Search

In recent years, brain research has indisputably entered a new epoch, driven by substantial methodological advances and digitally enabled data integration and modelling at multiple scales—from molecules to the whole brain. Major advances are emerging at the intersection of neuroscience with technology and computing. This new science of the brain combines high-quality research, data integration across multiple scales, a new culture of multidisciplinary large-scale collaboration, and translation into applications. As pioneered in Europe’s Human Brain Project (HBP), a systematic approach will be essential for meeting the coming decade’s pressing medical and technological challenges. The aims of this paper are to: develop a concept for the coming decade of digital brain research, discuss this new concept with the research community at large, identify points of convergence, and derive therefrom scientific common goals; provide a scientific framework for the current and future development of EBRAINS, a research infrastructure resulting from the HBP’s work; inform and engage stakeholders, funding organisations and research institutions regarding future digital brain research; identify and address the transformational potential of comprehensive brain models for artificial intelligence, including machine learning and deep learning; outline a collaborative approach that integrates reflection, dialogues, and societal engagement on ethical and societal opportunities and challenges as part of future neuroscience research.

Humans are able to categorize complex natural scenes very rapidly and effortlessly, which has led to an assumption that such ultra-rapid categorization is driven by feedforward activation of ventral brain areas. However, recent accounts of visual perception stress the role of recurrent interactions that start rapidly after the activation of V1. To study whether or not recurrent processes play a causal role in categorization, we applied fMRI-guided transcranial magnetic stimulation on early visual cortex (V1/V2) and lateral occipital cortex (LO) while the participants categorized natural images as containing animals or not. The results showed that V1/V2 contributed to categorization speed and to subjective perception during a long activity period before and after the contribution of LO had started. This pattern of results suggests that recurrent interactions in visual cortex between areas along the ventral stream and striate cortex play a causal role in categorization and perception of natural scenes.

The human brain has several areas devoted to visual processing, and many of these areas are organized retinotopically, meaning that locations close to each other in the visual field are represented close to each other in the retinotopic area. Currently the most popular method of retinotopic mapping is the so-called traveling wave method, which applies the Fourier transform to functional magnetic resonance imaging (fMRI) data. Recent research using the method has shown that also the visual object processing areas are retinotopically organized. However, the traveling wave method is complex to use and requires special software. Multifocal fMRI (mffMRI) is a simpler retinotopic mapping method that is based on the general linear model and it has been successfully used to map the retinotopy of the visual areas V1, V2, V3 and V3A/B. This thesis presents a method that is similar to mffMRI and is able to map the retinotopy of the object processing areas. In the multifocal method a circle of 12_ in radius (with respect to the center of gaze) is divided into three rings and eight wedges, giving a total of 24 distinct regions. A region is active when it is displaying a flickering checkerboard pattern, and approximately half of the regions are active at a time. The pattern of active regions is designed so that there are approximately no correlations between the regions, making it easy to analyze the contribution of each active region using the general linear model. The earlier multifocal method was not able to generate enough observable activity in the object areas for retinotopic mapping purposes, and there are several likely reasons. First, the multifocal method uses flickering checkerboards, while the object processing areas sensitive to more complex stimuli such as images of plants, animals and manmade objects. Second, several visual field regions are stimulated simultaneously in the multifocal method, which may cause the stimuli to suppress the activity caused by one anothe, Ihmisellä on useita näkötiedon käsittelyyn erikoistuneita aivoalueita, ja moni näistä alueista on retinotooppinen. Alue on retinotooppinen, jos näkökentässä toisiaan lähellä olevat pisteet ovat edustettuina toisiaan lähellä myös tässä alueessa. Tällä hetkellä retinotopiakartoitus tehdään useimmiten niin sanotulla vaihdekoodatulla menetelmällä, jossa Fourier-muunnetaan toiminnallisella magneettikuvauksella (fMRI) saatua dataa. Äskettäin vaihekoodatulla menetelmällä on osoitettu, että myös objektinäköalueet ovat retinotooppisia. Vaihekoodattu menetelmä on kuitenkin melko monimutkainen, ja sen käyttö edellyttää tähän käyttöön suunniteltua ohjelmistoa. Multifokaalinen fMRI (mffMRI) on vaihekoodattua menetelmää yksinkertaisempi retinotopiakartoituksen menetelmä, joka käyttää yleistä lineaarista mallia ja jolla voidaan kartoittaa alueiden V1, V2, V3 ja V3A/B retinotopia. Tässä diplomityössä esitellään multifokaalista fMRI:tä muistuttava menetelmä, jolla voidaan kartoittaa myös objektinäköalueet. Multifokaalimenetelmässä 12 näkökulma-asteen ympyrä jaetaan kolmeen renkaaseen ja kahdeksaan kiilaan, mistä syntyy yhteensä 24 erillistä aluetta. Alue on aktiivinen, kun se välkyttää sakkiruudukkoa, ja noin puolet kaikista alueista on kerrallaan aktiivisia. Näiden aktiivisten alueiden on/off-sarjat on suunniteltu siten, etteivät alueiden sarjat korreloi keskenään, koska tällöin alueiden synnyttämät fMRI-vasteita voidaan analysoida helposti yleisellä lineaarisella mallilla. Aiempi multifokaalimenetelmä ei synnyttänyt retinotopiakartoitukseen riittävää aktivaatiota objektinäköalueilla, ja tähän on useita todennäköisiä syitä. Ensinnäkin mffMRI käyttää välkkyviä sakkiruudukoita, vaikka objektialueet ovat herkkiä monimutkaisemmille ärsykkeille kuten kasvien, eläinten ja ihmisten luomien esineiden kuville. Toiseksi multifokaalimenetelmässä on useita näkökentän alueita aktiivisina yhtä aikaa, jolloin ärsykkeet saattavat vaimentaa toistensa synnyttämää aktivaatiota. Kolmanneksi nämä objek

