Los neurocientíficos utilizan MATLAB y Simulink para procesar y analizar datos experimentales, realizar experimentos y simular modelos de circuitos cerebrales. Con MATLAB y Simulink, puede:

  • Analizar datos de series temporales neuronales a partir de registros de señales de electrodos
  • Comprender los datos de imágenes estructurales y funcionales procedentes de estudios de microscopía y neuroimagen
  • Utilizar Machine Learning y Deep Learning para tareas de clasificación, predicción y organización en clusters mediante el uso de modelos entrenados con datos neurocientíficos
  • Procesar y generar flujos de datos en tiempo real, que incluye sistemas de interfaz cerebro-ordenador (BCI) y control del comportamiento

Los neurocientíficos que utilizan MATLAB también pueden acceder a una extensa librería de herramientas de terceros creadas especialmente para aplicaciones neurocientíficas. Entre ellas se incluyen toolboxes compartidas gratuitamente por la comunidad de usuarios y productos comerciales de partners que ofrecen conectividad de hardware y de nube.

“MATLAB es una forma de pensar, un lenguaje que trasciende fronteras y una manera de compartir y colaborar con otros científicos”.

Mike X. Cohen, “MATLAB for Brain and Cognitive Scientists”

Data Science neuronal

Utilice MATLAB para trabajar con conjuntos de datos que contienen múltiples ensayos, pacientes y modalidades utilizando librerías de algoritmos integradas para estadística, Machine Learning y Deep Learning.

Utilice MATLAB para crear historias de datos neurocientíficos con Live Editor. Comparta estas historias de datos y conviértalas en scripts en vivo interactivos con colaboradores y lectores.
Escale el procesamiento de MATLAB para que se ejecute en todos los núcleos y las tarjetas GPU de estaciones de trabajo y equipos individuales con Parallel Computing Toolbox. Acceda a MATLAB Parallel Server para escalar fácilmente a clusters remotos a través de uno o más nodos informáticos.

Gráfica que demuestra que los pacientes de edad avanzada con un alto nivel de actividad social en la mediana edad gozan de mejor salud cerebral

Aceleración del análisis de neuroimágenes para estudiar el mantenimiento saludable de las capacidades cognitivas a pesar del envejecimiento (Universidad de Cambridge).


Múltiples canales de datos de señales correspondientes a registros de EEG obtenidos de un paciente epiléptico durante el periodo normal y antes de una convulsión.

Registros de EEG intracraneales etiquetados de un paciente epiléptico (fuente: Kaggle). 

Series temporales neuronales

Utilice MATLAB para visualizar y analizar datos de series temporales neurocientíficas, que incluyen registros de pico, campo y pericráneo, así como registros de supervisión del comportamiento.

Utilice las funcionalidades de preprocesamiento y extracción de datos en los dominios de tiempo, frecuencia y tiempo-frecuencia utilizando algoritmos de MATLAB y apps interactivas para el procesamiento de señales y el análisis de wavelets.

Aplique técnicas de Deep Learning adecuadas para datos de series temporales, tales como redes de memoria de corto-largo plazo (LSTM).


Neuroimágenes y microscopía

Utilice MATLAB para visualizar y analizar datos neurocientíficos de imagen y vídeo a escalas de neurona, cerebro y paciente.

Acceda a datos de imágenes en 2D y 3D en formatos de archivo habituales, tales como NIfTI y TIFF, y trabaje con conjuntos de datos demasiado grandes para la capacidad de la memoria. Establezca correspondencias entre imágenes y pacientes. Analice regiones del cerebro y estructuras celulares con algoritmos y operaciones morfológicas para segmentar imágenes. Cree flujos de trabajo de procesamiento de imágenes personalizados utilizando herramientas interactivas para especificar puntos y regiones de interés (ROI).

Etiquete datos de imágenes de forma interactiva con las apps Image Labeler y Video Labeler. Aplique técnicas de Deep Learning a conjuntos de datos etiquetados para clasificar o cuantificar imágenes enteras, regiones o estructuras identificables, o píxeles individuales.

Neuronas de cerebros con Alzheimer

Evaluación de los objetivos terapéuticos de Alzheimer con Deep Learning (Genentech)


Interfaz cerebro-ordenador (BCI) no invasiva. Imagen de: Carnegie Mellon University

Imagen de: Carnegie Mellon University

Control de experimentos e interfaces cerebro-ordenador (BCI)

Con MATLAB, puede transmitir datos desde y hacia una amplia gama de dispositivos de hardware, incluidos sistemas de captura de datos, cámaras, sistemas EEG, sistemas de registro neuronal, estimuladores cerebrales y microscopios de dos fotones.

Con Simulink Real-Time y HDL Coder, puede controlar el hardware en tiempo real y el hardware de FPGA, respectivamente, para controlar experimentos o BCI con precisión inferior a milisegundos garantizada.

Con Stateflow, puede diseñar lógica de control para tareas de comportamiento, sistemas BCI y otros experimentos. También puede ejecutar diagramas de Stateflow en MATLAB o realizar la ejecución en tiempo real o en hardware de FPGA.


Temas de neurociencia

Primeros pasos

Explore vídeos, ejemplos y tutoriales para ponerse en marcha con rapidez.

Herramientas para neurociencia

Toolboxes creadas por la comunidad de usuarios y productos de terceros para neurociencia.