Decoding Object Catagories...

        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，V1区EEG信号分类正确率显著高于PCG区域信号分类正确率；
       3. 实验二中，PCG区信号分类正确率显著或边缘显著高于V1区正确率。

       预期结论：
       1. 假设一成立，则EEG信号足以在躯体感觉区进行对物体类别的分类，同时证明人脑对物体的识别的一部分过程在躯体感觉区进行；
       2. 假设二成立，则表示对可见物体的识别主要依赖于视觉皮层；
       3. 假设三成立，则表示当人脑在想象已知物体的同时会想象出该物体的触感等信息。

=======================================================
开始学习用Psychtoolbox编写刺激程序了，一是因为唯一的Eprime机器用起来需要安排时间，效率低，二是为了以后利用fMRI进行实验做好准备。
邀请了两位新来的研究生一起工作，目前看来有干劲，势头不错，如果能顺利做完这些的话，院试应该也没什么问题了。

=======================================================
考虑补充实验三：刺激图片（仅物体图、手持物体图）
        考察一：分类正确率是否有显著差异；
        考察二：激活水平是否有显著差异；