Something Interesting

        忙完前段时间的ゼミ合宿之后又想起来之前看的关于脑解码的资料，还是不甘心放弃，于是又翻出来一篇解码类的文献 Decoding Visual Object Categories in Early Somatosensory Cortex ( Smith F W, Goodale M A. Decoding Visual Object Categories in Early Somatosensory Cortex[J]. Cerebral Cortex, 2015, 25(4):1020-31. )         这篇文章主要用 fMRI 做了这么几件事：         1. 给被试看常见物体的图片（三种手机，三种酒杯，三种苹果）→采PCG（S1+S2）区信号分类（显著大于chance，所以PCG区域包含category信息）→采V1区信号分类（三分类正确率飙到97%，显著高于PCG区）；         2. 类间分类；         3. 莫名其妙的物体的类间和类内分类；         （对，我就是对后面这俩没什么兴趣）         因为是在PCG区域进行的分类，所以就比较好奇是否可以用 EEG 进行类似的分类。         谨慎思考以后认为，实验可以分成两部分，三个层次进行：         实验一、顺向实验：向被试呈现刺激图片，采集PCG区域和V1区域EEG信号；         实验二、逆向实验：不向被试呈现视觉刺激，采集PCG区域和V1区域EEG信号；        分析与假设：        1. 实验一中，PCG区EEG信号分类正确率显著高于随机概率；        2. 实验一中，V...

快两个月没更新了。。。 其实一个月的时候就回学校了但是忙来忙去的也没顾上写东西。 首先说一下前段时间忙的Speller的情况： 1. 40分类的SSVEP经过测试发现，效果不好，于是决定改成P300+SSVEP结合的方式来做。 2. 其实对我来说，做到这一步不论结果如何已经是受益匪浅了，第一次找到用逻辑电路实现控制的感觉，控制方法如下图     然后吧，就发现这里有个贼大的BUG：信号是能完美采集到了，整个流程衔接完整，然而没时间去处理采集的信号（尴尬）。于是又有了下图的改进：     这样通过两个延迟不等的脉冲信号就可以满足预留数据处理时间的需求。 3. 后来又做了些测试搞了些修修补补的东西。整体的Simulink模型暂时没图所以以后再和波形图一起补上来。 4. 到目前为止，Unity3D部分还有些小BUG，争取明天早上能修好，下午测一波试试看。 然后Emmm...下一篇文讲一下新看的文献和新的研究计划。