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. Acquisizione Dati <ol><li> 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. </li><li> 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&#39;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. </li><li> Per misurare un segnale di base corretta, aggiungere epoche senza barra stimolazione 1. <ol><li> 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&#39;interno della barra di suscitare forti risposte visive. </li><li> 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. </li><li> Generare un punto (~ 0,25 °) al centro dello schermo sul quale gli occhi del soggetto fissarsi durante l&#39;esperimento. Cambiare colore della macchia casualmente nel tempo. </li></ol></li><li> 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. </li><li> 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. </li><li> 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. </li><li> 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. </li><li> 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&#39;allineamento delle immagini funzionali all&#39;anatomia sia all&#39;interno e tra scansioni. Per un migliore allineamento tra funzioneal (EPI) le immagini e l&#39;anatomia, ottengono anche una scansione anatomia inplane, con una risoluzione identica alla EPI, utilizzando T1 pesate veloce viziato gradient echo (SPGR) Sequenza 1. </li></ol> 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&#39;allineamento dei volumi funzionali alla scansione anatomica. In questo articolo, tutti i pre-processing, la stima, l&#39;analisi e la presentazione dei risultati ottenuti sono eseguite utilizzando l&#39;open source software toolbox basati su MATLAB VISTA LAB disponibile sul sito software VISTA. http://white.stanford.edu/newlm/index.php/Main_Page. <ol><li> Caricare la scansione anatomica in MATLAB e preparare un&#39;anatomia volume utilizzando una funzione chiamata createVolAnat. </li><li> Segmento materia grigia, la materia bianca, e CSF utilizzando la funzione &quot;ItkGray&quot;. </li><li> Preparare i dati funzionali convertendo DICOM (ie </em&gt;, 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. </li><li> Correct testa-motion e allineare le immagini funzionali all&#39;anatomia caricata al punto 2.1 utilizzando rxAlign sulla base di una trasformazione di matrice affine. </li><li> 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. </li><li> 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. </li></ol> 3. Stima della PRF Topografia e Parametric Modeling <ol><li> 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. </li><li> Impostare i parametri di stimolo utilizzati nell&#39;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. </li><li> Prima stima PRF preparare i set di parametri iniziali (Figura 1B). <ol><li> Impostare i set di validazione incrociata in &quot;tprf_set_params.m&quot; 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&#39;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&#39;utilizzo dei restanti scansioni per la formazione. </li><li> Impostare un set di parametri grossolano (λ in figura 1; λ = [10 -2 10 -1 1 10 1 10 2]) in &quot;tprf_set_params.m&quot;. Quindi, impostare un intervallo di scala fine ([0,1 0,3 0,5 0,7 0,9 1 3 5 7 9]) in &quot;tprf_set_params.m&quot;. 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. </li><li> Impostare una soglia (0,2) della varianza spiegata per voxel visivamente reattivo in &quot;tprf_set_params.m&quot;. 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. </li><li> Impostare un insieme di soglie ([0,3, 0,5, 0,7]) per definire la regione centrale PRF nella topografia normalizzato &quot;tprf_set_params.m&quot; (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 &quot;best&quot;, 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. </li></ol></li><li> Esegui &quot;tprf_runpRFest.m&quot; calcola la topografia PRF (Figura 1) e sostituirla anisotropico gaussiana 2D. Dopo aver specificato tutti i parametri descritti in questo protocollo, el&#39;esecuzione del codice, ottenere i risultati finali di stima. </li></ol><img alt="Figura 1" src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700" /> 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&#39;insieme dei parametri necessari per la stima è elencato in ogni passaggio. Una sezione unidimensionale della topografia e il suo modello sono illustrati. In &quot;Modello di montaggio&quot; 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.

<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.

