ABOUT THE SPEAKER
Anders Ynnerman - Scientific visualization expert
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction.

Why you should listen

Professor Anders Ynnerman received a Ph.D. in physics from Gothenburg University. During the early 90s he was doing research at Oxford University and Vanderbilt University. In 1996 he started the Swedish National Graduate School in Scientific Computing, which he directed until 1999. From 1997 to 2002 he directed the Swedish National Supercomputer Centre and from 2002 to 2006 he directed the Swedish National Infrastructure for Computing (SNIC).

Since 1999 he is holding a chair in scientific visualization at Linköping University and in 2000 he founded the Norrköping Visualization and Interaction Studio (NVIS). NVIS currently constitutes one of the main focal points for research and education in computer graphics and visualization in the Nordic region. Ynnerman is currently heading the build-up of a large scale center for Visualization in Norrköping.

More profile about the speaker
Anders Ynnerman | Speaker | TED.com
TEDxGöteborg 2010

Anders Ynnerman: Visualizing the medical data explosion

Anders Ynnerman: Wizualizacja eksplozji danych medycznych

Filmed:
539,883 views

Współczesne tomografy komputerowe wykonują tysiące obrazów oraz generują terabajty danych, tylko dla jednego pacjenta, w zaledwie kilka sekund. Jak lekarze analizują te dane i decydują o ich użyteczności? Podczas konferencji TEDxGöteborg, ekspert z dziedziny wizualizacji naukowej - Andreas Ynnerman pokazuje nam nowe wyrafinowane narzędzia - takie jak wirtualna autopsja - pomagające w analizie niezliczonych danych, pozwala zerknąć na obecnie rozwijające się technologie medyczne rodem z filmów science fiction. Wykład zawiera obrazy medyczne.
- Scientific visualization expert
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction. Full bio

Double-click the English transcript below to play the video.

00:15
I will startpoczątek by posingpozowanie a little bitkawałek of a challengewyzwanie:
0
0
4000
Zacznę od zaprezentowania wyzwania -
00:19
the challengewyzwanie of dealingpostępowanie with datadane,
1
4000
3000
wyzwania zajmowania się danymi.
00:22
datadane that we have to dealsprawa with
2
7000
2000
Danymi z którymi mamy do czynienia,
00:24
in medicalmedyczny situationssytuacje.
3
9000
2000
w sytuacjach medycznych.
00:26
It's really a hugeolbrzymi challengewyzwanie for us.
4
11000
2000
Jest to dla nas naprawdę olbrzymie wyzwanie.
00:28
And this is our beastbestia of burdenobciążenie --
5
13000
2000
I jest to wielki problem.
00:30
this is a ComputerKomputera TomographyTomografia komputerowa machinemaszyna,
6
15000
2000
To jest tomograf komputerowy
00:32
a CTCT machinemaszyna.
7
17000
2000
zwany potocznie tomografem.
00:34
It's a fantasticfantastyczny deviceurządzenie.
8
19000
2000
Jest to fantastyczne urządzenie.
00:36
It usesużywa X-raysRentgenowskie, X-rayX-ray beamsbelki,
9
21000
2000
Wykorzystuje ono wiązki promieni rentgenowskich,
00:38
that are rotatingobrotowe very fastszybki around the humanczłowiek bodyciało.
10
23000
3000
obracających się bardzo szybko wokół ludzkiego ciała.
00:41
It takes about 30 secondstowary drugiej jakości to go throughprzez the wholecały machinemaszyna
11
26000
2000
Całkowity czas skanowania to około 30 sekund,
00:43
and is generatinggenerowanie enormousogromny amountskwoty of informationInformacja
12
28000
2000
podczas których generowane są olbrzymie
00:45
that comespochodzi out of the machinemaszyna.
13
30000
2000
ilości informacji.
00:47
So this is a fantasticfantastyczny machinemaszyna
14
32000
2000
Dlatego tej niesamowitej maszyny
00:49
that we can use
15
34000
2000
możemy użyć
00:51
for improvingpoprawa healthzdrowie careopieka,
16
36000
2000
by polepszyć stan naszego zdrowia.
00:53
but as I said, it's alsorównież a challengewyzwanie for us.
17
38000
2000
Ale jak już powiedziałem jest to także wyzwanie.
