신경과학

MATLAB을 사용한 신경과학

신경과학자는 MATLAB 및 Simulink를 사용하여 실험 데이터를 처리하고 분석하며 실험을 수행하고 두뇌 회로 모델을 시뮬레이션할 수 있습니다. MATLAB 및 Simulink를 사용하여 다음과 같은 작업을 수행할 수 있습니다.

전극 신호 기록의 신경 시계열 데이터 분석
신경영상 및 현미경학 연구의 구조적, 기능적 영상 데이터 이해
머신러닝 및 딥러닝을 사용하여 신경과학 데이터로 훈련된 모델을 활용해 분류, 예측 및 군집화 수행
BCI(뇌-컴퓨터 인터페이스) 및 행동 제어 시스템 등의 실시간 데이터 스트림 처리 및 생성

MATLAB을 사용하는 신경과학자는 신경과학 응용 분야에 맞춰 제작된 다양한 타사 툴 라이브러리를 사용할 수도 있습니다. 이러한 툴에는 무료로 공유되는 커뮤니티 툴박스와 하드웨어 및 클라우드 연결 기능이 있는 협력업체의 상업용 제품이 있습니다.

“MATLAB은 하나의 사고방식이자 나라의 경계를 넘나드는 언어이며, 다른 과학자와의 공유 및 협업 수단입니다.”
Mike X. Cohen, “MATLAB for Brain and Cognitive Scientists”

MATLAB을 사용한 신경과학

딥러닝과 MATLAB 기반 Spine 툴을 사용하여 알츠하이머병의 치료 표적 평가하기

Battelle - NeuroLife System을 사용하여 생각을 운동으로 변환하기

딥러닝으로 전자 현미경 데이터에서 신경 지도 재구성하기

신경 데이터 과학

MATLAB으로 통계, 머신러닝 및 딥러닝 내장 알고리즘 라이브러리를 활용해 복수의 시행, 피험자, 데이터 모달리티 정보가 있는 데이터셋에 대해 작업할 수 있습니다.

MATLAB으로 라이브 편집기를 활용해 신경과학 데이터 스토리를 만들 수 있습니다. 만든 스토리를 공유하고, 이를 협업자와 독자가 사용할 수 있는 대화형 방식의 라이브 스크립트로 만들 수 있습니다.
Parallel Computing Toolbox 를 사용하면 개별 컴퓨터 및 워크스테이션의 모든 코어와 GPU 카드에서 MATLAB 처리가 실행되도록 확장할 수 있습니다. MATLAB Parallel Server 를 사용하면 하나 이상의 연산 노드에 있는 원격 클러스터로 쉽게 확장할 수 있습니다.

중년에 사회 활동을 많이 하는 고령층 환자의 뇌 건강이 개선되었음을 보여주는 그래프

건강한 인지 노화 연구를 위한 신경영상 데이터 분석 가속화 (Cambridge University)

고객 성공 사례

자료

제품 소개

정상 기간 및 발작 전 기간에 간질 피험자에서 획득한 EEG 기록에 상응하는 다중 채널 신호 데이터.

간질 피험자에서 획득한 레이블 지정된 두개내 EEG 기록 (출처: Kaggle)

신경 시계열

MATLAB으로 스파이크, 필드 및 두피 기록과 행동 모니터링 기록 등의 신경과학 시계열 데이터를 시각화하고 분석할 수 있습니다.

신호 처리와 웨이블릿 분석을 위해 마련된 MATLAB 알고리즘과 대화형 방식의 앱으로 시간 영역과 주파수 영역, 그리고 시간-주파수 영역에서 전처리를 적용하고 데이터 특성을 추출할 수 있습니다.

LSTM(장단기 기억) 신경망과 같은 시계열 데이터에 적합한 딥러닝 기법을 적용할 수 있습니다.

고객 성공 사례

자료

제품 소개

신경영상 및 현미경학

MATLAB을 사용해 신경과학 영상 및 비디오 데이터를 뉴런, 두뇌, 피험자 등의 크기로 시각화하고 분석할 수 있습니다.

NIfTI 및 TIFF 등의 일반적인 파일 형식의 2, 3차원 영상 데이터에 액세스하고 메모리에 담을 수 없을 정도로 큰 대규모 데이터셋에 대해 작업할 수 있습니다. 여러 영상 세션 및 피험자에 대해 영상을 정렬할 수 있습니다. 영상 분할을 위한 모폴로지 연산 및 알고리즘을 통해 두뇌 영역과 세포 구조를 분석할 수 있습니다. 관심 지점 및 ROI(관심 영역)를 설정하는 대화형 방식의 툴을 사용해 사용자 지정 영상 처리 워크플로를 구축할 수 있습니다.

Image Labeler와 Video Labeler 앱을 활용해 대화형 방식으로 영상 데이터에 레이블을 지정할 수 있습니다. 레이블이 지정된 데이터셋에 딥러닝 기법을 적용해 전체 영상, 식별 가능한 영역이나 구조, 또는 개별 픽셀을 분류하거나 정량화할 수 있습니다.