Name: topographical estimation of visual population receptive fields by fmri
Uploaded: 2015-02-03T14:00:00.000+00:00
Duration: 6 min 2 s
Description: Watch this Scientific Journal Video about Topographical Estimation of Visual Population Receptive Fields by fMRI at JoVE.com

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. Aquisição de Dados <ol><li> Preparar um protocolo de estímulo que é eficaz na indução de uma resposta visual retinotópica fiável como anteriormente descrito em Dumoulin e Wandell 1 e Lee et al. 2. No entanto, outros paradigmas bem estabelecidos também são aplicáveis, dependendo da questão experimental específico a ser abordado. </li><li> Estímulos bar presentes à deriva no sequencialmente tela junto 8 direções do espaço, em intervalos de 45 graus. Certifique-se de que o movimento está em sincronia com a aquisição quadro scanner (TR ~ 2 segundos) para que a barra se move um passo uma vez um fMRI começa quadro e permanece no novo local até que o quadro termina. </li><li> Para medir um sinal de linha de base correta, adicione épocas sem bar estimulação 1. <ol><li> Definir um campo de visão (10 a 15 ° de raio) no ângulo visual sobre o qual o estímulo é apresentado. Presente em movimento ou piscando padrões de xadrez (tamanho verificador = 0,94 x 0,94 deg 2, pattetaxa de atualização rn = 250 ms / padrão) dentro do bar para provocar fortes respostas visuais. </li><li> Introduza os seguintes parâmetros específicos: 8 direções igualmente espaçados de movimento, bar largura igual a 1.875 graus, e barras de mover-se por metade da largura do bar por quadro (2 segundos). Detalhes adicionais podem ser encontrados em Lee et al. 2. </li><li> Gerar um ponto (~ 0,25 °), no centro da tela em que os olhos do assunto fixar durante o experimento. Mudar de cor do ponto aleatoriamente no tempo. </li></ol></li><li> Digitalizar o cérebro de um sujeito em um scanner de ressonância magnética usando uma varredura típica eco-planar-imaging (EPI), que tem duração de 192 quadros (24 quadros em cada sentido do movimento). Repita as verificações 4-8 vezes para aumentar a relação sinal-para-ruído. </li><li> Definir parâmetros para a sequência EPI da seguinte forma: TR = 2 seg, TE = 40 ms, tamanho de matriz = 64 x 64, 28 fatias, o tamanho do voxel = 3 x 3 x 3 mm 3, flip angle = 90 °, em alternativa, aplicar sequências com uma resolução mais fina (e.g., 2 x 2 x 2 mm3) ou um curto TR (por exemplo, 1-1,5 seg) abrangendo apenas o córtex visual 2. </li><li> Movimentos oculares pista com um sistema eyetracker durante as varreduras funcionais para garantir a fixação é mantida dentro de 1-1,5 ° do ponto de fixação. NOTA: Aqui, um eyetracker coordenada-cabeça baseado em um sistema de óculos de proteção é usado, mas outros sistemas eyetracker adequado pode ser usado em seu lugar. </li><li> Instrua os sujeitos a se fixar o ponto no centro da tela gerado na etapa 1.3.2. Para garantir que os sujeitos estão fixando, instruí-los para relatar as mudanças de cor do ponto de fixação. </li><li> Obter scans anatômicas, em 1 x 1 x 1 mm3 resolução (por exemplo, T1-MPRAGE; TR = 1.900 ms, TE = 2,26 ms, TI = 900 ms, aleta ângulo = 9 °, 176 partições). NOTA: Estes verificações anatómicos serão utilizadas para a segmentação, bem como para o alinhamento das imagens funcionais à anatomia tanto no interior e entre as verificações. Para um melhor alinhamento entre a funçãoal (EPI) e imagens da anatomia, obter também um exame de anatomia inplane, com resolução idêntica à EPI, usando T1 rápido mimada eco gradiente (SPGR) sequência 1. </li></ol> 2. Dados Pré-processamento NOTA: Antes de estimar as propriedades PRF, são necessárias várias etapas de pré-processamento de dados típico fMRI, como correção de movimento da cabeça e alinhamento dos volumes funcionais para a verificação anatômica. Neste artigo, todos os pré-processamento, avaliação, análise e apresentação dos resultados obtidos são realizadas utilizando a caixa de ferramentas open source software baseado em MATLAB LAB VISTA disponível no site software VISTA. http://white.stanford.edu/newlm/index.php/Main_Page. <ol><li> Coloque a varredura anatômica em MATLAB e preparar uma anatomia volume usando uma função chamada createVolAnat. </li><li> Segmento Gray Matter, substância branca, e CSF utilizando a função &quot;ItkGray&quot;. </li><li> Preparar os dados funcionais por conversão DICOM (ou seja </em&gt;, formato de arquivo raw MRI para a Siemens) arquivos em NIfTI (ou seja, formato de arquivo padrão de ressonância magnética funcional) arquivos e dados de carga em VISTA usando uma função chamada mrInit. </li><li> Cabeça-motion correta e alinhar imagens