Predicción de la topografía funcional de la corteza visual humana a partir de la anatomía cortical a escala

Área de la Ciencia:

• Neurociencia
• Neurociencia Computacional
• Imagen Médica

Sus antecedentes:

• La organización topográfica es clave para el procesamiento sensorial en el cerebro.
• Los métodos actuales para mapear la corteza visual a menudo consumen muchos recursos o carecen de precisión individual.
• Los atlas de población tienen limitaciones para la inferencia a nivel individual.

Objetivo del estudio:

• Desarrollar una herramienta de aprendizaje profundo para predecir la organización topográfica funcional de la corteza visual humana utilizando solo datos anatómicos.
• Permitir el mapeo retinotópico preciso y específico del individuo.
• Superar las limitaciones de los enfoques existentes basados en neuroimagen y atlas.

Principales métodos:

• Introducción de la caja de herramientas 'deepRetinotopy', una aplicación de aprendizaje profundo.
• Predicción de mapas retinotópicos a partir de la anatomía cortical.
• Validación en diversas condiciones experimentales, sitios de imagen y tipos de escáner.

Principales resultados:

• La caja de herramientas deepRetinotopy predice con precisión los mapas retinotópicos.
• Los mapas predichos facilitan la generación automática de límites de áreas visuales específicos del individuo, lo que reduce el sesgo de la anotación manual.
• La aplicación a 11.060 escáneres cuantificó los cambios relacionados con la edad en la organización de la corteza visual.

Conclusiones:

• La caja de herramientas deepRetinotopy proporciona un método escalable basado en la anatomía para el mapeo cerebral funcional.
• La herramienta permite un mapeo retinotópico preciso y específico del individuo sin neuroimagen funcional.
• Este enfoque tiene una amplia utilidad para estudios a gran escala de la organización cerebral y el envejecimiento.