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 un paradigma stimolo efficace per la stima PRF quanto genera risposte BOLD distinte dalle posizioni di stimolo distinte. Il metodo previsto costruisce la topografia prf. Poiché il problema della stima PRF è generalmente sotto-determinata, uno strumento matematico denominato cresta regressione 3 viene usato per far rispettare il vincolo della scarsità ragionevole sulla soluzione peso prf. Questa tecnica di regolarizzazione è molto efficace a stima del modello PRF quando il numero di osservazioni (punto temporales del segnale BOLD) è considerevolmente inferiore al numero di pixel che coprono la dimensione spaziale dello stimolo. Questo metodo fornisce la stima più affidabile del centro PRF rispetto ai metodi precedenti. Ci sono diverse ragioni per questo: 1) esso primi segmenti della regione centrale PRF di topografia PRF e quindi si inserisce un modello adeguato, evitando potenziali errori che possono influenzare il modello PRF si inserisce in modelli diretti (cioè soppressione surround o rumore artefatti lontano dal prf Centro). 2) Avere la possibilità di controllare la topografia si dà visivamente l&#39;opportunità di convalidare le prestazioni del modello fit finale scoprendo errori sistematici, nonché 3) la possibilità di rilevare le caratteristiche della struttura PRF che potrebbero altrimenti passare inosservato. 4) Per vincolare l&#39;area di montaggio, questo modello è meno probabile per mappare la prf all&#39;interno del bordo di presentazione dello stimolo non corretto rispetto ai modelli in forma diretta (vedi Figura 2B). Nessunotheless, un utente ha bisogno di essere consapevoli del fatto che il metodo proposto ha anche limitazioni per catturare con precisione la forma prf vicino al confine stimolo. Ciò è dovuto al fatto che in prossimità del confine stimoli bar attivano campi recettivi parziali appartenenti al voxel cui centro PRF sarebbe ordinariamente fuori della regione presentazione dello stimolo. Qualsiasi metodo di mappatura campo recettivo sarebbe soggetto a questo problema e mostrano un picco relativo al confine meno che non possa estrapolare perfettamente dalla parte del centro campo recettivo mappato al tutto. Detto questo, il nostro metodo è più preciso di metodi diretti-montaggio 1,9, che tendono a sovrastimare notevolmente la distanza dal centro di PRF che si trovano vicino al confine presentazione dello stimolo (vedi figure 5 e 6 di Lee et al. 2 per maggiori dettagli). Come discusso, per costruire un robusto topografia PRF dipende dal parametro di regolarizzazione libera, λ (Figura 1), che può be ottimizzato esclusivamente di singoli voxel, o come parametro comune per tutti i voxel. Il parametro di regolarizzazione influenza PRF topografia regolando la portata del raccordo (oltre raccordo o sotto-montaggio) ai dati. Mentre un piccolo λ porta a topografie PRF rumorosi (ad esempio, over-montaggio) rispetto al reale prf, una grande λ sopprime risposte visive e, quindi, il risultato in più topografie spread che giustificato dalla dimensione effettiva prf (cioè, sotto-montaggio). Selezione della lambda ottimale è fondamentale per la stima PRF successo. Abbiamo stimato λ di in diversi sottoinsiemi di dati e valutato tali stime utilizzando una strategia di convalida incrociata. Questo riduce al minimo pregiudizi nella topografia di stima PRF. I potenziali pregiudizi residui sono ulteriormente ridotti nel passaggio modellazione centro prf, dove diverse soglie topografia vengono esplorate per selezionare uno che provoca il maggior varianza spiegata (vedi Lee et al. 2). Fiinfine, l&#39;approccio proposto topografia è computazionalmente efficiente. La stima di PRF topografie su tutti i voxel, tra cui trovare il parametro di regolarizzazione ottimale λ, richiede solo pochi minuti in un ambiente PC. Identificare voxel visivamente che non rispondono a questo punto li esclude dalla fase più computazionalmente impegnative della modellazione PRF-center, migliorando ulteriormente l&#39;efficienza. Forse ancora più importante, gli investigatori non hanno più bisogno di testare più modelli PRF diversi per trovare quello che si adatta bene, dal momento che possono essere guidati nella scelta del modello appropriato dalla topografia prf. Il metodo illustrato in questo protocollo misura popolazione campo recettivo topografia e la usa per guidare popolazione modellazione campo recettivo. Questo approccio riduce la distorsione presente nella popolazione diretta ricettive metodi di mappatura campo, con conseguente stime PRF più robusti e precisi. Si riduce anche gli errori sistematici e ci permette di studiare l&#39;organo funzionalezione della corteccia visiva con maggiore sensibilità. È particolarmente applicabile nel caso di soggetti con lesioni delle vie ottiche, in cui la struttura PRF può non essere facile prevedere a priori.

La risonanza magnetica funzionale (fMRI) misura non invasivo l&#39;organizzazione funzionale della corteccia visiva in scala macroscopica (tipicamente dell&#39;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&#39;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&#39;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&#39;influenza di soppressione bordi nonché l&#39;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&#39;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&#39;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.

<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

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&#39;ubicazione PRF-centrale, orientamento prf, dimensioni, ecc. Avendo la topografia PRF disposizione permette anche la verifica visiva delle stime dei parametri PRF consentono l&#39;estrazione di varie proprietà PRF senza dover fare ipotesi a priori sulla struttura PRF. Questo approccio promette di essere particolarmente utile per studiare l&#39;organizzazione PRF di pazienti con disturbi del sistema visivo.

