Stima topografica Visual Popolazione ricettivo campi da fMRI

Riepilogo

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.

Abstract

Visiva della corteccia è retinotopically organizzato in modo che le popolazioni vicine di cellule mappa a parti adiacenti del campo visivo. La risonanza magnetica consente di stimare voxel-based popolazione campi recettivi (PRF), cioè, la parte del campo visivo che attiva le cellule in ciascun voxel. Prima,, PRF metodi di stima diretta ¹ soffrono di alcune limitazioni: 1) il modello prf è scelto a priori e non può catturare appieno la reale forma prf, e 2) i centri PRF sono inclini a mislocalization vicino al confine dello spazio stimolo. Qui viene proposto un nuovo metodo di stima topografica PRF ² che aggira in gran parte queste limitazioni. Un modello lineare viene usato per predire il segnale di ossigeno Sangue Level-Dependent (BOLD) convolvendo risposta lineare PRF allo stimolo visivo con la funzione di risposta emodinamica canonica. PRF topografia è rappresentato come un vettore di peso cui componenti rappresentano il strlength della risposta complessiva dei neuroni voxel a stimoli presentati in diverse località del campo visivo. Le equazioni lineari risultanti possono essere risolti per il vettore peso prf utilizzando cresta regressione ^3, cedendo la topografia prf. Un modello prf che è compensata alla topografia stimato può essere scelta post-hoc, migliorando così le stime dei parametri PRF quali l'ubicazione PRF-centrale, orientamento prf, dimensioni, ecc. Avendo la topografia PRF disposizione permette anche la verifica visiva delle stime dei parametri PRF consentono l'estrazione di varie proprietà PRF senza dover fare ipotesi a priori sulla struttura PRF. Questo approccio promette di essere particolarmente utile per studiare l'organizzazione PRF di pazienti con disturbi del sistema visivo.

Introduzione

La risonanza magnetica funzionale (fMRI) misura non invasivo l'organizzazione funzionale della corteccia visiva in scala macroscopica (tipicamente dell'ordine di millimetri). I primi studi retinotopy fMRI utilizzato una misura della coerenza tra la posizione stimolo e hanno suscitato risposte BOLD ^4-7. Questi studi in genere non hanno stima della popolazione dimensioni del campo recettivo. Successivamente, Dumoulin e Wandell ¹ proposto un metodo per superare tale limitazione modellando esplicitamente la posizione e le dimensioni PRF, tramite una funzione lineare di questo modello per predire la risposta BOLD. Tuttavia, una limitazione di questo metodo pionieristico è che il modello parametrico prf deve essere scelta a priori, e può portare a errate PRF stime se si scopre di non essere appropriato.

Per superare i limiti del metodo parametrico PRF-modello, nuovi metodi sono stati sviluppati di recente. Questi metodi prevedono direttamente la risposta BOLD ai stimulus ricostruendo topografia prf. Metodo ⁸ proposta da Greene e colleghi ricostruisce la topografia prf da back-proiettando le risposte BOLD ai singoli spazi stimolo 1D e costruire la topografia prf nello spazio di stimolo 2D come una tipica tecnica di tomografia computerizzata. D'altra parte, il metodo ² da noi proposto stima diretta topografia 2D PRF mediante regressione lineare e applicando una tecnica di regolarizzazione. In questo metodo, la topografia PRF è rappresentato come un insieme di pesi che viene moltiplicato per lo stimolo per stimare la risposta neuronale popolazione di un dato voxel. Poi, l'ossigeno Sangue Level-Dependent (BOLD) risposta finale evocata dallo stimolo è stimato convolvendo la risposta della popolazione neuronale e la funzione di risposta emodinamica canonica. Per risolvere il sistema lineare sotto-vincolato, inoltre, regolarizzazione cresta regressione viene utilizzato per applicare sparseness (vedi Figura 1sotto). La tecnica di regolarizzazione elimina il rumore e gli artefatti e permette quindi il nostro metodo per stimare la topografia prf più robusta.

