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. Adquisición de Datos <ol><li> Preparar un protocolo de estímulo que es eficaz en provocar una respuesta visual retinotopic fiable como se ha descrito previamente en Dumoulin y Wandell 1 y Lee et al. 2. Sin embargo, otros paradigmas bien establecidas son también aplicables en función de la cuestión experimental específica que deben abordarse. </li><li> Presentar barras estímulos a la deriva a través de la pantalla de forma secuencial a lo largo de 8 direcciones del espacio, en pasos de 45 grados. Asegúrese de que el movimiento está en sincronía con la adquisición marco del escáner (TR ~ 2 seg) para que la barra se mueve un paso una vez que un fMRI aperturas del marco y se queda en la nueva ubicación hasta que termine el marco. </li><li> Para medir una señal de referencia correcta, añadir épocas sin barra de estimulación 1. <ol><li> Definir un campo de visión (10 a 15 ° radio) en el ángulo visual sobre la que se presenta el estímulo. Presente en movimiento o parpadeo patrones de tablero de ajedrez (tamaño corrector = 0,94 x 0,94 grados 2, pattevelocidad de actualización rn = 250 ms / patrón) dentro de la barra para provocar fuertes respuestas visuales. </li><li> Los siguientes parámetros de entrada específicos: 8 direcciones de movimiento uniformemente espaciados, bar anchura igual a 1,875 grados, y las barras se mueven por la mitad de la anchura de la barra por trama (2 seg). Detalles adicionales se pueden encontrar en Lee et al. 2. </li><li> Generar un punto (~ 0.25 °) en el centro de la pantalla en el que fijan los ojos del sujeto durante el experimento. Cambiar de color del punto al azar en el tiempo. </li></ol></li><li> Analiza el cerebro de un sujeto en un escáner de resonancia magnética utilizando un plano de imágenes de eco típica (PAI) de exploración que tiene una duración de 192 marcos (24 cuadros en cada sentido de la marcha). Repita las exploraciones 4-8 veces para aumentar la relación señal-ruido. </li><li> Establecer parámetros para la secuencia EPI de la siguiente manera: TR = 2 seg, TE = 40 ms, tamaño de la matriz = 64 x 64, 28 rebanadas, tamaño voxel = 3 x 3 x 3 mm 3, flip ángulo = 90 °, alternativa, aplicar secuencias con una resolución más fina (e.g., 2 x 2 x 2 mm 3) o un corto TR (por ejemplo, 1-1,5 seg) que cubre sólo la corteza visual 2. </li><li> Movimientos oculares Track con un sistema eyetracker durante las exploraciones funcionales para asegurar la fijación se mantiene dentro de 1-1,5 ° del punto de fijación. NOTA: Aquí, se utiliza un eyetracker coordenada cabeza basado en un sistema de gafas, pero otros sistemas eyetracker adecuado puede ser utilizado en su lugar. </li><li> Instruya a los sujetos para fijar el punto en el centro de la pantalla generada en el paso 1.3.2. Para asegurar que los sujetos están fijando, darles instrucciones para reportar los cambios de color del punto de fijación. </li><li> Obtener exploraciones anatómicas, a 1 x 1 x 1 mm 3 resolución (por ejemplo, T1-MPRAGE; TR = 1900 ms, TE = 2,26 ms, TI = 900 ms, flip ángulo = 9 °, 176 particiones). NOTA: Estas exploraciones anatómicas se utilizarán para la segmentación, así como para alinear las imágenes funcionales a la anatomía tanto dentro como entre las exploraciones. Para una mejor alineación entre la funciónal (EPI) imágenes y la anatomía, obtienen también una exploración de la anatomía inplane, con la resolución idéntica a la EPI, el uso rápido mimada eco de gradiente (SPGR) secuencia T1-1. </li></ol> 2. Datos Pre-procesamiento NOTA: Antes de estimar las propiedades PRF, se necesitan varios pasos de pre-procesamiento de datos típico fMRI, como corrección de movimiento de la cabeza y la alineación de los volúmenes funcionales a la exploración anatómica. En este artículo, todos los pre-procesamiento, estimación, análisis y presentación de los resultados obtenidos se realizó a través de la caja de herramientas de código abierto de software basados ​​en MATLAB LAB VISTA disponible en el sitio de software VISTA. http://white.stanford.edu/newlm/index.php/Main_Page. <ol><li> Cargar la exploración anatómica en MATLAB y preparar una anatomía volumen usando una función llamada createVolAnat. </li><li> Segmento de materia gris, la materia blanca, y LCR mediante la función &quot;ItkGray&quot;. </li><li> Preparar los datos funcionales mediante la conversión de DICOM (es decir, </em&gt;, el formato de archivo de MRI prima para Siemens) archivos en NIfTI (es decir, el formato de archivo estándar de resonancia magnética funcional) archivos y cargar datos en Vista usando una función llamada mrInit. </li><li> Cabeza-motion correcta y alinear las imágenes funcionales a la anatomía cargado en el paso 2.1 utilizando rxAlign basado en una matriz de transformación