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 ist Folgendes möglich:

  • Analyse neuronaler Zeitreihendaten aus Elektrodensignal-Aufzeichnungen
  • Untersuchung struktureller und funktioneller Bilddaten aus Neuroimaging- und Mikroskopiestudien
  • Verwendung von Machine und Deep Learning für Klassifizierungen, Prognosen und Clustering mithilfe von Modellen, die mit neurowissenschaftlichen Daten trainiert wurden
  • Verarbeitung und Erzeugung von Live-Datenströmen, einschließlich Hirn-Computer-Schnittstellen (BCI) und Verhaltenssteuerungssystemen

Neurowissenschaftler, die MATLAB verwenden, können auch auf eine reichhaltige Bibliothek mit Tools von Drittanbietern zugreifen, die speziell für neurowissenschaftliche Anwendungen entwickelt wurden. Dazu gehören frei zugängliche Community-Toolboxes 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 for Brain and Cognitive Scientists"

Nutzung von MATLAB für die Neurowissenschaft

Neuronale Datenwissenschaft

Verwenden Sie MATLAB für die Arbeit an Datensätzen, die mehrere Versuche, Probanden und Datenmodalitäten enthalten. Hierbei können integrierte Bibliotheken mit Algorithmen für Statistik, Machine Learning und Deep Learning genutzt werden.

Verwenden Sie MATLAB, um mit dem Live-Editor neurowissenschaftliche Datenberichte zu erstellen. Teilen Sie diese Datengeschichten und machen Sie sie für Mitarbeiter und Leser als Live-Skripte interaktiv nutzbar.
Skalieren Sie die MATLAB-Verarbeitung so, dass sie auf allen Kernen und GPU-Karten auf einzelnen Computern und Workstations mit der Parallel Computing Toolbox™ läuft. Greifen Sie auf MATLAB Parallel Server™ zu, um problemlos auf entfernte Cluster über einen oder mehrere Rechenknoten hinweg zu skalieren.

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

Beschleunigung der Analyse von Neurobildgebungsdaten 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.

Beschriftete intrakranielle EEG-Aufzeichnungen von einem epileptischen Probanden. (Quelle: Kaggle) 

Neurale Zeitreihen

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

Anwendung der Vorverarbeitung und Extraktion von Datenmerkmalen im Zeit-, Frequenz- und Zeit-Frequenz-Bereich mit MATLAB-Algorithmen und interaktiven Anwendungen zur Signalverarbeitung und Wavelet-Analyse.

Anwendung von Techniken des Deep Learning, die für Zeitreihendaten geeignet sind, wie z.B. Netzwerke mit langem Kurzzeitgedächtnis (LSTM).


Neuroabbildung, Mikroskopie und Ethologie

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 über Bildgebungssitzungen und Themenbereiche hinweg ausrichten. Analysieren Sie Hirnregionen und zelluläre Strukturen mit morphologischen Operationen und Algorithmen zur Bildsegmentierung. Erstellen Sie benutzerdefinierte Bildverarbeitungs-Workflows mit interaktiven Tools zur Angabe von Points und Regions of Interest (ROIs).

Interaktives Beschriften von Bilddaten mit den Image Labeler- und Video Labeler-Apps. Wenden Sie Deep Learning-Verfahren auf gekennzeichnete Datensätze an, um ganze Bilder, identifizierbare Regionen oder Strukturen oder einzelne Pixel zu klassifizieren oder zu quantifizieren.

Neurons in Brains with Alzheimer’s Disease

Evaluating Alzheimer’s Disease Therapeutic Targets with Deep Learning (Genentech)

MRT-Bild eines menschlichen Kopfs und Gehirns

Hat COVID-bedingter Stress sich auf unser Gehirn ausgewirkt? (Universität von Tel Aviv)


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

Bildquelle: Carnegie Mellon University

Versuchskontrolle 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.

Verwenden 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.

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

Toolboxen aus der Community und Drittanbieterprodukte für die Neurowissenschaft

Neue Funktionen

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