神经科学家使用MATLAB®和仿真软件®处理和分析实验数据，驱动实验，模拟脑回路模型。使用MATLAB和Simulink，您可以:
- 分析神经时间序列数据从电极信号记录
- 理解结构和功能图像来自神经成像和显微镜研究的数据
- 使用机器与深度学习使用神经科学数据训练的模型进行分类、预测和聚类
- 处理和生成实时数据流，包括脑机接口(BCI)与行为控制系统
神经科学家使用MATLAB还可以访问一个丰富的库第三方工具专门为神经科学应用而设计。这些包括免费共享的社区工具箱和提供硬件和云连接的商业支持世界杯预选赛小组名单的合作伙伴产品。2022世界杯八强谁会赢？
MATLAB是……”一种思维方式，一种跨越国界的语言，一种与其他科学家分享和合作的方式……”
Mike X. Cohen，“大脑和认知科学家的MATLAB”
神经科学数据
使用MATLAB处理包含多个试验、受试者和数据模式的数据集，使用内置的算法库进行统计、机器学习和深度学习。
使用MATLAB与Live Editor创建神经科学数据故事。分享这些数据故事，并使它们作为实时脚本为合作者和读者提供交互。
使用并行计算工具箱™扩展MATLAB处理，在个人计算机和工作站的所有核心和GPU卡上运行。访问MATLAB并行服务器™，轻松扩展到跨一个或多个计算节点的远程集群。
加速神经成像数据分析以研究健康认知衰老(剑桥大学)。
探索产品2022世界杯八强谁会赢？
癫痫患者标记的颅内脑电图记录。(来源:Kaggle)
神经时间序列
使用MATLAB可视化和分析神经科学时间序列数据，包括穗、场和头皮记录和行为监测记录。
利用MATLAB算法和交互式应用程序对信号处理和小波分析在时间、频率和时频域进行预处理和提取数据特征。
应用适合时间序列数据的深度学习技术，如长时间短期记忆(LSTM)网络。
神经影像学和显微镜
使用MATLAB可视化和分析神经科学图像和视频数据在神经元，大脑，和主体尺度。
访问常用文件格式(如NIfTI和TIFF)的2-D和3-D图像数据，并处理内存无法容纳的数据集。在成像过程和主题之间对齐图像。用形态学操作和图像分割算法分析大脑区域和细胞结构。使用指定点和感兴趣区域(roi)的交互工具构建自定义图像处理工作流。
交互式标签图像数据与图像标签和视频标签应用程序。将深度学习技术应用于标记数据集，以分类或量化整个图像，可识别的区域或结构，或单个像素。
用深度学习评估阿尔茨海默病治疗靶点(基因泰克)
图片来源:卡内基梅隆大学
实验控制与脑机接口
使用MATLAB将数据流传输到和来自广泛的硬件设备，包括数据采集系统、相机、脑电图系统、神经记录系统、大脑刺激器和双光子显微镜。
使用Simulink Real-Time™和HDL Coder™分别控制实时硬件和FPGA硬件，以保证亚毫秒精度控制实验或bci。
使用Stateflow®为行为任务、BCI系统和其他实验设计控制逻辑。在MATLAB中运行状态流图，或在实时或FPGA硬件上执行目标。
您也可以从以下列表中选择网站: