufficient to localise sources of brain activity at the centimetre scale. Source reconstruction of MEG activity then allows for testing hypotheses about the oscillatory activity of specific regions of interest, as well as the time- and frequency-resolved connectivity between regions of interest. The described protocol enables a better understanding of the influence of spontaneous, ongoing brain activity on visual perception.

This article describes how to set up an experiment that allows detecting pre-stimulus source-level influences on object perception using magnetoencephalography (MEG). It covers stimulus material, experimental design, MEG recording, and data analysis.

Erkennung von Vor-Stimulus-Source-Level-Effekten auf die Objektwahrnehmung mit Magnetoenzephalographie

Pre-stimulus oscillatory brain activity influences upcoming perception. The characteristics of this pre-stimulus activity can predict whether a ...

Mapping Regional Homogeneity and Functional Connectivity of the Visual Cortex in Resting-State fMRI

A combined regional homogeneity (ReHo) and functional connectivity (FC) method, a type of noninvasive functional magnetic resonance imaging (fMRI) method, has been used to evaluate synchronous neuronal activity changes in retinitis pigmentosa (RP). The purpose of this study is to describe our method for analysis of intra- and interregional synchronizations of changes in neuronal activity in RP patients. The advantages of the combined ReHo and FC method are that it is both noninvasive and sufficiently sensitive to investigate changes in cerebral synchronous neuronal activity changes in vivo. Here, 16 RP patients and 14 healthy controls closely matched in age, sex, and education underwent resting-state fMRI scans. Two sample t-tests were conducted to compare ReHo and FC across groups. Our results showed that visual network disconnection and reorganization of the retino-thalamocortical pathway and dorsal visual stream occurred in the RP patients. Here, we describe the details of this method, its use, and the impact of its key parameters in a step-by-step manner.

<meta charset="utf8"></head><body>Kartierung der regionalen Homogenität und funktionellen Konnektivität des visuellen Kortex in der Ruhezustands-fMRT

We present a protocol for analyzing functional magnetic resonance imaging data to investigate spontaneous neural activity alterations in retinitis pigmentosa patient using a combined regional homogeneity and functional connectivity method.

Kartierung der regionalen Homogenität und funktionellen Konnektivität des visuellen Kortex in der Ruhezustands-fMRT

A combined regional homogeneity (ReHo) and functional connectivity (FC) method, a type of noninvasive functional magnetic resonance imaging (fMRI) method, ...

Simultaneous Data Collection of fMRI and fNIRS Measurements Using a Whole-Head Optode Array and Short-Distance Channels

Functional near-infrared spectroscopy (fNIRS) is a portable neuroimaging methodology, more robust to motion and more cost-effective than functional magnetic resonance imaging (fMRI), which makes it highly suitable for conducting naturalistic studies of brain function and for use with developmental and clinical populations. Both fNIRS and fMRI methodologies detect changes in cerebral blood oxygenation during functional brain activation, and prior studies have shown high spatial and temporal correspondence between the two signals. There is, however, no quantitative comparison of the two signals collected simultaneously from the same subjects with whole-head fNIRS coverage. This comparison is necessary to comprehensively validate area-level activations and functional connectivity against the fMRI gold standard, which in turn has the potential to facilitate comparisons of the two signals across the lifespan. We address this gap by describing a protocol for simultaneous data collection of fMRI&#160;and fNIRS signals that: i) provides whole-head fNIRS coverage; ii) includes short-distance measurements for regression of the non-cortical, systemic physiological signal; and iii) implements two different methods for optode-to-scalp co-registration of fNIRS measurements. fMRI and fNIRS data from three subjects are presented, and recommendations for adapting the protocol to test developmental and clinical populations are discussed. The current setup with adults allows scanning sessions for an average of approximately 40 min, which includes both functional and structural scans. The protocol outlines the steps required to adapt the fNIRS equipment for use in the magnetic resonance (MR) environment, provides recommendations for both data recording and optode-to-scalp co-registration, and discusses potential modifications of the protocol to fit the specifics of the available MR-safe fNIRS system. Representative subject-specific responses from a flashing-checkerboard task illustrate the feasibility of the protocol to measure whole-head fNIRS signals in the MR environment. This protocol will be particularly relevant for researchers interested in validating fNIRS signals against fMRI across the lifespan.