00:55
And the challengewyzwanie is really founduznany in this pictureobrazek here.
18
40000
3000
Wyzwanie to przedstawione zostało na ekranie.
00:58
It's the medicalmedyczny datadane explosioneksplozja
19
43000
2000
Tej prawdziwej eksplozji danych medycznych,
01:00
that we're havingmający right now.
20
45000
2000
doświadczamy obecnie.
01:02
We're facingokładzina this problemproblem.
21
47000
2000
Stajemy przed tym właśnie problemem.
01:04
And let me stepkrok back in time.
22
49000
2000
Ale cofnijmy się w czasie.
01:06
Let's go back a fewkilka yearslat in time and see what happenedstało się back then.
23
51000
3000
Cofnijmy się o kilka lat i zobaczmy co działo się wtedy.
01:09
These machinesmaszyny that cameoprawa ołowiana witrażu out --
24
54000
2000
Maszyny te -
01:11
they startedRozpoczęty comingprzyjście in the 1970s --
25
56000
2000
ich produkcję rozpoczęto w latach 70-tych -
01:13
they would scanskandować humanczłowiek bodiesciała,
26
58000
2000
skanując człowieka
01:15
and they would generateGenerować about 100 imagesobrazy
27
60000
2000
generowały około 100 obrazów
01:17
of the humanczłowiek bodyciało.
28
62000
2000
ludzkiego ciała.
01:19
And I've takenwzięty the libertywolność, just for clarityprzejrzystość,
29
64000
2000
Pozwoliłem sobie, dla wyjaśnienia,
01:21
to translateTłumaczyć that to datadane slicesplastry.
30
66000
3000
przetłumaczyć to na "plastry" danych.
01:24
That would correspondodpowiadać to about 50 megabytesmegabajtów of datadane,
31
69000
2000
Odpowiadało by to około 50 MB danych,
01:26
whichktóry is smallmały
32
71000
2000
co jest niewielką ilością,
01:28
when you think about the datadane we can handleuchwyt todaydzisiaj
33
73000
3000
w porównaniu z tym ile obecnie przetworzyć może
01:31
just on normalnormalna mobilemobilny devicespomysłowość.
34
76000
2000
zwykłe przenośne urządzenie.
01:33
If you translateTłumaczyć that to phonetelefon booksksiążki,
35
78000
2000
Jeśli przełożymy to na książki telefoniczne,
01:35
it's about one metermetr of phonetelefon booksksiążki in the pilestos.
36
80000
3000
będzie to około metra ułożonych na sobie książek.
01:38
Looking at what we're doing todaydzisiaj
37
83000
2000
Porównując to do tego
01:40
with these machinesmaszyny that we have,
38
85000
2000
co potrafią tomografy w dzisiejszych czasach -
01:42
we can, just in a fewkilka secondstowary drugiej jakości,
39
87000
2000
już w kilka sekund
01:44
get 24,000 imagesobrazy out of a bodyciało,
40
89000
2000
generują 24 000 obrazów ludzkiego ciała.
01:46
and that would correspondodpowiadać to about 20 gigabytesgigabajty of datadane,
41
91000
3000
Odpowiada to 20 GB danych
01:49
or 800 phonetelefon booksksiążki,
42
94000
2000
lub 800 książkom telefonicznym.
01:51
and the pilestos would then be 200 metersmetrów of phonetelefon booksksiążki.
43
96000
2000
Układając je jedna na drugiej - byłby to 200-metrowy stos książek telefonicznych.
01:53
What's about to happenzdarzyć --
44
98000
2000
Żyjemy w czasach
01:55
and we're seeingwidzenie this; it's beginningpoczątek --
45
100000
2000
początków
01:57
a technologytechnologia trendtendencja that's happeningwydarzenie right now
46
102000
2000
technologii pozwalającej
01:59
is that we're startingstartowy to look at time-resolvedczas rozwiązane situationssytuacje as well.
47
104000
3000
obserwować również zmiany jakie zachodzą w ciele podczas skanowania.
02:02
So we're gettinguzyskiwanie the dynamicsdynamika out of the bodyciało as well.
48
107000
3000
Dlatego możemy również śledzić dynamikę ciała.