afín. </li><li> Promedio de las exploraciones de movimiento corregido funcionales para la relación señal-ruido mejora haciendo clic mrVISTA Análisis TimeSeries Promedio URBANA. Excluir de los análisis en promedio durante el cual los movimientos del ojo se desvía de fijación más de 1 a 1,5 °. Si las señales de diferentes carreras tienen diferentes dc-derivas, exploraciones funcionales medios tras retirar el DC-derivas. </li><li> Calcular la coordenadas de mapeado entre las exploraciones funcionales y materia gris e identificar correspondientes voxels de materia gris en las exploraciones funcionales mediante la selección de los siguientes menús: mrVISTA ventana abierta Gris 3-ventana de visualización. Asignar señales BOLD en los voxels materia gris por interpolación, eligiendo una de las opciones de unvailable en mrVISTA. </li></ol> 3. Estimación de PRF Topografía y modelado paramétrico <ol><li> Descargue los archivos de código a través del siguiente enlace: https://sites.google.com/site/leesangkyun/prf/codes.zip, extraiga el archivo comprimido y colocarlos en un lugar preferente de la computadora local. Añada la ruta de la carpeta en MATLAB. </li><li> Establezca los parámetros de estímulo utilizados en el experimento al seleccionar los siguientes menús: retinotópica Ajustar parámetros modelo de análisis mrVISTA. Especifique los siguientes parámetros tales como imágenes de estímulo, el tamaño del estímulo, la función hemodinámica canónica, la velocidad de fotogramas del escáner fMRI. </li><li> Antes de la estimación de PRF, preparar los conjuntos de parámetros iniciales (Figura 1B). <ol><li> Establecer los conjuntos de validación cruzada en &quot;tprf_set_params.m&quot; de los archivos de código. Timeseries Divida a al menos dos subconjuntos (uno para las pruebas y los juegos restantes para la formación) que son lo suficiente para que la barra de Sweep todo el espacio de estímulo. Alternativamente, sin promediar las exploraciones en el paso 2.4, validar exploraciones dejando fuera una exploración para la prueba y el uso de los escáneres que quedan para la formación. </li><li> Establecer un conjunto de parámetros gruesa (λ en la Figura 1; λ = [10 -2 10 -1 1 10 1 10 2]) en &quot;tprf_set_params.m&quot;. A continuación, establezca un rango de escala fina ([0.1 0.3 0.5 0.7 0.9 1 3 5 7 9]) en &quot;tprf_set_params.m&quot;. NOTA: El programa utiliza el grueso configurar para seleccionar la λ que resulta en la mayor varianza explicada. Entonces, el programa busca en el espacio alrededor del λ seleccionado utilizando el campo fino escala, refinar aún más la selección de λ que produce la más alta varianza explicada. </li><li> Establecer un umbral (0,2) de la varianza explicada por voxels visualmente sensibles en &quot;tprf_set_params.m&quot;. NOTA: Este umbral se utiliza como la referencia para la selección de voxels visualmente sensibles. Alternativamente, haga unaROI para una región sensible no visualmente (por ejemplo, mediante la elaboración de una esfera con un radio de 1 cm en un área del cerebro no visualmente sensible), donde el umbral se puede calcular de forma automática. </li><li> Establecer un conjunto de umbrales ([0,3, 0,5, 0,7]) para la definición de la región centro de PRF en la topografía normalizada en &quot;tprf_set_params.m&quot; (es decir, [0 a 1] o [-1 a 1] con épocas sin barra de estimulación en el paso 1.3.1). NOTA: En el conjunto de umbrales del programa previsto selecciona el &quot;mejor&quot; de umbral, es decir, el umbral que define una región central PRF para que el modelo de centro PRF explica la mayor variación de la señal. Alternativamente, selecciona un conjunto diferente de valores de umbral en función de las características de la topografía. </li></ol></li><li> Ejecutar &quot;tprf_runpRFest.m&quot; calcular la topografía PRF (Figura 1) y sustituirlo Gauss anisotrópico 2D. Después de especificar todos los parámetros descritos en este protocolo, yejecutar el código, obtener los resultados de las estimaciones finales. </li></ol><img alt="Figura 1" src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700" /> Figura 1: proceso de estimación de PRF. (A) Representación esquemática del proceso seguido para la estimación PRF topografía h (t):. Función de respuesta hemodinámica, A (t): estímulo, m: PRF, Reg:. Regularización L2-norma (B) medidas específicas para topografía estimación PRF y PRF modelado centro. El conjunto de parámetros requeridos para la estimación aparece en cada paso. Una sección unidimensional de topografía y su modelo se ilustran. Bajo curvas &quot;ajuste del modelo&quot;, negro y rojo representan la topografía y su modelo de centro de PRF con un umbral centro de 0,5, respectivamente. La línea discontinua azul indica un umbral para el FRPregión central.

