I neuroscienziati utilizzano MATLAB e Simulink per elaborare e analizzare dati sperimentali, eseguire esperimenti e simulare modelli di circuiti cerebrali. Con MATLAB e Simulink, è possibile:

  • Analizzare i dati di serie storiche neurali a partire da registrazioni di segnali di elettrodi
  • Comprendere i dati immagine funzionali e strutturali degli studi di neuroimaging e microscopia
  • Utilizzare il Machine Learning e il Deep Learning per classificare, prevedere e creare cluster utilizzando modelli addestrati con dati neuroscientifici
  • Elaborare e generare flussi di dati in tempo reale, compresi sistemi di controllo comportamentale e BCI (brain-computer interface)

I neuroscienziati che utilizzano MATLAB hanno accesso anche a una ricca libreria di strumenti di terze parti studiati appositamente per applicazioni neuroscientifiche. Questi includono toolbox della community condivisi gratuitamente e prodotti di partner commerciali che offrono connettività cloud e hardware.

“MATLAB è... un modo di pensare, un linguaggio che supera le frontiere e un metodo di condivisione e collaborazione con altri scienziati…”

Data Science neurale

Utilizza MATLAB per lavorare con set di dati che includono più sperimentazioni, soggetti e modalità di dati, tramite librerie di algoritmi integrate per statistiche, Machine Learning e Deep Learning.

Utilizza MATLAB per creare storie di dati neuroscientifici con il Live Editor. Condividi queste storie di dati e rendile interattive per i collaboratori e i lettori sotto forma di live script.
Scala l’elaborazione MATLAB per l’esecuzione su tutti i core e sulle schede GPU su computer individuali e workstation tramite Parallel Computing Toolbox. Accedi a MATLAB Parallel Server per scalare con facilità a cluster remoti attraverso uno o più nodi di calcolo.

Grafico che mostra il miglioramento della salute cerebrale di pazienti anziani con alti livelli di attività sociale in età media

Accelerazione dell’analisi di dati di neuroimaging per lo studio di un invecchiamento cognitivo salutare (Cambridge University)


Canali multipli di dati di segnali corrispondenti a registrazioni EEG ottenute da un soggetto epilettico durante i periodi normali e pre-crisi.

Registrazioni EEG intracraniche etichettate di un soggetto epilettico. (fonte: Kaggle) 

Serie storiche neurali

Utilizza MATLAB per visualizzare e analizzare dati neuroscientifici di serie storiche, tra cui field recording, registrazioni dei picchi, del cuoio capelluto e dati di monitoraggio del comportamento.

Applica la pre-elaborazione ed estrai dati nei domini di tempo, frequenza e tempo-frequenza tramite algoritmi MATLAB e applicazioni interattive per l’elaborazione di segnali e l’analisi di wavelet.

Applica tecniche di Deep Learning idonee ai dati di serie storiche, ad esempio reti Long Short-Term Memory (LSTM).


Neuroimaging e microscopia

Utilizza MATLAB per visualizzare e analizzare dati video e dati immagine neuroscientifici in scala del neurone, del cervello e del soggetto.

Accedi a dati immagine 2D e 3D nei formati file più diffusi, come NIfTI e TIFF, e lavora con set di dati che sarebbero troppo grandi per una memoria. Allinea immagini di più sessioni di imaging e soggetti. Analizza le regioni cerebrali e le strutture cellulari con operazioni morfologiche e algoritmi per la segmentazione delle immagini. Costruisci workflow di elaborazione immagini personalizzati tramite strumenti interattivi per specificare punti e regioni di interesse (ROI).

Etichetta in modo interattivo i dati immagine con le applicazioni Image Labeler e Video Labeler. Applica le tecniche di Deep Learning a set di dati etichettati per classificare o quantificare intere immagini, strutture o regioni identificabili o pixel individuali.

Neuroni nei cervelli colpiti dal morbo di Alzheimer

Valutazione dei target terapeutici del morbo di Alzheimer con il Deep Learning (Genentech)


Una BCI (brain-computer interface) non invasiva. Crediti dell’immagine: Carnegie Mellon University

Crediti dell’immagine: Carnegie Mellon University

Sperimentazione di interfacce di controllo e BCI (Brain-Computer Interface)

Utilizza MATLAB per trasmettere dati a e da un’ampia gamma di dispositivi hardware, tra cui sistemi di acquisizione dati, fotocamere, sistemi EEG, sistemi di registrazione neurale, stimolatori cerebrali e microscopi a due fotoni.

Utilizza Simulink Real-Time e HDL Coder per controllare rispettivamente hardware in tempo reale e hardware FPGA, per la gestione di esperimenti o BCI con una precisione garantita inferiore al millisecondo.

Utilizza Stateflow per progettare la logica di controllo per attività comportamentali, sistemi BCI e altri esperimenti. Esegui i diagrammi Stateflow in MATLAB o esegui il targeting su hardware FPGA o in tempo reale.


Argomenti per la neuroscienza

Per iniziare

Scopri video, esempi e tutorial per metterti subito all’opera.

Strumenti per la neuroscienza

Toolbox della community e prodotti di terze parti per la neuroscienza.