02:05
And just assumezałożyć
49
110000
2000
I załóżmy
02:07
that we will be collectingzbieranie datadane duringpodczas fivepięć secondstowary drugiej jakości,
50
112000
3000
że zgromadzenie danych zajmie 5 sekund
02:10
and that would correspondodpowiadać to one terabyteterabajt of datadane --
51
115000
2000
a będzie to odpowiadało jednemu terabajtowi danych.
02:12
that's 800,000 booksksiążki
52
117000
2000
Jest to 800 000 książek
02:14
and 16 kilometerskilometrów of phonetelefon booksksiążki.
53
119000
2000
które ustawione na sobie stworzyłyby 16. kilometrowy stos.
02:16
That's one patientcierpliwy, one datadane setzestaw.
54
121000
2000
A to tylko jeden pacjent i odpowiadający mu jeden zestaw danych.
02:18
And this is what we have to dealsprawa with.
55
123000
2000
Z tym właśnie musimy sobie poradzić.
02:20
So this is really the enormousogromny challengewyzwanie that we have.
56
125000
3000
Więc wyzwanie, przed którym jesteśmy stawiani jest olbrzymie.
02:23
And alreadyjuż todaydzisiaj -- this is 25,000 imagesobrazy.
57
128000
3000
A już dziś jest to 25 000 obrazów.
02:26
ImagineWyobraź sobie the daysdni
58
131000
2000
Wyobraźcie sobie czasy
02:28
when we had radiologistsRadiolodzy doing this.
59
133000
2000
gdy radiolodzy musieli działać w taki sposób.
02:30
They would put up 25,000 imagesobrazy,
60
135000
2000
Rozkładali po kolei tych 25 000 obrazów
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
i przyglądali się każdemu z nich:" na tym nic nie widać, ten w porządku,
02:35
There is the problemproblem."
62
140000
2000
o, tutaj widać problem."
02:37
They can't do that anymorejuż. That's impossibleniemożliwy.
63
142000
2000
Teraz byłoby to już niemożliwe.
02:39
So we have to do something that's a little bitkawałek more intelligentinteligentny than doing this.
64
144000
3000
Więc musimy zrobić coś inteligentniejszego, niż praca w ten sposób.
02:43
So what we do is that we put all these slicesplastry togetherRazem.
65
148000
2000
Więc składamy te wszystkie plastry razem.
02:45
ImagineWyobraź sobie that you sliceplasterek your bodyciało in all these directionswskazówki,
66
150000
3000
Wyobraźcie sobie krojenie ciała na plasterki we wszystkich kierunkach
02:48
and then you try to put the slicesplastry back togetherRazem again
67
153000
3000
a później próbę poskładania tych plastrów z powrotem
02:51
into a pilestos of datadane, into a blockblok of datadane.
68
156000
2000
w stos danych, w blok danych.
02:53
So this is really what we're doing.
69
158000
2000
I właśnie tym się zajmujemy.
02:55
So this gigabyteGigabyte or terabyteterabajt of datadane, we're puttingwprowadzenie it into this blockblok.
70
160000
3000
Więc te gigabajty lub terabajty danych składamy w blok.
02:58
But of coursekurs, the blockblok of datadane
71
163000
2000
Ale przecież ten blok danych
03:00
just containszawiera the amountilość of X-rayX-ray
72
165000
2000
zawiera tylko ilości promieniowania rentgenowskiego
03:02
that's been absorbedzaabsorbowany in eachkażdy pointpunkt in the humanczłowiek bodyciało.
73
167000
2000
jakie wchłonął każdy punkt ludzkiego ciała.
03:04
So what we need to do is to figurepostać out a way
74
169000
2000
Więc musimy znaleźć sposób
03:06
of looking at the things we do want to look at
75
171000
3000
który pozwoli zobaczyć to na co chcemy patrzeć
03:09
and make things transparentprzezroczysty that we don't want to look at.
76
174000
3000
podczas gdy reszta będzie przeźroczysta.
03:12
So transformingtransformatorowy the datadane setzestaw
77
177000
2000
Chodzi tu o zamianę zestawu danych
03:14
into something that lookswygląda like this.
78
179000
2000
na coś co wygląda tak.
03:16
And this is a challengewyzwanie.
79
181000
2000
I to właśnie jest wyzwanie.
03:18
This is a hugeolbrzymi challengewyzwanie for us to do that.