<ol>
	<li>Dumoulin, S. O., Wandell, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Population+receptive+field+estimates+in+human+visual+cortex.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+method+for+estimating+population+receptive+field+topography+in+visual+cortex.">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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> The elements of statistical learning : data mining, inference, and prediction. , (2009).</li><li>Sereno, M. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Borders+of+multiple+visual+areas+in+humans+revealed+by+functional+magnetic+resonance+imaging.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Retinotopic+organization+in+human+visual+cortex+and+the+spatial+precision+of+functional+MRI.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=fMRI+of+human+visual+cortex.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mapping+striate+and+extrastriate+visual+areas+in+human+cerebral+cortex.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measurement+of+population+receptive+fields+in+human+early+visual+cortex+using+back-projection+tomography.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modeling+center-surround+configurations+in+population+receptive+fields+using+fMRI.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+relationship+between+cortical+magnification+factor+and+population+receptive+field+size+in+human+visual+cortex:+constancies+in+cortical+architecture.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Population+receptive+field+dynamics+in+human+visual+cortex.">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.

En este artículo muestra cómo estimar la topografía de la población campos receptivos visuales en la corteza visual humana y cómo utilizarla para seleccionar un modelo paramétrico apropiado para el campo receptivo. Para una retinotopy éxito, se deben seleccionar un protocolo de estimulación apropiado y un método de análisis eficiente, y los parámetros experimentales del sujeto (movimiento y fijación) deben ser optimizados. Bar estímulos secuencialmente en movimiento a través del campo visual son un paradig...

