Représentations latentes apprenables pour l'analyse conjointe comportementale et neuronale
Accès à Cebra (Libre)
Fonctionnalités de Cebra Cebra est un outil d'apprentissage automatique qui utilise des techniques non linéaires pour créer des espaces latents cohérents et performants à partir de données comportementales et neuronales enregistrées simultanément. Caractéristiques principales: Embeddings latents neuronaux: À utiliser pour les tests d'hypothèses et l'analyse exploratoire. Précision validée: Efficacité prouvée sur des ensembles de données de calcium et d'électrophysiologie, Tâches sensorielles et motrices, et comportements simples ou complexes à travers les espèces. Multi-session et sans étiquettes: Peut être utilisé avec des ensembles de données d'une ou plusieurs sessions et sans étiquettes. Décodage haute précision: Fournit un décodage rapide de films naturels à partir du cortex visuel. Disponibilité du code: Accédez au code de l'outil sur GitHub et lisez le préprint sur arxiv.org. Cas d’utilisation: • Analyze and decode behavioural and neural data to reveal underlying neural representations. • Map and uncover complex kinematic features in neuroscience research. • Produce consistent latent spaces across various data types and experiments. Cebra is a valuable tool for neuroscientists who wish to analyze and decode behavioural and neural data, allowing them to better understand the underlying neural representations involved in adaptive behaviours.