🏅

Cebra

CATEGORÍA

PRECIO

Gratis

PRECIO

Gratis
⚙️

Casos reales de uso

💡 Reconstrucción de vídeos perceptuales a partir de señales de la corteza visual.
💡 Mapeo de navegación espacial usando datos del hipocampo de rata.
💡 Análisis de grabaciones de dos fotones para revelar cinemática compleja.
💡 Generación de espacios latentes para tareas sensoriomotoras avanzadas.
💡 Compresión eficiente de series temporales para optimizar almacenamiento y procesamiento.
💫

Ultimas IAS Listadas

🎗️

Otras recomendaciones

Visión general

Cebra es una avanzada herramienta de aprendizaje automático especializada en la compresión y el análisis de datos de series temporales neuronales y conductuales. Emplea algoritmos de aprendizaje auto-supervisado y supervisado para descubrir patrones ocultos, generar espacios latentes de alto rendimiento y decodificar la actividad de la corteza visual en ratones, reconstruyendo en vídeo la información percibida. Su aplicación se extiende a registros de neuropíxeles de dos fotones y datos del hipocampo, facilitando el mapeo espacial y el descubrimiento de características cinemáticas complejas. Validada en tareas sensoriomotoras y comportamientos simples y complejos en múltiples especies, permite probar hipótesis con datos de una o varias sesiones sin necesidad de etiquetado manual. El artículo preprint y el código fuente están disponibles en arXiv y GitHub.

Prestaciones destacadas

✅ Compresión de series temporales manteniendo la integridad de la información.
✅ Identificación de estructuras neuronales ocultas y variabilidad conductual.
✅ Decodificación de la corteza visual para reconstrucción de estímulos en vídeo.
✅ Mapeo espacial avanzado con registros de neuropíxeles y datos del hipocampo.
✅ Generación de espacios latentes consistentes y eficientes mediante aprendizaje auto-supervisado.
✅ Análisis multi-sesión sin necesidad de etiquetas manuales.

¿Quién puede sacarle provecho?

🔹 Neurocientíficos interesados en circuitos neuronales y análisis sensoriomotor.
🔹 Científicos de datos que trabajan con series temporales y conjuntos de datos complejos.
🔹 Laboratorios académicos que necesitan reproducir estudios y validar hipótesis.
🔹 Desarrolladores de software científico que buscan integrar modelos de ML en pipelines personalizados.
🔹 Profesionales de biotecnología centrados en investigación preclínica y farmacológica.

Otros detalles

Sitio oficial de Cebra
Preprint en arXiv
Repositorio en GitHub
Twitter de Cebra

Apúntate ya
Newsletter!