We present a method for simultaneously collecting fMRI and fNIRS signals from the same subjects with whole-head fNIRS coverage. The protocol has been tested with three young adults and can be adapted for data collection for developmental studies and clinical populations.

Gleichzeitige Datenerfassung von fMRT- und fNIRS-Messungen unter Verwendung eines Ganzkopf-Optodenarrays und Kurzstreckenkanälen

Functional near-infrared spectroscopy (fNIRS) is a portable neuroimaging methodology, more robust to motion and more cost-effective than functional ...

Weiterentwicklung des Visual Cortex Mapping für eine verbesserte Bewertung von Sehstörungen

Functional Magnetic Resonance Imaging (fMRI) of the Visual Cortex with Wide-View Retinotopic Stimulation

High-resolution retinotopic blood oxygenation level-dependent (BOLD) functional magnetic resonance imaging (fMRI) with a wide-view presentation can be used to functionally map the peripheral and central visual cortex. This method for measuring functional changes of the visual brain allows for functional mapping of the occipital lobe, stimulating &gt;100&#176; (&plusmn;50&#176;) or more of the visual field, compared to standard fMRI visual presentation setups which usually cover &lt;30&#176; of the visual field. A simple wide-view stimulation system for BOLD fMRI can be set up using common MR-compatible projectors by placing a large mirror or screen close to the subject's face and using only the posterior half of a standard head coil to provide a wide-viewing angle without obstructing their vision. The wide-view retinotopic fMRI map can then be imaged using various retinotopic stimulation paradigms, and the data can be analyzed to determine the functional activity of visual cortical regions corresponding to central and peripheral vision. This method provides a practical, easy-to-implement visual presentation system that can be used to evaluate changes in the peripheral and central visual cortex due to eye diseases such as glaucoma and the vision loss that may accompany them.

Autor im Rampenlicht: Einblicke in die Forschung des visuellen Kortex durch Wide-View-fMRT-Mapping 

We have developed techniques for mapping the visual cortex function utilizing more of the visual field than is commonly used. This approach has the potential to enhance the evaluation of vision disorders and eye diseases.

Funktionelle Magnetresonanztomographie (fMRT) der Sehrinde mit retinotopischer Stimulation

High-resolution retinotopic blood oxygenation level-dependent (BOLD) functional magnetic resonance imaging (fMRI) with a wide-view presentation can be ...

Topographische Schätzung von Visual Bevölkerung rezeptiven Felder von fMRI

Zusammenfassung

Weitere Videos entdecken

Functional Magnetic Resonance Imaging (fMRI) mit Auditive Stimulation in Singvögel

fMRI Validierung fNIRS Messungen während einer naturalistischen Aufgaben

Hochauflösende Functional Magnetic Resonance Imaging Methods for Human Mittelhirn

Co-Analyse von Hirnstruktur und-funktion mittels fMRT und Diffusionsgewichtete Imaging

Erkennung von Vor-Stimulus-Source-Level-Effekten auf die Objektwahrnehmung mit Magnetoenzephalographie

Kartierung der regionalen Homogenität und funktionellen Konnektivität des visuellen Kortex in der Ruhezustands-fMRT

Kartierung der regionalen Homogenität und funktionellen Konnektivität des visuellen Kortex in der Ruhezustands-fMRT

Gleichzeitige Datenerfassung von fMRT- und fNIRS-Messungen unter Verwendung eines Ganzkopf-Optodenarrays und Kurzstreckenkanälen

Funktionelle Magnetresonanztomographie (fMRT) der Sehrinde mit retinotopischer Stimulation

Funktionelle Magnetresonanztomographie (fMRT) der Sehrinde mit retinotopischer Stimulation