funcionais com a anatomia carregado na etapa 2.1, utilizando rxAlign com base em uma transformação de matriz afim. </li><li> Scans corrigido-motion funcionais médias para melhorar a relação sinal-ruído, clicando mrVISTA Análise TimeSeries Média tseries. Excluir das verificações em média, durante o qual os movimentos dos olhos desvia fixação mais de 1-1,5 °. Se os sinais de diversas campanhas têm diferentes desvios de corrente contínua, exames funcionais médios após a remoção do DC-drifts. </li><li> Calcule coordena o mapeamento entre scans funcionais e massa cinzenta e identificar correspondentes voxels-massa cinzenta no scans funcionais, selecionando os seguintes menus: Janela Aberta mrVISTA cinza 3-View Window. Atribuir sinais BOLD nos voxels massa cinzenta por interpolação, escolhendo uma das opções available em mrVISTA. </li></ol> 3. Estimativa da PRF Topografia e modelagem paramétrica <ol><li> Faça o download dos arquivos de código através do seguinte link: https://sites.google.com/site/leesangkyun/prf/codes.zip, extraia o arquivo comprimido e colocá-los em um local preferido do computador local. Adicione o caminho da pasta em MATLAB. </li><li> Defina os parâmetros de estímulo utilizados no experimento, selecionando os seguintes menus: Análise mrVISTA retinotópicas modelo definir parâmetros. Especifique os seguintes parâmetros tais como imagens de estímulo, o tamanho do estímulo, a função hemodinâmica canônica, a taxa de quadros do scanner fMRI. </li><li> Antes da estimativa PRF, preparar os conjuntos de parâmetros iniciais (Figura 1B). <ol><li> Defina os conjuntos de validação cruzada em &quot;tprf_set_params.m&quot; a partir dos arquivos de código. Timeseries Divida em pelo menos dois subconjuntos (um conjunto para testes e os restantes conjuntos de formação) que são longas o suficiente para o bar para Sweep todo o espaço estímulo. Como alternativa, sem média scans na etapa 2.4, validar scans por deixar de fora uma varredura para testar e usando os exames restantes para o treinamento. </li><li> Defina um conjunto de parâmetros grosso (λ na Figura 1; λ = [10 -2 10 -1 1 10 1 10 2]) em &quot;tprf_set_params.m&quot;. Em seguida, defina uma faixa fina escala ([0,1 0,3 0,5 0,7 0,9 1 3 5 7 9]) em &quot;tprf_set_params.m&quot;. NOTA: O programa usa o grosso definido para selecionar o λ resultando na maior variância explicada. Em seguida, o programa procura o espaço em torno do λ selecionado usando a faixa de escala fina, refinando ainda mais a seleção de λ que produz a maior variância explicada. </li><li> Defina um limite (0,2) da variância explicada por voxels visualmente responsivos em &quot;tprf_set_params.m&quot;. NOTA: Este limiar é utilizado como referência para a selecção de voxels visualmente responsivos. Como alternativa, fazer umaROI para uma região visualmente não respondedores (por exemplo, através da elaboração de uma esfera com um raio de 1 cm de uma área do cérebro não-responsivo visualmente), onde o limiar pode ser calculada automaticamente. </li><li> Defina um conjunto de limiares ([0,3, 0,5, 0,7]) para a definição de região centro da PRF na topografia normalizada em &quot;tprf_set_params.m&quot; (ie, [0-1] ou [-1 a 1] com épocas sem estimulação bar no passo 1.3.1). NOTA: A partir do conjunto de limiares do programa desde seleciona o &quot;melhor&quot; limiar, ou seja, o limite que define uma região central PRF para o qual o modelo de centro PRF explica a maior variância do sinal. Alternativamente, escolher um conjunto diferente de valores limiares, dependendo das características da topografia. </li></ol></li><li> Executar &quot;tprf_runpRFest.m&quot; calcular a topografia PRF (Figura 1) e coloque um anisotrópica Gaussian 2D. Depois de especificar todos os parâmetros descritos neste protocolo, eexecutar o código, obter os resultados finais de estimação. </li></ol><img alt="Figura 1" src="/files/ftp_upload/51811/51811fig1highres.jpg" width="700" /> Figura 1: processo de estimativa PRF. (A) Ilustração esquemática do processo seguido para a estimativa PRF topografia h (t):. Função de resposta hemodinâmica, A (t): estímulo, m: PRF, Reg.: L2-norma de regularização (B) medidas específicas para PRF estimativa topografia e modelagem centro PRF. O conjunto de parâmetros necessários para a estimativa é listada em cada etapa. A secção unidimensional de topografia e seu modelo são ilustrados. Sob curvas &quot;Arranjo modelo&quot;, preto e vermelho representam a topografia e seu modelo de centro PRF com um limiar centro de 0,5, respectivamente. A linha pontilhada azul indica um limiar para a PRFregião 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.