I metodi topografici non forzare la forma prf di avere una certa forma parametrica, e quindi può scoprire la struttura attuale prf. Un modello parametrico appropriato può quindi essere scelto sulla base della topografia PRF. Ad esempio, la topografia PRF può essere utilizzata per separare il centro PRF e surround, e poi la successiva centro modellazione PRF può essere più accurata minimizzando l'influenza di soppressione bordi nonché l'influenza di altri potenziali artefatti derivanti in zone distanti al Centro prf. Recentemente abbiamo effettuato un confronto quantitativo tra il nostro metodo e molti altri metodi che direttamente (cioè prima stima la topografia) fit isotropa gaussiana ^1, anisotropico gaussiana, e la differenza di isotropo gaussiane al prf ^9. Si è constatato che la topogrmetodo basato aphy-superato questi metodi rispetto al centro PRF modellazione da raggiungere una maggiore varianza spiegata della serie storica del segnale BOLD.

Stima accurata delle proprietà PRF in diversi settori rivela come coprono il campo visivo ed è importante per indagare l'organizzazione funzionale della corteccia visiva in particolare per quanto riguarda la percezione visiva. Proprietà quali come i cambiamenti di dimensione PRF con eccentricità ^1,10 e PRF organizzazione centrale surround ⁹ sono ben studiati in letteratura umana. Il metodo proposto per valutare i risultati topografia PRF in più accurata parametro PRF modellazione ed è più probabile per rivelare regolarità sconosciuti, non facilmente modellato a priori nei modelli parametrici diretti. Questo approccio sarà particolarmente adatto per lo studio dell'organizzazione PRF in pazienti con lesioni percorso visivo, per i quali la struttura PRF non è necessariamente prevedibile a priori. Qui di seguito è descritto come stimare the prf topografia e come utilizzare la topografia per modellare il centro prf.

Protocollo

1. Acquisizione Dati

1. Preparare un protocollo stimolo che è efficace nel suscitare una risposta visiva retinotopica affidabile come precedentemente descritto in Dumoulin e Wandell ¹ e Lee et al. ^2. Tuttavia, altri paradigmi consolidati sono anche applicabili a seconda della domanda sperimentale specifico da affrontare.
2. Stimoli bar Presenti alla deriva attraverso lo schermo in sequenza lungo 8 direzioni dello spazio, a passi di 45 gradi. Assicurarsi che il movimento è in sincronia con l'acquisizione telaio scanner (TR ~ 2 sec) in modo che la barra si muove di un passo di una volta un telaio fMRI inizia e rimane nella nuova posizione fino a che il telaio finisce.
3. Per misurare un segnale di base corretta, aggiungere epoche senza barra stimolazione ^1.
   1. Definire un campo di vista (10 a 15 ° raggio) in angolo visuale su cui lo stimolo viene presentato. Presente in movimento o tremolanti scacchiera (size checker = 0.94 x 0.94 deg ^2, pattefrequenza di aggiornamento rn = 250 msec / pattern) all'interno della barra di suscitare forti risposte visive.
   2. Ingresso i seguenti parametri specifici: 8 direzioni equidistanti di movimento, bar larghezza pari a 1.875 gradi, e le barre si spostano dalla metà della larghezza della barra per frame (2 sec). Ulteriori dettagli possono essere trovati in Lee et al. ^2.
   3. Generare un punto (~ 0,25 °) al centro dello schermo sul quale gli occhi del soggetto fissarsi durante l'esperimento. Cambiare colore della macchia casualmente nel tempo.
4. Eseguire la scansione del cervello di un soggetto in uno scanner MRI utilizzando un tipico eco-planare imaging (EPI) di scansione è di 192 fotogrammi durata (24 fotogrammi in ogni direzione di movimento). Ripetere le scansioni 4-8 volte per aumentare il rapporto segnale-rumore.
5. Impostare i parametri per la sequenza EPI come segue: TR = 2 sec, TE = 40 msec, dimensione della matrice = 64 x 64, 28 fette, dimensione voxel = 3 x 3 x ³ mm 3, flip angle = 90 °, alternativa, applicare le sequenze con una risoluzione più fine (e.g., 2 x 2 x 2 mm ³⁾ o una breve TR (ad esempio, 1-1,5 sec) che copre solo la corteccia visiva ^2.
6. Movimenti oculari pista con un sistema eyetracker durante le scansioni funzionali per garantire la fissazione è mantenuto entro 1-1,5 ° del punto di fissazione.
   NOTA: Qui, viene utilizzato un eyetracker testa coordinata basata in un sistema di occhiali, ma altri sistemi adatti eyetracker può essere usato al posto.
7. Istruire i soggetti a fissarsi il punto sul centro dello schermo generato al punto 1.3.2. Per garantire i soggetti sono fissandosi, istruirli a segnalare i cambiamenti di colore del punto di fissaggio.
8. Ottenere scansioni anatomiche, a 1 x 1 x 1 mm Risoluzione ³ (ad esempio, T1-MPRAGE; TR = 1.900 msec, TE = 2.26 msec, TI = 900 msec, flip angle = 9 °, 176 partizioni).
   NOTA: Queste scansioni anatomiche saranno utilizzati per la segmentazione e per l'allineamento delle immagini funzionali all'anatomia sia all'interno e tra scansioni. Per un migliore allineamento tra funzioneal (EPI) le immagini e l'anatomia, ottengono anche una scansione anatomia inplane, con una risoluzione identica alla EPI, utilizzando T1 pesate veloce viziato gradient echo (SPGR) Sequenza ^1.