La resonancia magnética funcional (fMRI) mide de forma no invasiva la organización funcional de la corteza visual en una escala macroscópica (típicamente del orden de milímetros). Los primeros estudios retinotopy fMRI utilizaron una medida de coherencia entre la ubicación de estímulo y provocaron respuestas BOLD 4-7. Estos estudios generalmente no estiman la población tamaño del campo receptivo. Más tarde, Dumoulin y Wandell 1 propone un método para superar esta limitación mediante el modelado explícitamente la ubicación y el tamaño PRF, utilizando una función lineal de este modelo para predecir la respuesta BOLD. Sin embargo, una limitación de este método pionero es que el modelo paramétrico PRF tiene que ser elegido a priori, y puede conducir a la errónea PRF estima si resulta no ser apropiado. Para superar las limitaciones del método PRF-modelo paramétrico, los nuevos métodos se han desarrollado recientemente. Estos métodos predicen directamente la respuesta BOLD a los stimulus reconstruyendo la topografía PRF. Un método 8 propuesto por Greene y colegas reconstruye la topografía PRF back-proyección de las respuestas BOLD a los espacios de estímulo 1D individuales y la construcción de la topografía PRF en el espacio de estímulo 2D como una técnica típica de tomografía computarizada. Por otro lado, el método 2 propuesto por los Estados Unidos estima directamente la topografía PRF 2D utilizando regresión lineal y la aplicación de una técnica de regularización. En este método, la topografía PRF se representa como un conjunto de pesos que se multiplica por el estímulo para estimar la respuesta de la población neuronal de un voxel dado. Entonces, la respuesta final de oxígeno de la sangre Nivel-dependiente (BOLD) evocado por el estímulo se estima mediante la convolución de la respuesta de la población neuronal y la función de respuesta hemodinámica canónica. Con el fin de resolver el sistema lineal bajo limitados, adicionalmente, la regularización de regresión cresta se utiliza para hacer cumplir poca densidad (véase la Figura 1a continuación). La técnica de regularización suprime el ruido y los artefactos y por lo tanto permite que nuestro método para estimar la topografía PRF con mayor fuerza. Los métodos topográficos no forzar la forma PRF para tener una forma paramétrica cierto, y por lo tanto se puede descubrir la estructura real PRF. Un modelo paramétrico apropiado puede ser elegido en base a la topografía PRF. Por ejemplo, la topografía PRF se puede utilizar para separar el centro de PRF y envolvente, y luego el modelado centro de PRF posterior puede ser más preciso, reduciendo al mínimo la influencia de supresión de sonido envolvente, así como la influencia de otros artefactos potenciales que surgen en zonas distantes a la centro de PRF. Hemos llevado a cabo recientemente una comparación cuantitativa entre nuestro método y otros métodos que directa (es decir, antes de estimar la topografía) en forma isotrópica Gauss 1, anisotrópico de Gauss, y la diferencia de gaussianas isotrópico a la PRF 9. Se encontró que la Topogrmétodo basado en aphy superó estos métodos con respecto al modelado centro PRF por lograr una mayor varianza de la serie temporal de la señal BOLD explicado. La estimación exacta de propiedades PRF en diversas áreas revela cómo cubren el campo visual y es importante para la investigación de la organización funcional de la corteza visual en particular en lo que se refiere a la percepción visual. Propiedades tales como el modo en que se han estudiado bien los cambios de tamaño PRF con excentricidad 1,10 y PRF organización envolvente centro de las 9 de la literatura humana. El método propuesto para estimar los resultados de la topografía PRF en el modelado más exacto parámetro PRF y es más probable que revelan regularidades desconocidos, no modela fácilmente a priori en los modelos paramétricos directos. Este enfoque será especialmente adecuado para el estudio de la organización PRF en pacientes con lesiones de la vía visual, para quienes estructura PRF no es necesariamente predecible a priori. A continuación se describe cómo estimar ªe PRF topografía y el uso de la topografía para modelar el centro de PRF.