Este artigo demonstra como para estimar a topografia da população campos receptivos visuais no córtex visual humano e como usá-lo para selecionar um modelo paramétrico apropriado para o campo receptivo. Para um retinotopy bem sucedido, um protocolo de estimulação adequada e de um método de análise eficiente deve ser selecionado, e os parâmetros experimentais do sujeito (movimento e fixação) deve ser otimizado. Estímulos Bar sequencialmente em movimento em todo o campo visual são um paradigma estímulo efic...

A ressonância magnética funcional (fMRI) mede de forma não invasiva a organização funcional do córtex visual em escala macroscópica (tipicamente na ordem de milímetros). Os primeiros estudos retinotopy fMRI usado uma medida de coerência entre a localização do estímulo e obteve respostas BOLD 4-7. Estes estudos normalmente não estimou população tamanho do campo receptivo. Mais tarde, Dumoulin e Wandell 1 propôs um método para superar essa limitação modelando explicitamente a localização eo tamanho PRF, usando uma função linear deste modelo para prever a resposta BOLD. No entanto, uma limitação deste método pioneiro é que o modelo paramétrico PRF tem que ser escolhido a priori, e pode levar à errônea PRF estima se ele sair para não ser apropriado. Para superar as limitações do método paramétrico PRF-modelo, novos métodos foram desenvolvidos recentemente. Estes métodos prever diretamente a resposta BOLD aos stimulus reconstruindo a topografia PRF. Um método 8 proposto por Greene e colegas reconstrói a topografia PRF por back-projetando as respostas corajosas para os espaços de estímulo 1D individuais e construir a topografia PRF no espaço estímulo 2D como uma técnica típica de tomografia computadorizada. Por outro lado, o método proposto por nós 2 estima directamente a topografia 2D PRF por meio de regressão linear e aplicando uma técnica de regularização. Neste método, a topografia PRF é representada como um conjunto de pesos, que é multiplicado pelo estímulo para estimar a resposta da população neuronal de um dado voxel. Então, a resposta final oxigênio do sangue Nível Dependente (BOLD) evocado pelo estímulo é estimada pela convolving a resposta da população neuronal e na função de resposta hemodinâmica canônica. A fim de resolver o sistema linear constrangido-under, adicionalmente, a regularização da regressão de cumeeira é usado para impor esparsidade (ver Figura 1abaixo). A técnica de regularização suprime o ruído e artefatos e, assim, permite que o nosso método para estimar a topografia PRF mais enérgica. Os métodos topográficos não force a forma PRF que ter uma certa forma paramétrica, e, portanto, pode descobrir a estrutura real PRF. Um modelo paramétrico adequado podem, então, ser escolhido com base na topografia PRF. Por exemplo, a topografia PRF pode ser usado para separar o centro da PRF e ambiente, e, em seguida, o subsequente modelagem centro PRF pode ser mais preciso, minimizando a influência de supressão envolvente, bem como a influência de outros artefactos resultantes potenciais em áreas distantes da centro PRF. Efetuamos recentemente uma comparação quantitativa entre o nosso método e vários outros métodos que, direta (ou seja, antes de estimar a topografia) fit isotrópico Gaussian 1, anisotrópica Gaussian, e diferença de isotrópico Gaussians à PRF 9. Verificou-se que o topogrmétodo baseado em aphy superou esses métodos no que diz respeito à modelagem centro PRF por alcançar maior variância explicada da série histórica do sinal BOLD. A avaliação correta de propriedades PRF em diversas áreas revela como eles cobrem o campo visual e é importante para investigar a organização funcional do córtex visual particularmente no que se refere à percepção visual. Propriedades como como as mudanças de tamanho PRF com excentricidade 1,10 e PRF organização envolvente centro 9 são bem estudados na literatura humana. O método proposto para estimar os resultados de topografia PRF em modelagem parâmetro PRF mais precisa e é mais provável que revelam regularidades desconhecidos, que não são facilmente modelados a-priori nos modelos paramétricos diretos. Esta abordagem será especialmente adequado para estudar organização PRF em pacientes com lesões via visual, para quem a estrutura PRF não é necessariamente previsível a-priori. Abaixo é descrito como estimar the PRF topografia e como usar a topografia para modelar centro da PRF.