80
183000
3000
Zrobienie tego jest dla nas ogromnym wyzwaniem.
03:21
UsingZa pomocą computerskomputery, even thoughchociaż they're gettinguzyskiwanie fasterszybciej and better all the time,
81
186000
3000
Nawet używając komputerów, mimo że stają się one coraz szybsze i lepsze,
03:24
it's a challengewyzwanie to dealsprawa with gigabytesgigabajty of datadane,
82
189000
2000
wielkim wyzwaniem jest zmierzenie się z gigabajtami
03:26
terabytesterabajty of datadane
83
191000
2000
a nawet terabajtami danych
03:28
and extractingWyodrębnianie the relevantistotnych informationInformacja.
84
193000
2000
i wydobycie z nich istotnych informacji.
03:30
I want to look at the heartserce.
85
195000
2000
Chcę spojrzeć na serce,
03:32
I want to look at the bloodkrew vesselsstatków. I want to look at the liverwątroba.
86
197000
2000
chcę popatrzeć na naczynia krwionośne, chcę spojrzeć na wątrobę,
03:34
Maybe even find a tumorguz,
87
199000
2000
może nawet, w niektórych przypadkach,
03:36
in some casesprzypadki.
88
201000
2000
znajdę guz.
03:39
So this is where this little deardrogi comespochodzi into playgrać.
89
204000
2000
Tu właśnie nasze maluchy wchodzą w grę.
03:41
This is my daughtercórka.
90
206000
2000
To jest moja córka.
03:43
This is as of 9 a.m. this morningranek.
91
208000
2000
To zdjęcie z 9 rano dnia dzisiejszego.
03:45
She's playinggra a computerkomputer gamegra.
92
210000
2000
Gra ona w grę komputerową.
03:47
She's only two yearslat oldstary,
93
212000
2000
Ma tylko 2 latka,
03:49
and she's havingmający a blastpodmuch.
94
214000
2000
ale bawi się świetnie.
03:51
So she's really the drivingnapędowy forcesiła
95
216000
3000
To właśnie ona jest siłą napędową
03:54
behindza the developmentrozwój of graphics-processingprocesor graficzny unitsjednostki.
96
219000
3000
popychającą do przodu rozwój procesorów karty graficznej.
03:58
As long as kidsdzieciaki are playinggra computerkomputer gamesGry,
97
223000
2000
Jak długo dzieci będą grać w gry komputerowe,
04:00
graphicsgrafika is gettinguzyskiwanie better and better and better.
98
225000
2000
tak długo grafika będzie stale ulepszana.
04:02
So please go back home, tell your kidsdzieciaki to playgrać more gamesGry,
99
227000
2000
Więc jak wrócicie do domu, każcie dzieciom częściej grać w gry komputerowe,
04:04
because that's what I need.
100
229000
2000
ponieważ właśnie tego potrzebuję.
04:06
So what's insidewewnątrz of this machinemaszyna
101
231000
2000
To co znajduje się wewnątrz tej maszyny
04:08
is what enablespozwala me to do the things that I'm doing
102
233000
2000
pozwala mi robić to co robię
04:10
with the medicalmedyczny datadane.
103
235000
2000
z danymi medycznymi.
04:12
So really what I'm doing is usingza pomocą these fantasticfantastyczny little devicespomysłowość.
104
237000
3000
Tak naprawdę to używam tylko tych małych fantastycznych urządzeń.
04:15
And you know, going back
105
240000
2000
Cofając się w czasie,
04:17
maybe 10 yearslat in time
106
242000
2000
około 10. lat temu
04:19
when I got the fundingfinansowanie
107
244000
2000
otrzymałem fundusze
04:21
to buykupować my first graphicsgrafika computerkomputer --
108
246000
2000
na zakup pierwszego komputera graficznego.
04:23
it was a hugeolbrzymi machinemaszyna.
109
248000
2000
Była to olbrzymia maszyna.
04:25
It was cabinetsszafki of processorsprocesory and storageprzechowywanie and everything.
110
250000
3000
Były to całe szafki procesorów, nośników przechowywania danych i tego typu rzeczy.
04:28
I paidpłatny about one millionmilion dollarsdolarów for that machinemaszyna.
111
253000
3000
Zapłaciłem za tą maszynę około miliona dolarów.
04:32
That machinemaszyna is, todaydzisiaj, about as fastszybki as my iPhoneiPhone.