<table border="0" cellpadding="0" cellspacing="0" width="1009">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:225px;">Name of Equipment/Software</td>
			<td style="width:219px;">Company/Provider</td>
			<td style="width:219px;"></td>
			<td style="width:347px;">Web address</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">MRI scanner</td>
			<td>Siemens/Philips/GE</td>
			<td></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">MATLAB</td>
			<td>The Mathworks, Inc.</td>
			<td></td>
			<td>http://www.mathworks.com&#160;</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">VISTA software</td>
			<td>VISTA software group</td>
			<td></td>
			<td>http://white.stanford.edu/newlm/index.php/Software</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">PsychoToolbox</td>
			<td>PsychoToolbox&#160;</td>
			<td></td>
			<td>http://psychtoolbox.org&#160;</td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">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

Corteza visual está organizado retinotopically para que las poblaciones vecinas de células se asignan a partes vecinas del campo visual. La resonancia magnética funcional nos permite estimar la población campos receptivos basada en voxel (PRF), es decir, la parte del campo visual que activa las células dentro de cada voxel. Antes, PRF, métodos de estimación directa 1 sufren de ciertas limitaciones: 1) el modelo PRF se elige a priori y no puede capturar totalmente la forma real PRF, y 2) los centros de PRF son propensos a mislocalization cerca de la frontera del espacio de estímulo. Aquí se propone un nuevo método de estimación PRF topográfica 2 que evita en gran medida estas limitaciones. Un modelo lineal se utiliza para predecir la señal de oxígeno de la sangre dependiente del nivel de (BOLD) mediante la convolución de la respuesta lineal de la PRF al estímulo visual con la función de respuesta hemodinámica canónica. PRF topografía se representa como un vector de ponderación cuyos componentes representar el strength de la respuesta global de las neuronas voxel a estímulos presentados en diferentes lugares del campo visual. Las ecuaciones lineales resultantes pueden ser resueltos por el vector de pesos PRF usando cresta de regresión 3, produciendo la topografía PRF. Un modelo PRF que se adapta a la topografía estimado se puede escoger post-hoc, lo que mejora las estimaciones de los parámetros PRF como la ubicación PRF-centro, orientación PRF, tamaño, etc. Tener la topografía PRF disponible también permite la verificación visual de las estimaciones de parámetros PRF que permiten la extracción de varias propiedades PRF sin tener que hacer suposiciones a-priori sobre la estructura de PRF. Este enfoque promete ser particularmente útil para la investigación de la organización PRF de pacientes con trastornos del sistema visual.

Modelado preciso PRF requiere la captura de formas PRF correctamente. Sin conocer la topografía PRF, la selección de modelos con simetría circular utilizado en estudios previos 1,9-11 es una opción razonable. Esto es porque, si la organización retinotopic local es homogéneo en todas las direcciones del campo visual, una respuesta de la población local podría ser representado como un agregado acumulativo circularmente simétrica de las respuestas neuronales. Sin embargo, nuestras observaciones demuestr...

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.

Estimación topográfico de Población Visual Receptivo campos por 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 vistas.  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.

Video: 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.

Resonancia magnética funcional (fMRI) con estimulación auditiva en Songbirds

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

Investigación

Comportamiento

Best Current Practice for Obtaining High Quality EEG Data During Simultaneous fMRI

