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 ...

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><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

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 dimostr...

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

Universidad San Sebastian

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

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 ...

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.

Ad alta risoluzione magnetica funzionale per immagini Metodi risonanza per mesencefalo umano

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 ...

Neuroscienze

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-analisi della struttura e delle funzioni cerebrali con fMRI e Diffusion-weighted imaging

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

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

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

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

Rilevamento di effetti pre-stimolo a livello di origine sulla percezione degli oggetti con la 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.

Raccolta simultanea di dati di fMRI e fNIRS utilizzando un array di optodi a testa intera e canali a breve distanza

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

Migliorare la mappatura della corteccia visiva per una migliore valutazione dei disturbi visivi

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.

Autore in primo piano: approfondimenti sulla ricerca sulla corteccia visiva attraverso la mappatura fMRI ad ampia visuale 

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.

Risonanza magnetica funzionale (fMRI) della corteccia visiva con stimolazione retinotopica ad ampio raggio

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

Stima topografica Visual Popolazione ricettivo campi da fMRI

Riepilogo

Esplora Altri Video

Capitoli in questo video

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

fMRI Validazione di fNIRS misurazioni durante un compito Naturalistica

Ad alta risoluzione magnetica funzionale per immagini Metodi risonanza per mesencefalo umano

Co-analisi della struttura e delle funzioni cerebrali con fMRI e Diffusion-weighted imaging

Rilevamento di effetti pre-stimolo a livello di origine sulla percezione degli oggetti con la magnetoencefalografia

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

Raccolta simultanea di dati di fMRI e fNIRS utilizzando un array di optodi a testa intera e canali a breve distanza

Risonanza magnetica funzionale (fMRI) della corteccia visiva con stimolazione retinotopica ad ampio raggio

Risonanza magnetica funzionale (fMRI) della corteccia visiva con stimolazione retinotopica ad ampio raggio

Risonanza magnetica funzionale (fMRI) della corteccia visiva con stimolazione retinotopica ad ampio raggio