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&#39;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 dimostrano che questo non è necessariamente il caso (figura 2). Pertanto, l&#39;osservazione della topografia PRF è critica per selezionare una funzione parametrica appropriata per un modello PRF. Questo è un vantaggio della topografia prf, e quindi i modelli basati topografia-sovraperformare i modelli gaussiano isotropo dirette-fit nel centro prf modellazione, con conseguente solitamente in alto spiegato varianza (Figura 2;. Vedere Lee et al 2 per i confronti supplementari con altri modelli). Questi esempi dimostrano il vantaggio di stimare la topografia PRF prima adattamento del modello. <img alt="Figura 2" src="/files/ftp_upload/51811/51811fig2highres.jpg" width="700" /> Figura 2: Esempi di PRF topografia stima e vestibilità dei modelli centrali prf (A) Una tipica topografia PRF.. In topografia, di colore rosso indica la zona più reattivo, che mostra il centro PRF sdraiato sul mezzo meridiano orizzontale destra. In topografia prf, modelli bar di fronte alla struttura centrale prf con pesi bassi sono anche a volte osservate. Questo si riferisce al fatto che l&#39;area lungo l&#39;apertura bar passante per il centro PRF viene stimolata anche contemporaneamente con il centro PRF. . Sono facilmente eliminati nella fase soglia (B) Confronto tra un metodo precedente (DIG;-fit diretta isotropo gaussiana) 1 e basati topografia centro prf model (T-modello). La corrispondente percentuale di varianza spiegata è mostrato sopra ciascun modello. T-modelli mostrano elevata varianza spiegata in tutti gli esempi, con più accurata cattura forma PRF. Per maggiori dettagli e altri esempi, vedere Lee et al. 2. Un requisito importante è garantire che il paradigma fMRI utilizzato fornisce buoni dati retinotopy. Quindi il metodo topografia prf può essere utilizzato per stimare eccentricità retinotopica e mappe azimut (Figura 3). Queste mappe mostrano simile architettura retinotopica base come metodi precedenti 1,4-7, ma sono più accurata perché l&#39;osservazione della topografia PRF permette di separare meglio il centro PRF di surround e dal potenziale rumore o artefatti lontane dal centro PRF. Questo, tra l&#39;altro, i risultati di una migliore stima delle mappe retinotopica a eccentricità elevati (un resoconto dettagliato delle differenze osservate si trova nel Lee et al. 2). <img alt="Figura 3" src="/files/ftp_upload/51811/51811fig3highres.jpg" width="700" /> Figura 3: mappe retinotopica e PRF dimensioni (A) Eccentricità e angolo polare mappe nell&#39;emisfero di sinistra di un soggetto.. CS indica il solco calcarina. Nel pannello di destra della figura A, il cerchio nero indica una regione di interesse (ROI) da cui il voxel cui PRF è illustrato nella figura 4 è presa. (B) Rapporto tra dimensioni PRF ed eccentricità. Il formato prf aumenta con l&#39;eccentricità in aree visive V1-3. Questa trama è tratta da (A). Il metodo modello basato topografia (T-modello) può essere utilizzato per stimare varie proprietà quali dimensione PRF PRF allungamento, l&#39;orientamento, e la soppressione circondano efficiente, senza dover testare molti diversi modelli parametrici. Per facilitare la visualizzazione di tali proprietà, un MATLAB<html> Funzione (tprf_plotpRF.m) è previsto che traccia la topografia PRF il corrispondente modello di centro PRF, e la loro forma al segnale BOLD grezzo (figura 4). Si noti che in alcuni casi, le proprietà PRF possono essere stimate direttamente dalla topografia, eliminando la necessità di PRF modellazione. <img alt="Figura 4" src="/files/ftp_upload/51811/51811fig4highres.jpg" width="700" /> Figura 4: Dimostrazione della toolbox MATLAB sviluppato dagli autori. Questo grafico mostra la topografia e PRF PRF corrispondente modello di misura di un voxel selezionato da un utente. Il voxel illustrato è stato selezionato dal ROI mostrato in Figura 3A crudo:. Effettiva risposta BOLD, pred t: previsione con la topografia prf, pred m: previsione con il modello parametrico centro di PRF.1fig4highres.jpg &quot;target =&quot; _ blank &quot;&gt; Clicca qui per vedere una versione più grande di questa figura.

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.

Stima topografica Visual Popolazione ricettivo campi da 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

Nanyang Technological University

Research

JoVE Journal

Behavior

9.2K Views.  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.

Risonanza magnetica funzionale (fMRI) con Auditory Stimulation in uccelli canori

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

Ricerca

Comportamento

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.

Migliori prassi attuale per ottenere dati di alta qualità durante l&#39;EEG fMRI simultanea

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 Validazione di fNIRS misurazioni durante un compito Naturalistica

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.

Metodi per test visivo attenzione 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.

Visualizzazione visiva Adattamento

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.

Misurazione Attenzione e velocità di elaborazione visiva dal Modello di analisi basata su delle decisioni di ordine temporale

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.

Mapping fMRI dell&#39;attività del cervello associata alla produzione vocale di intervalli consonanti e dissonanti

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.

Analisi automatizzata di un esame preferenziale di Chemosensory basato sulla popolazione di Nematode

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 condizionamento classico in legna formiche

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.

Studiando la distribuzione dell'attenzione visiva prima di saccadi Accurate e media tramite Eye-Tracking e valutazione della sensibilità visiva

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