Simultaneous EEG-fMRI allows the excellent temporal resolution of EEG to be combined with the high spatial accuracy of fMRI. The data from these two modalities can be combined in a number of ways, but all rely on the acquisition of high quality EEG and fMRI data. EEG data acquired during simultaneous fMRI are affected by several artifacts, including the gradient artefact (due to the changing magnetic field gradients required for fMRI), the pulse artefact (linked to the cardiac cycle) and movement artifacts (resulting from movements in the strong magnetic field of the scanner, and muscle activity). Post-processing methods for successfully correcting the gradient and pulse artifacts require a number of criteria to be satisfied during data acquisition. Minimizing head motion during EEG-fMRI is also imperative for limiting the generation of artifacts.
Interactions between the radio frequency (RF) pulses required for MRI and the EEG hardware may occur and can cause heating. This is only a significant risk if safety guidelines are not satisfied. Hardware design and set-up, as well as careful selection of which MR sequences are run with the EEG hardware present must therefore be considered.
The above issues highlight the importance of the choice of the experimental protocol employed when performing a simultaneous EEG-fMRI experiment. Based on previous research we describe an optimal experimental set-up. This provides high quality EEG data during simultaneous fMRI when using commercial EEG and fMRI systems, with safety risks to the subject minimized. We demonstrate this set-up in an EEG-fMRI experiment using a simple visual stimulus. However, much more complex stimuli can be used. Here we show the EEG-fMRI set-up using a Brain Products GmbH (Gilching, Germany) MRplus, 32 channel EEG system in conjunction with a Philips Achieva (Best, Netherlands) 3T MR scanner, although many of the techniques are transferable to other systems.

Simultaneous electroencephalography (EEG) and functional Magnetic Resonance imaging (fMRI) is a powerful neuroimaging tool. However, the inside of an MRI scanner forms a difficult environment for EEG data recording and safety must be considered whenever operating EEG equipment inside a scanner. Here, we present an optimised EEG-fMRI data acquisition protocol.

Mejor práctica actual de obtención de datos de alta calidad EEG durante fMRI simultánea

Simultaneous  EEG-fMRI allows the excellent temporal resolution of EEG to be combined with the  high spatial accuracy of fMRI. The data  from these two ...

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 Validación de fNIRS Mediciones Durante un Grupo Naturalista

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 ...

Methods to Test Visual Attention Online

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative data samples than can typically be collected on college campuses. However, before such methods can be widely adopted, a number of technological challenges must be overcome &#8211; in particular in experiments where tight control over stimulus properties is necessary. Here we present methods for collecting performance data on two tests of visual attention. Both tests require control over the visual angle of the stimuli (which in turn requires knowledge of the viewing distance, monitor size, screen resolution, etc.) and the timing of the stimuli (as the tests involve either briefly flashed stimuli or stimuli that move at specific rates). Data collected on these tests from over 1,700 online participants were consistent with data collected in laboratory-based versions of the exact same tests. These results suggest that with proper care, timing/stimulus size dependent tasks can be deployed in web-based settings.

To replicate laboratory settings, online data collection methods for visual tasks require tight control over stimulus presentation. We outline methods for the use of a web application to collect performance data on two tests of visual attention.

Métodos para probar Visual Atención Online

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

Visualizing Visual Adaptation

Many techniques have been developed to visualize how an image would appear to an individual with a different visual sensitivity: e.g., because of optical or age differences, or a color deficiency or disease. This protocol describes a technique for incorporating sensory adaptation into the simulations. The protocol is illustrated with the example of color vision, but is generally applicable to any form of visual adaptation. The protocol uses a simple model of human color vision based on standard and plausible assumptions about the retinal and cortical mechanisms encoding color and how these adjust their sensitivity to both the average color and range of color in the prevailing stimulus. The gains of the mechanisms are adapted so that their mean response under one context is equated for a different context. The simulations help reveal the theoretical limits of adaptation and generate &#34;adapted images&#34; that are optimally matched to a specific environment or observer. They also provide a common metric for exploring the effects of adaptation within different observers or different environments. Characterizing visual perception and performance with these images provides a novel tool for studying the functions and consequences of long-term adaptation in vision or other sensory systems.

This article describes a novel method for simulating and studying adaptation in the visual system.

La visualización de Visual Adaptación

Many techniques have been developed to visualize how an image would appear to an individual with a different visual sensitivity: e.g., because of optical ...