2. I dati di pre-processing

NOTA: Prima di valutare le proprietà prf, sono necessari diversi passaggi di pre-elaborazione dei dati fMRI tipico, come la correzione movimento della testa e l'allineamento dei volumi funzionali alla scansione anatomica. In questo articolo, tutti i pre-processing, la stima, l'analisi e la presentazione dei risultati ottenuti sono eseguite utilizzando l'open source software toolbox basati su MATLAB VISTA LAB disponibile sul sito software VISTA. http://white.stanford.edu/newlm/index.php/Main_Page.

1. Caricare la scansione anatomica in MATLAB e preparare un'anatomia volume utilizzando una funzione chiamata createVolAnat.
2. Segmento materia grigia, la materia bianca, e CSF utilizzando la funzione "ItkGray".
3. Preparare i dati funzionali convertendo DICOM (ie , formato file MRI prima per Siemens) file in file Nifti (cioè, formato standard di file risonanza magnetica funzionale), e caricare dati in Vista utilizzando una funzione chiamata mrInit.
4. Correct testa-motion e allineare le immagini funzionali all'anatomia caricata al punto 2.1 utilizzando rxAlign sulla base di una trasformazione di matrice affine.
5. Scansioni medie funzionali al movimento corretto per migliorare il rapporto segnale-rumore cliccando mrVISTA Analisi TimeSeries media Tseries. Escludere dalle scansioni in media, durante il quale i movimenti oculari devia dalla fissazione più di 1-1,5 °. Se i segnali provenienti da sedute diverse hanno diverse dc-derive, scansioni medie funzionali dopo la rimozione del DC-derive.
6. Calcolare coordina il mapping tra le scansioni funzionali e la materia grigia e di individuare corrispondenti voxel di materia grigia nelle scansioni funzionali selezionando il seguente menu: Finestra mrVISTA aperto Grigio 3-View Window. Assegnare segnali BOLD nei voxel materia grigia di interpolazione, scegliendo una delle opzioni di unvailable in mrVISTA.

