MATLAB für die Neurowissenschaft

Neurowissenschaftler verwenden MATLAB® und Simulink®, um experimentelle Daten zu verarbeiten und zu analysieren, Experimente durchzuführen und Modelle von Hirnkreisläufen zu simulieren. Mit MATLAB und Simulink können Sie:

  • Neuronale Zeitreihendaten aus Aufzeichnungen von Elektrodensignalen analysieren
  • Strukturelle und funktionelle Bilddaten aus Neuroimaging- und Mikroskopie-Studien verstehen
  • Machine und Deep Learning für Klassifizierungen, Prognosen und Clustering mithilfe von Modellen nutzen, die mit neurowissenschaftlichen Daten trainiert wurden
  • Live-Datenstreams verarbeiten und erzeugen, einschließlich Hirn-Computer-Schnittstellen (BCI) und Verhaltenssteuerungssystemen

Neurowissenschaftler, die mit MATLAB arbeiten, können außerdem auf eine reichhaltige Bibliothek mit Tools von Drittanbietern zugreifen, die speziell für neurowissenschaftliche Anwendungen entwickelt wurden. Dazu gehören frei zugängliche Community-Toolboxen und kommerziell unterstützte Partnerprodukte, die Hardware- und Cloud-Konnektivität bieten.

„MATLAB ist ... eine Denkweise, eine universelle Sprache und eine Basis für den wissenschaftlichen Austausch und die Zusammenarbeit in der Forschung …“

Mike X. Cohen, „MATLAB für Hirnforscher und Kognitionswissenschaftler“

Neuronale Data Science

Nutzen Sie MATLAB für die Arbeit mit Datensätzen, die mehrere Versuche, Probanden und Datenmodalitäten enthalten und greifen Sie auf integrierte Bibliotheken mit Algorithmen für Statistik, Machine Learning und Deep Learning zu.

Verwenden Sie MATLAB, um mit dem Live-Editor neurowissenschaftliche Data Stories zu erstellen. Teilen Sie diese Data Stories und machen Sie sie für Mitarbeiter und Leser als Live-Skripte interaktiv nutzbar.
Skalieren Sie die MATLAB-Verarbeitung durch Ausführung auf allen Kernen und GPUs von Einzelplatzrechnern und Workstations mit der Parallel Computing Toolbox™. Nutzen Sie den MATLAB Parallel Server™, um problemlos auf Remote Cluster über einen oder mehrere Rechenknoten hinweg zu skalieren.

Dieser Graph zeigt dass die Gehirngesundheit älterer Patienten verbessert wird, wenn diese von einem hohen Maß an sozialer Aktivität im mittleren Lebensalter berichten

Beschleunigung der Analyse von Neuroimaging-Daten zur Untersuchung des gesunden kognitiven Alterns (Cambridge University).


Mehrere Kanäle mit Signaldaten, die den EEG-Aufzeichnungen eines epileptischen Probanden in normalen Perioden und Perioden vor Anfällen entsprechen.

Gelabelte intrakranielle EEG-Aufzeichnungen eines epileptischen Probanden. (Quelle: Kaggle) 

Neuronale Zeitreihen

Setzen Sie MATLAB zur Visualisierung und Analyse neurowissenschaftlicher Zeitreihendaten ein, einschließlich Spike-, Feld- und Kopfhaut-Aufzeichnungen und Aufzeichnungen zur Verhaltensüberwachung.

Nutzen Sie die Vorverarbeitung und Extraktion von Datenmerkmalen im Zeit-, Frequenz- und Zeit-Frequenz-Bereich mit MATLAB-Algorithmen und interaktiven Anwendungen für die Signalverarbeitung und Wavelet-Analyse.

Wenden Sie für Zeitreihendaten geeignete Deep Learning-Verfahren wie etwa Long Short-Term Memory-Netzwerke (LSTM) an.


Neuroimaging und Mikroskopie

Nutzen Sie MATLAB zur Visualisierung und Analyse neurowissenschaftlicher Bild- und Videodaten auf der Neuronen-, Hirn- und Probandenskala.

Greifen Sie auf 2D- und 3D-Bilddaten in gängigen Dateiformaten wie NIfTI und TIFF zu und arbeiten Sie mit Datensätzen, die die Speicherkapazität überschreiten. Bilder lassen sich über Bildgebungs-Sessions und Probanden hinweg ausrichten. Analysieren Sie Hirnregionen und zelluläre Strukturen mit morphologischen Operationen und Algorithmen zur Bildsegmentierung. Erstellen Sie benutzerdefinierte Bildverarbeitungs-Workflows mit interaktiven Tools zur Festlegung von Points und Regions of Interest (ROIs).

Mit den Image Labeler- und Video Labeler-Apps beschriften Sie Bilder interaktiv. Wenden Sie Deep Learning-Verfahren auf gekennzeichnete Datensätze an, um komplette Bilder, identifizierbare Regionen oder Strukturen oder einzelne Pixel zu klassifizieren oder zu quantifizieren.

Neuronen in Gehirnen mit Alzheimer

Bewertung von Alzheimer-Therapiezielen mit Deep Learning (Genentech)


Eine nichtinvasive Hirn-Computer-Schnittstelle (BCI). Bildquelle: Carnegie Mellon University

Bildquelle: Carnegie Mellon University

Steuerung von Experimenten und Hirn-Computer-Schnittstellen (BCIs)

Nutzen Sie MATLAB, um Daten zu und von einer Vielzahl von Hardwaregeräten zu streamen, darunter Datenerfassungssysteme, Kameras, EEG-Systeme, neuronale Aufzeichnungssysteme, Hirnstimulatoren und Zwei-Photonen-Mikroskope.

Setzen Sie Simulink Real-Time™ und HDL Coder™ zur Steuerung von Echtzeit-Hardware bzw. FPGA-Hardware zur Steuerung von Experimenten oder BCIs mit garantierter Genauigkeit im Submillisekundenbereich ein.

Nutzen Sie Stateflow®, um Steuerlogiken für Verhaltensaufgaben, BCI-Systeme und andere Experimente zu entwerfen. Führen Sie Stateflow-Diagramme in MATLAB oder auf Echtzeit- oder FPGA-Target-Hardware aus.


Themengebiete für die Neurowissenschaft

Erste Schritte

Sehen Sie sich Videos, Beispiele und Tutorials an, um schnell den Einstieg zu finden.

Tools für die Neurowissenschaft

Community-Toolboxen und Drittanbieter-Produkte für die Neurowissenschaft

Neue Funktionen

Entdecken Sie die neuesten MATLAB Funktionen, die für die Neurowissenschaften relevant sind.