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

topographical estimation of visual population receptive fields by fmri

Visual córtex é retinotopically organizado de modo que as populações vizinhas de células mapeadas para partes vizinhas do campo visual. A ressonância magnética funcional permite estimar população campos receptivos baseada em voxel (PRF), ou seja, a parte do campo visual que ativa as células dentro de cada voxel. Antes, PRF, métodos diretos de estimação um sofrem de certas limitações: 1) o modelo PRF é escolhido a priori e pode não conseguir captar a forma real PRF, e 2) centros PRF são propensas a mislocalization perto da fronteira do espaço de estímulo. Aqui, um novo método de estimativa PRF topográfico 2 propõe-se que, em grande parte contorna essas limitações. Um modelo linear é utilizado para prever o sinal de oxigênio do sangue Nível Dependente (BOLD) por convolving a resposta linear da PRF para o estímulo visual com a função de resposta hemodinâmica canônica. PRF topografia é representado como um vetor de pesos, cujos componentes representam a strength da resposta agregado de neurônios voxel aos estímulos apresentados em diferentes locais do campo visual. As equações lineares resultantes podem ser resolvidos para o vector de ponderação PRF usando regressão cume 3, obtendo-se a topografia PRF. Um modelo PRF que é compensada com a topografia estimado pode então ser escolhido post-hoc, melhorando assim as estimativas dos parâmetros PRF, tais como localização no centro da PRF, orientação PRF, tamanho, etc. Tendo a topografia PRF disponível também permite a verificação visual de estimativas de parâmetros PRF permitindo a extração de várias propriedades PRF sem ter que fazer suposições a priori sobre a estrutura PRF. Esta abordagem promete ser particularmente útil para investigar a organização PRF de pacientes com desordens do sistema visual.

Modelagem PRF Accurate requer capturar formas PRF corretamente. Sem conhecer a topografia PRF, a selecção de modelos circularmente simétricos utilizados em estudos anteriores 1,9-11 é uma escolha razoável. Isto porque, se a organização retinotópica local é homogénea em todas as direcções do campo visual, uma resposta da população local pode ser representada como um agregado cumulativa circularmente simétrico de respostas neuronais. No entanto, as nossas observações demonstram que este não é...

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.

Estimativa topográfico da População Campos Visuais Receptivos 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 visualizações.  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.

Vídeo: 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.

Ressonância Magnética Funcional (fMRI), com estimulação auditiva em aves canoras

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

Comportamento

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 Validação de fNIRS Medidas durante uma tarefa Naturalistic

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

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

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

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

De alta resolução funcionais Métodos ressonância magnética para Midbrain Humanos

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

Neurociência

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

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

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

Co-análise de estrutura e função cerebral usando ressonância magnética funcional e imagem ponderada em difusão

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

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

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

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

Detectando efeitos de nível de fonte de pré-estímulo na percepção de objeto com magnetoencefalografia

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

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

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

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

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

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

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

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

Coleta simultânea de dados de medições de fMRI e fNIRS usando um arranjo de optode de cabeça inteira e canais de curta distância

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

Mapeamento avançado do córtex visual para avaliação aprimorada de distúrbios da visão

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

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

Autor em destaque: Insights sobre a pesquisa do córtex visual por meio do mapeamento de fMRI de visão ampla 

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

Ressonância Magnética Funcional (RMf) do Córtex Visual com Estimulação Retinotópica Ampla

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

Estimativa topográfico da População Campos Visuais Receptivos por fMRI

Resumo

Explore mais vídeos

Capítulos neste vídeo

Ressonância Magnética Funcional (fMRI), com estimulação auditiva em aves canoras

fMRI Validação de fNIRS Medidas durante uma tarefa Naturalistic

De alta resolução funcionais Métodos ressonância magnética para Midbrain Humanos

Co-análise de estrutura e função cerebral usando ressonância magnética funcional e imagem ponderada em difusão

Detectando efeitos de nível de fonte de pré-estímulo na percepção de objeto com magnetoencefalografia

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

Coleta simultânea de dados de medições de fMRI e fNIRS usando um arranjo de optode de cabeça inteira e canais de curta distância

Ressonância Magnética Funcional (RMf) do Córtex Visual com Estimulação Retinotópica Ampla

Ressonância Magnética Funcional (RMf) do Córtex Visual com Estimulação Retinotópica Ampla

Ressonância Magnética Funcional (RMf) do Córtex Visual com Estimulação Retinotópica Ampla