112
257000
3000
Jest ona porównywalnej prędkości co dzisiejszy iPhone.
04:37
So everykażdy monthmiesiąc there are newNowy graphicsgrafika cardskarty comingprzyjście out,
113
262000
2000
Każdego miesiąca ukazują się na rynku nowe karty graficzne.
04:39
and here is a fewkilka of the latestnajnowszy oneste from the vendorsdostawców --
114
264000
3000
Tu mamy kilka ostatnich -
04:42
NVIDIANVIDIA, ATIATI, IntelProcesor Intel is out there as well.
115
267000
3000
NVIDIA, ATI, oraz Intel.
04:45
And you know, for a fewkilka hundredsto bucksdolców
116
270000
2000
Jak wiecie już za kilkaset dolarów
04:47
you can get these things and put them into your computerkomputer,
117
272000
2000
możecie je nabyć i używać ich w swoim komputerze.
04:49
and you can do fantasticfantastyczny things with these graphicsgrafika cardskarty.
118
274000
3000
Można z nimi robić fantastyczne rzeczy.
04:52
So this is really what's enablingwłączanie us
119
277000
2000
Właśnie to umożliwia nam
04:54
to dealsprawa with the explosioneksplozja of datadane in medicinelekarstwo,
120
279000
3000
poradzenie sobie z eksplozją danych w medycynie.
04:57
togetherRazem with some really niftyładne work
121
282000
2000
To oraz naprawdę świetna rzecz
04:59
in termswarunki of algorithmsalgorytmy --
122
284000
2000
z dziedziny algorytmów -
05:01
compressingKompresja datadane,
123
286000
2000
kompresja danych
05:03
extractingWyodrębnianie the relevantistotnych informationInformacja that people are doing researchBadania on.
124
288000
3000
wydobywająca istotne informacje na bazie których prowadzi się badania.
05:06
So I'm going to showpokazać you a fewkilka examplesprzykłady of what we can do.
125
291000
3000
Pokażę wam kilka przykładów naszych możliwości.
05:09
This is a datadane setzestaw that was capturedschwytany usingza pomocą a CTCT scannerskaner.
126
294000
3000
To jest zestaw danych uzyskanych za pomocą tomografu komputerowego.
05:12
You can see that this is a fullpełny datadane [setzestaw].
127
297000
3000
Jak widzicie jest to pełen zestaw danych.
05:15
It's a womankobieta. You can see the hairwłosy.
128
300000
3000
Jest to kobieta. Można zobaczyć nawet jej włosy.
05:18
You can see the individualindywidualny structuresStruktury of the womankobieta.
129
303000
3000
Widać wnętrze ciała i poszczególne organy tej kobiety.
05:21
You can see that there is [a] scatteringrozproszenie of X-raysRentgenowskie
130
306000
3000
Widoczne jest również rozproszenie promieni rentgenowskich
05:24
on the teethzęby, the metalmetal in the teethzęby.
131
309000
2000
w okolicy zębów, z powodu metalu znajdującego się w zębach.
05:26
That's where those artifactsartefakty are comingprzyjście from.
132
311000
3000
Stąd właśnie one się biorą.
05:29
But fullycałkowicie interactivelyinteraktywnie
133
314000
2000
Ale w pełni interaktywnie
05:31
on standardstandard graphicsgrafika cardskarty on a normalnormalna computerkomputer,
134
316000
3000
na standardowej karcie graficznej na zwykłym komputerze
05:34
I can just put in a clipspinacz planesamolot.
135
319000
2000
mogę po prostu zastosować płaszczyznę obcinającą.
05:36
And of coursekurs all the datadane is insidewewnątrz,
136
321000
2000
Ponieważ w środku znajdują się wszystkie dane,
05:38
so I can startpoczątek rotatingobrotowe, I can look at it from differentróżne angleskąty,
137
323000
3000
mogę obraz obrócić i patrzeć na niego pod różnymi kątami.
05:41
and I can see that this womankobieta had a problemproblem.
138
326000
3000
Stąd widzę że ta kobieta miała problem.
05:44
She had a bleedingkrwawienie up in the brainmózg,
139
329000
2000
Nastąpiło krwawienie wewnątrzczaszkowe,
05:46
and that's been fixednaprawiony with a little stentstent,
140
331000
2000
z którym poradzono sobie poprzez założenie stentu,
05:48
a metalmetal clampzacisk that's tighteningzaostrzenie up the vesselstatek.