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments

This protocol describes how to conduct temporal-order experiments to measure visual processing speed and the attentional resource distribution. The proposed method is based on a new and synergistic combination of three components: the temporal-order judgments (TOJ) paradigm, Bundesen&#39;s Theory of Visual Attention (TVA), and a hierarchical Bayesian estimation framework. The method provides readily interpretable parameters, which are supported by the theoretical and neurophysiological underpinnings of TVA. Using TOJs, TVA-based estimates can be obtained for a broad range of stimuli, whereas traditional paradigms used with TVA are mainly limited to letters and digits. Finally, the meaningful parameters of the proposed model allow for the establishment of a hierarchical Bayesian model. Such a statistical model allows assessing results in one coherent analysis both on the subject and the group level.
To demonstrate the feasibility and versatility of this new approach, three experiments are reported with attention manipulations in synthetic pop-out displays, natural images, and a cued letter-report paradigm.

Temporal-order judgments can be used to estimate processing speed parameters and attentional weights and thereby to infer the mechanisms of attentional processing. This methodology can be applied to a wide range of visual stimuli and works with many attention manipulations.

La medición de velocidad Atención y tratamiento visual de análisis basado en modelos de resoluciones judiciales de orden temporal

This protocol describes how to conduct temporal-order experiments to measure visual processing speed and the attentional resource distribution. The ...

fMRI Mapping of Brain Activity Associated with the Vocal Production of Consonant and Dissonant Intervals

The neural correlates of consonance and dissonance perception have been widely studied, but not the neural correlates of consonance and dissonance production. The most straightforward manner of musical production is singing, but, from an imaging perspective, it still presents more challenges than listening because it involves motor activity. The accurate singing of musical intervals requires integration between auditory feedback processing and vocal motor control in order to correctly produce each note. This protocol presents a method that permits the monitoring of neural activations associated with the vocal production of consonant and dissonant intervals. Four musical intervals, two consonant and two dissonant, are used as stimuli, both for an auditory discrimination test and a task that involves first listening to and then reproducing given intervals. Participants, all female vocal students at the conservatory level, were studied using functional Magnetic Resonance Imaging (fMRI) during the performance of the singing task, with the listening task serving as a control condition. In this manner, the activity of both the motor and auditory systems was observed, and a measure of vocal accuracy during the singing task was also obtained. Thus, the protocol can also be used to track activations associated with singing different types of intervals or with singing the required notes more accurately. The results indicate that singing dissonant intervals requires greater participation of the neural mechanisms responsible for the integration of external feedback from the auditory and sensorimotor systems than does singing consonant intervals.

The neural correlates of listening to consonant and dissonant intervals have been widely studied, but the neural mechanisms associated with production of consonant and dissonant intervals are less well known. In this article, behavioral tests and fMRI are combined with interval identification and singing tasks to describe these mechanisms.

Mapeo fMRI de la actividad cerebral asociada con la producción vocal de los intervalos consonante y disonante

The neural correlates of consonance and dissonance perception have been widely studied, but not the neural correlates of consonance and dissonance ...

Automated Analysis of a Nematode Population-based Chemosensory Preference Assay

The nematode, Caenorhabditis elegans' compact nervous system of only 302 neurons underlies a diverse repertoire of behaviors. To facilitate the dissection of the neural circuits underlying these behaviors, the development of robust and reproducible behavioral assays is necessary. Previous C. elegans behavioral studies have used variations of a "drop test", a "chemotaxis assay", and a "retention assay" to investigate the response of C. elegans to soluble compounds. The method described in this article seeks to combine the complementary strengths of the three aforementioned assays. Briefly, a small circle in the middle of each assay plate is divided into four quadrants with the control and experimental solutions alternately placed. After the addition of the worms, the assay plates are loaded into a behavior chamber where microscope cameras record the worms' encounters with the treated regions. Automated video analysis is then performed and a preference index (PI) value for each video is generated. The video acquisition and automated analysis features of this method minimizes the experimenter's involvement and any associated errors. Furthermore, minute amounts of the experimental compound are used per assay and the behavior chamber's multi-camera setup increases experimental throughput. This method is particularly useful for conducting behavioral screens of genetic mutants and novel chemical compounds. However, this method is not appropriate for studying stimulus gradient navigation due to the close proximity of the control and experimental solution regions. It should also not be used when only a small population of worms is available. While suitable for assaying responses only to soluble compounds in its current form, this method can be easily modified to accommodate multimodal sensory interaction and optogenetic studies. This method can also be adapted to assay the chemosensory responses of other nematode species.