3. Stima della PRF Topografia e Parametric Modeling

1. Scaricare i file di codice attraverso il seguente link: https://sites.google.com/site/leesangkyun/prf/codes.zip, estrarre il file compresso e metterli in una posizione strategica del computer locale. Aggiungere il percorso della cartella in MATLAB.
2. Impostare i parametri di stimolo utilizzati nell'esperimento selezionando il seguente menu: Analisi mrVISTA retinotopica Modello Imposta parametri. Specificare i seguenti parametri come le immagini di stimolo, la dimensione dello stimolo, la funzione emodinamica canonica, il frame rate dello scanner fMRI.
3. Prima stima PRF preparare i set di parametri iniziali (Figura 1B).
   1. Impostare i set di validazione incrociata in "tprf_set_params.m" dai file di codice. Timeseries dividiamo in almeno due sottoinsiemi (un set per le prove e le restanti set per la formazione), che sono abbastanza a lungo per la barra di Sweep l'intero spazio stimolo. In alternativa, senza che in media le scansioni in fase 2.4, convalidare scansioni lasciando fuori una scansione per il test e l'utilizzo dei restanti scansioni per la formazione.
   2. Impostare un set di parametri grossolano (λ in figura 1; λ = [10 ^-2 10 ^-1 1 10 ¹ 10 ^2]) in "tprf_set_params.m". Quindi, impostare un intervallo di scala fine ([0,1 0,3 0,5 0,7 0,9 1 3 5 7 9]) in "tprf_set_params.m".
      NOTA: Il programma utilizza il grossolano impostato per selezionare il λ conseguente più alta varianza spiegata. Poi, il programma ricerca lo spazio intorno alla λ selezionato utilizzando il campo scala fine, affinare ulteriormente la selezione di λ che produce la varianza spiegata più alto.
   3. Impostare una soglia (0,2) della varianza spiegata per voxel visivamente reattivo in "tprf_set_params.m".
      NOTA: Questa soglia viene utilizzato come riferimento per la selezione dei voxel visivamente responsive. In alternativa, fare unROI per un terzo visivamente regione reattivo (ad esempio, disegnando una sfera con un raggio di 1 cm in una zona del cervello non visivamente reattivo), in cui la soglia può essere calcolato automaticamente.
   4. Impostare un insieme di soglie ([0,3, 0,5, 0,7]) per definire la regione centrale PRF nella topografia normalizzato "tprf_set_params.m" (cioè, [0 a 1] o [-1 1] con epoche senza stimolazione bar al punto 1.3.1).
      NOTA: Dalla serie di soglie programma fornito seleziona la soglia "best", cioè la soglia che definisce una regione centrale PRF per cui il modello centro PRF spiega la varianza maggiore segnale. In alternativa, scegliere un diverso insieme di valori di soglia in funzione delle caratteristiche della topografia.
4. Esegui "tprf_runpRFest.m" calcola la topografia PRF (Figura 1) e sostituirla anisotropico gaussiana 2D. Dopo aver specificato tutti i parametri descritti in questo protocollo, el'esecuzione del codice, ottenere i risultati finali di stima.

Figura 1: processo di stima PRF. (A) Rappresentazione schematica del processo seguito per la stima PRF topografia h (t):. Funzione di risposta emodinamica, A (t): stimolo, m: prf, Reg. L2-norm regolarizzazione (B) Fasi specifiche per topografia stima prf e la modellazione centro di PRF. L'insieme dei parametri necessari per la stima è elencato in ogni passaggio. Una sezione unidimensionale della topografia e il suo modello sono illustrati. In "Modello di montaggio" curve, nero e rosso rappresentano la topografia e il suo modello centro PRF con una soglia centro di 0,5, rispettivamente. La linea tratteggiata blu indica una soglia per PRFregione centrale.

Risultati

Accurate prf modellazione richiede catturare correttamente forme PRF. Senza conoscere la topografia PRF la selezione dei modelli simmetrici circolarmente utilizzato in studi precedenti ^1,9-11 è una scelta ragionevole. Questo perché, se l'organizzazione retinotopica locale è omogenea in tutte le direzioni del campo visivo, una risposta popolazione locale potrebbe essere rappresentata come una circolarmente simmetrica aggregato cumulativo delle risposte neuronali. Tuttavia, le nostre osservazioni dimostr...

Discussione

Questo articolo viene illustrato come stimare la topografia della popolazione campi recettivi visivi nella corteccia visiva umana e su come usarlo per selezionare un modello parametrico appropriato per il campo recettivo. Per un retinotopy successo, devono essere selezionati un protocollo di stimolazione adeguata e di un metodo di analisi efficiente, e parametri sperimentali del soggetto (di movimento e di fissaggio) devono essere ottimizzati. Stimoli Bar in movimento in modo sequenziale attraverso il campo visivo sono ...

Materiali

Name	Company	Catalog Number	Comments
MRI scanner	Siemens/Philips/GE
MATLAB	The Mathworks, Inc.		http://www.mathworks.com
VISTA software	VISTA software group		http://white.stanford.edu/newlm/index.php/Software
PsychoToolbox	PsychoToolbox		http://psychtoolbox.org
Eye Tracker (VisuaStimDigital)	Resonance Technology Inc		http://mrivideo.com/