在7T时使用BOLD和CBVfMRI对皮质深度进行列层组织的解码

科学领域:

• 神经成像
• 认知神经科学
• 人类大脑的绘制

背景情况:

• 功能性磁共振成像 (fMRI) 测量出血动力反应,这些反应在空间上受到大血管贡献的限制.
• 多变量模式分析 (MVPA) 利用多声元信息从神经成像数据中检索细粒度的空间模式.
• 由于fMRI信号的局限性,在柱和层的尺度上对皮质结构进行成像是具有挑战性的.

研究的目的:

• 调查MVPA在高分辨率fMRI中使用的信号的空间特异性.
• 评估宏血管贡献对皮层深度的MVPA解码的影响.
• 为了比较不同fMRI获取技术的分离层信息的能力.

主要方法:

• 在人体初级视觉皮层 (V1) 中采集7特斯拉 (7T) fMRI数据,使用梯度回声为基础的BOLD (GE-BOLD),旋回回声为基础的BOLD (SE-BOLD) 和血管空间占用 (VASO) 技术.
• 测量眼球主导列 (ODCs),以作为已知的细粒度空间图案.
• 通过皮质层解码来自fMRI信号的眼睛起源信息.

主要成果:

• 使用所有已测试的fMRI采集技术 (GE- BOLD,SE- BOLD,VASO) 成功解码了眼睛的信息.
• 层状形状表明所有方法都存在宏血管贡献,限制了整个皮层深度的特异性.
• MVPA的空间特异性受到fMRI信号局部化的固有限制.

结论:

• MVPA是一个强大的工具来探索人类大脑皮层中的中视电路.
• 所有目前的fMRI采集方法都容易受到大血管信号污染.
• 进一步的研究必须仔细考虑宏血管效应,以提高基于MVPA的分析的空间特异性.