神经科学家使用 matlab® 和 simulink® 处理并分析实验数据、驱动实验以及仿真大脑回路模型。借助 matlab 和 simulink，您能够：
- 通过电极信号记录分析神经时序数据
- 通过神经成像和显微镜学研究了解结构性和功能性影像数据
- 借助机器学习和深度学习，使用神经科学数据训练模型以进行分类、预测和聚类
- 处理和生成实时数据流，包括脑机接口 (bci) 和行为控制系统
借助 matlab，神经科学家还可以访问面向神经科学应用的第三方工具库，利用其中的丰富资源。这里既有免费共享的社区工具箱，也有商业凯发k8网页登录的合作伙伴产品，可以与硬件和云实现互连。
“matlab 是一种思维方式，一种跨越国界的语言，一种与其他科学家进行分享和协作的方式……”
matlab for brain and cognitive scientists，mike x. cohen 著
将 matlab 应用于神经科学
神经数据科学
使用 matlab 内置的统计、机器学习和深度学习算法库来处理包含多个试验、受试者和数据模态的数据集。
使用 matlab 的实时编辑器创建神经科学数据案例。以实时脚本形式共享这些数据案例，以便与合作者以及读者进行交互。
利用 parallel computing toolbox™ 扩展 matlab 的处理能力，使其可以基于个人计算机和工作站上的所有内核和显卡运行。利用 matlab parallel server™，更可轻松扩展到一个或多个计算节点上的远程集群。
神经时间序列
使用 matlab 可视化和分析神经科学时序数据，包括峰值、电场和头皮记录以及行为监测记录。
利用 matlab 的信号处理和小波分析算法以及交互式 app，在时域、频域和时频域应用预处理并提取数据特征。
应用适合时序数据的深度学习方法，例如长短期记忆 (lstm) 网络。
神经成像和显微镜学
使用 matlab 在神经元、大脑和受试者各级可视化和分析神经科学影像和视频数据。
读取常见文件格式（例如 nifti 和 tiff）的二维和三维影像数据，处理无法放入内存的大型数据集。跨多个成像会话和受试者执行影像配准。使用图像分割的形态学运算和算法，分析大脑区域和细胞结构。利用交互式工具构建自定义图像处理工作流程，用以指定点和关注区域 (roi)。
借助图像标注器和视频标注器，以交互方式标注影像数据。在标注的数据集中采用深度学习方法，对整个影像、可识别区域/结构或单个像素进行分类或量化。
实验控制和脑机接口 (bci)
使用 matlab 在各种硬件设备之间流式传输数据，包括数据采集系统、摄像机、eeg 系统、神经记录系统、脑刺激器和双光子显微镜。
分别借助 simulink real-time™ 和 hdl coder™ 控制实时硬件和 fpga 硬件，确保以亚毫秒级精度控制实验或 bci。
采用 stateflow® 针对行为任务、bci 系统和其他实验设计控制逻辑。在 matlab 中运行 stateflow 图，或将其部署到实时或 fpga 硬件上执行。