Les neuroscientifiques utilisent MATLAB et Simulink pour traiter et analyser des données expérimentales, mener des expériences et simuler des modèles de circuits cérébraux. Avec MATLAB et Simulink, vous pouvez :

  • Analyser des données de séries temporelles neuronales à partir d'enregistrements de signaux d'électrode
  • Comprendre des images structurelles et fonctionnelles issues d'études par imagerie cérébrale et microscopie
  • Utiliser le Machine Learning et le Deep Learning pour effectuer des tâches de classification, de prédiction et de clustering en utilisant des modèles entraînés avec des données neuroscientifiques
  • Traiter et générer des flux de données temps réel, provenant de systèmes de contrôle comportemental et d'interface cerveau-machine (ICM)

Les neuroscientifiques qui utilisent MATLAB peuvent également accéder à une vaste bibliothèque d'outils tiers conçus spécialement pour des applications en neurosciences. Ces outils incluent notamment des toolboxes communautaires libres de droit et des produits commerciaux de partenaires qui offrent une connectivité au hardware et au cloud.

« MATLAB est… une façon de penser, un langage qui dépasse les frontières et une manière de partager et de collaborer avec d'autres scientifiques… »

Mike X. Cohen, « MATLAB pour les spécialistes du cerveau et de la cognition »

Data Science pour les données neuronales

Utilisez MATLAB pour exploiter des jeux de données provenant de plusieurs essais, impliquant différents sujets et différentes modalités, en utilisant les bibliothèques d'algorithmes pour les statistiques, le Machine Learning et le Deep Learning.

Utilisez MATLAB pour créer des « data stories » neuroscientifiques avec le Live Editor. Partagez ces « data stories » et rendez-les interactives pour vos collaborateurs et vos lecteurs sous forme de live scripts.
Accélérez les traitements MATLAB en les exécutant sur tous les cœurs et les cartes graphiques de vos stations de travail ou de vos ordinateurs personnels, en utilisant Parallel Computing Toolbox. Accédez à MATLAB Parallel Server afin de déployer des traitements sur des clusters distants, sur un ou plusieurs nœuds de calcul.

Graphique montrant les effets positifs des activités sociales sur la santé cérébrale de patients âgés

Accélérer l'analyse des données d'imagerie cérébrale pour l'étude du vieillissement cognitif chez les personnes âgées saines (université de Cambridge).


Plusieurs canaux de signaux correspondant à des enregistrements d'EEG obtenus chez un sujet épileptique, en période normale et avant une crise.

Enregistrements d'EEG intracrâniens labellisés provenant d'un sujet épileptique. (source : Kaggle) 

Séries temporelles neuronales

Utilisez MATLAB pour visualiser et analyser des séries temporelles issues d’électro-encéphalogrammes ou d’examens comportementaux.

Effectuez un prétraitement et une extraction des caractéristiques des données dans les domaines temporels, fréquentiels et temps-fréquence avec des algorithmes MATLAB et des applications interactives pour le traitement des signaux et pour l'analyse par ondelettes.

Appliquez des techniques de Deep Learning adaptées aux séries temporelles, telles que les réseaux LSTM (Long Short-Term Memory).


Imagerie cérébrale et microscopie

Utilisez MATLAB pour visualiser et analyser des images et des vidéos neuroscientifiques à l'échelle du neurone, du cerveau et du sujet.

Accédez à des images en 2D et 3D dans des formats de fichiers courants, tels que NIfTI et TIFF et travaillez avec des jeux de données qui sont trop volumineux pour être stockés en mémoire. Alignez les images prises lors d’une session d’imagerie ou sur différents sujets. Analysez des régions cérébrales et des structures cellulaires avec des opérations et des algorithmes morphologiques pour la segmentation d'image. Développez des workflows de traitement d'images personnalisés en utilisant des outils interactifs pour spécifier les points et les régions d'intérêt.

Labellisez des images de manière interactive avec les applications Image Labeler et Video Labeler. Appliquez les techniques de Deep Learning aux jeux de données labellisés pour classifier ou quantifier des images entières, des régions ou des structures identifiables d’images ou encore des pixels individuels.

Neurones des cerveaux atteints de la maladie d'Alzheimer

Évaluation des cibles thérapeutiques de la maladie d'Alzheimer avec le Deep Learning (Genentech)


Une interface cerveau-machine (ICM) non invasive. Crédit : Université Carnegie Mellon

Crédit : Université Carnegie Mellon

Contrôle des expériences et interfaces cerveau-machine (ICM)

Utilisez MATLAB pour échangez des données en streaming avec des dispositifs hardware comme des systèmes d'acquisition de données, des caméras, des systèmes d'EEG, des systèmes d'enregistrement de l’activité neuronale, des simulateurs cérébraux et des microscopes à deux photons.

Utilisez Simulink Real-Time et HDL Coder pour contrôler respectivement du hardware temps réel et des cartes FPGA afin de contrôler les expériences ou les ICM avec une garantie de précision inférieure à la milliseconde.

Utilisez Stateflow pour concevoir la logique de contrôle pour des tâches comportementales, des systèmes d'ICM et d'autres expériences. Exécutez des diagrammes Stateflow dans MATLAB ou réalisez l'exécution sur des cibles hardware temps réel ou sur des cartes FPGA.


Autour des neurosciences

En savoir plus

Explorez les vidéos, les exemples et les tutoriels pour une prise en main rapide.

Outils pour les neurosciences

Toolboxes communautaires et produits tiers pour les neurosciences.