With multifocal technique, responses from several visual field or retinal locations are characterized concurrently. Multifocal technique is used in electroretinograms and visually evoked potentials. In this thesis, multifocal fMRI (mffMRI) and tools for multifocal data analysis have been developed. In addition, human cortex has been analysed with mffMRI. Several visual cortical areas are organized retinotopically, i.e. neighbouring locations in visual field are mapped next to each other also in the cortex. Thus far, the retinotopic organization of visual cortex has been mapped in fMRI with so-called phase-encoded approach where the borders between visual areas can be mapped accurately with Fourier analysis. MffMRI responses are discrete, so compared to the phase-encoded response, the data-analysis is more straightforward and visual field representation is accurate also within visual areas. With our multifocal stimulus, visual field (1°-12°) was divided into 60 regions. Six subjects participated in the study. As reference, retinotopy was also mapped with phase-encoded approach. The results from mffMRI are promising; for all the subjects all 60 visual field regions evoked strong responses in VI and a subset also in V2 and V3. The statistical analysis of multifocal data was done with SPM2 Matlab toolbox and surface-oriented analysis with BALC toolbox. To illustrate the anisotropies in the visual cortex, an mffMRI grid was implemented. In addition, a function for the visualization of the retinotopic organization over an anatomical image has been developed and individual visual field representation in the cortex has been analysed with a mathematical model. MffMRI has potential for wide use in basic research and as clinical tool. One future aim is to develop multifocal MEG paradigm and to use mffMRI results as a priori models in MEG-analysis. For clinical use, it is essential that the statistical analysis of multifocal data has been automated. MffMRI provides rapid and ac, Multifokaalisella tekniikalla kartoitetaan samanaikaisesti useiden näkökentän tai retinan alueiden vasteita. Multifokaalista tekniikkaa on käytetty elektroretinogrammeissa ja näköherätepotentiaaleissa. Tässä työssä on kehitetty multifokaalista fMRl:ta (mffMRI) ja työkaluja multifokaalidatan analysointiin sekä analysoitu näkökentän edustusta ihmisen aivokuorella. Useat aivojen näköalueet ovat järjestyneet retinotooppisesti, eli viereiset näkökentän pisteet kuvautuvat viereisiksi myös aivokuorella. Tähän saakka näköaivokuoren retinotopiaa on fMRl:ssa kartoitettu niin kutsutulla vaihekoodatulla menetelmällä, jossa Fourier-analyysin avulla saadaan tarkasti selvitettyä retinotooppisten näköalueiden rajat. MffMRl:n vasteet ovat erillisiä, joten verrattuna vaihekoodattuun vasteeseen data-analyysi on suoraviivaisempaa ja tieto näkökenttäedustuksesta on tarkkaa myös näköalueiden sisällä. Multifokaaliärsykkeemme sisälsi 60 aluetta eksentrisyyksillä 1°-12°. Tutkimukseen osallistui kuusi koehenkilöä. Vertailun vuoksi retinotopia kartoitettiin my6s vaihekoodatul1a menetelmällä. MffMRl:n tulokset ovat lupaavia; kaikille koehenkilöille kaikki 60 näkökentän aluetta herättivät voimakkaat vasteet ensimmäisellä näköaivokuorella ja osa lisäksi näköalueilla V2 ja V3. Multifokaalidatalle tehtiin statistinen analyysi SPM2-ohjelmistolla ja pintaorientoitunut analyysi BALC-ohjelmistolla. Näköaivokuoren anisotropian havainnollistamiseksi kehitettiin MffMRl-verkko. Lisäksi on kehitetty funktio, jonka avulla retinotooppista järjestäytymistä voidaan tarkastella my6s suoraan anatomisen MRl-kuvan päällä sekä analysoitu näkökentän edustusta yksilötasolla matemaattisella mallilla. MffMRI:lla on potentiaalia laajaan käyttöön perustutkimuksessa ja kliinisenä työkaluna. Tulevaisuudessa on tarkoitus kehittää multifokaalinen MEG-paradigma ja käyttää MffMRI-tuloksia a priori-malleina MEG-analyysissa. Kliiniselle käytölle on olennaista, että multifokaalidatan statistinen analyysi on automatisoitu. MfMRl:n