We present a behavior recording setup and protocol that enables automated analysis of the nematode, Caenorhabditis elegans' preference for soluble compounds in a population-based assay. This article describes the construction of a behavior chamber, the behavioral assay protocol, and video analysis software usage.

Análisis Automatizado de un Ensayo de Preferencia Chemosensorial Basada en Población de Nematodo

The nematode, Caenorhabditis elegans' compact nervous system of only 302 neurons underlies a diverse repertoire of behaviors. To facilitate the dissection ...

Visual Classical Conditioning in Wood Ants

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, studies implementing classical conditioning paradigms with harnessed insects have been important for investigating the exact cues that individuals learn and the neural mechanisms underlying learning and memory formation. Here we present a protocol for evoking visual associative learning in wood ants through classical conditioning. In this paradigm, ants are harnessed and presented with a visual cue (a blue cardboard), the conditional stimulus (CS), paired with an appetitive sugar reward, the unconditional stimulus (US). Ants perform a Maxilla-Labium Extension Reflex (MaLER), the unconditional response (UR), which can be used as a readout for learning. Training consists of 10 trials, separated by a 5-minute intertrial interval (ITI). Ants are also tested for memory retention 10 minutes or 1 hour after training. This protocol has the potential to allow researchers to analyze, in a precise and controlled manner, the details of visual memory formation and the neural basis of learning and memory formation in wood ants.

We present a protocol for the classical conditioning of harnessed ants that permits researchers to study visual learning and memory formation at a level of analysis not possible with freely moving individuals.

Visual condicionamiento clásico en madera hormigas

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, ...

Investigating the Deployment of Visual Attention Before Accurate and Averaging Saccades via Eye Tracking and Assessment of Visual Sensitivity

This experimental protocol was designed to investigate whether visual attention is obligatorily deployed at the endpoint of saccades. To this end, we recorded the eye position of human participants engaged in a saccade task via eye tracking and assessed visual orientation discrimination performance at various locations during saccade preparation. Importantly, instead of using a single saccade target paradigm for which the saccade endpoint typically coincides roughly with the target, this protocol comprised the presentation of two nearby saccade targets, leading to a distinct spatial dissociation between target locations and saccade endpoint on a substantial number of trials. The paradigm allowed us to compare presaccadic visual discrimination performance at the endpoint of accurate saccades (landing at one of the saccade targets) and of averaging saccades (landing at an intermediate location in between the two targets). We observed a selective enhancement of visual sensitivity at the endpoint of accurate saccades but not at the endpoint of averaging saccades. Rather, before the execution of averaging saccades, visual sensitivity was equally enhanced at both targets, suggesting that saccade averaging follows from unresolved attentional selection among the saccade targets. These results argue against a mandatory coupling between visual attention and saccade programming based on a direct measure of presaccadic visual sensitivity rather than saccadic reaction times, which have been used in other protocols to draw similar conclusions. While our protocol provides a useful framework to investigate the relationship between visual attention and saccadic eye movements at the behavioral level, it can also be combined with electrophysiological measures to extend insights at the neuronal level.

This experimental protocol combined eye tracking and the assessment of presaccadic visual sensitivity in a dual task paradigm, consisting of a free choice saccade task and a visual discrimination task, to investigate the deployment of visual spatial attention before both, accurate and averaging saccades.

Investigando la implementación de la atención Visual antes de Saccades precisas y un promedio por ojo de seguimiento y evaluación de la sensibilidad Visual

This experimental protocol was designed to investigate whether visual attention is obligatorily deployed at the endpoint of saccades. To this end, we ...