141
333000
2000
metalowej klamry uszczelniającej naczynie krwionośne.
05:50
And just by changingwymiana pieniędzy the functionsFunkcje,
142
335000
2000
A tylko poprzez zmianę funkcji,
05:52
then I can decidedecydować się what's going to be transparentprzezroczysty
143
337000
3000
mogę zdecydować co będzie przezroczyste
05:55
and what's going to be visiblewidoczny.
144
340000
2000
a co będzie widoczne.
05:57
I can look at the skullczaszka structureStruktura,
145
342000
2000
Jestem w stanie zobaczyć budowę czaszki,
05:59
and I can see that, okay, this is where they openedotwierany up the skullczaszka on this womankobieta,
146
344000
3000
mogę stwierdzić że, w tym miejscu otworzyli czaszkę tej kobiety,
06:02
and that's where they wentposzedł in.
147
347000
2000
w tym miejscu weszli.
06:04
So these are fantasticfantastyczny imagesobrazy.
148
349000
2000
Są to fantastyczne obrazy,
06:06
They're really highwysoki resolutionrozkład,
149
351000
2000
wysokiej rozdzielczości,
06:08
and they're really showingseans us what we can do
150
353000
2000
pokazujące nam możliwości
06:10
with standardstandard graphicsgrafika cardskarty todaydzisiaj.
151
355000
3000
współczesnych standardowych kart graficznych.
06:13
Now we have really madezrobiony use of this,
152
358000
2000
Robiąc z nich prawdziwy użytek
06:15
and we have triedwypróbowany to squeeześciskać a lot of datadane
153
360000
3000
spróbowaliśmy wprowadzić do systemu
06:18
into the systemsystem.
154
363000
2000
bardzo dużą ilość danych.
06:20
And one of the applicationsAplikacje that we'vemamy been workingpracujący on --
155
365000
2000
Jedną z aplikacji nad którą pracowaliśmy -
06:22
and this has gottenzdobyć a little bitkawałek of tractiontrakcja worldwidena calym swiecie --
156
367000
3000
wzbudziła ona już zainteresowanie na całym świecie -
06:25
is the applicationpodanie of virtualwirtualny autopsiessekcji zwłok.
157
370000
2000
jest nią jest oprogramowanie do wirtualnej autopsji.
06:27
So again, looking at very, very largeduży datadane setszestawy,
158
372000
2000
Po raz kolejny, patrząc na olbrzymi zestaw danych
06:29
and you saw those full-bodycałego ciała scansskany that we can do.
159
374000
3000
widzimy tomografię całego ciała którą wykonaliśmy.
06:32
We're just pushingpchanie the bodyciało throughprzez the wholecały CTCT scannerskaner,
160
377000
3000
Przesuwając ciało człowieka przez tomograf komputerowy
06:35
and just in a fewkilka secondstowary drugiej jakości we can get a full-bodycałego ciała datadane setzestaw.
161
380000
3000
już w kilka sekund otrzymujemy zestaw danych ze skanowania całego ciała.
06:38
So this is from a virtualwirtualny autopsyautopsja.
162
383000
2000
To jest obraz otrzymany za pomocą wirtualnej autopsji.
06:40
And you can see how I'm graduallystopniowo peelingobieranie off.
163
385000
2000
Jak widzicie stopniowo zdejmuję kolejne warstwy.
06:42
First you saw the bodyciało bagtorba that the bodyciało cameoprawa ołowiana witrażu in,
164
387000
3000
Najpierw widzieliście worek na ciało w którym ono przybyło,
06:45
then I'm peelingobieranie off the skinskóra -- you can see the musclesmięśnie --
165
390000
3000
później zdejmuję skórę - widoczne są mięśnie -
06:48
and eventuallyostatecznie you can see the bonekość structureStruktura of this womankobieta.
166
393000
3000
w końcowym efekcie widoczna jest budowa szkieletu tej kobiety.
06:51
Now at this pointpunkt, I would alsorównież like to emphasizepodkreślać
167
396000
3000
Na tym etapie chciałbym podkreślić
06:54
that, with the greatestnajwiększy respectPoszanowanie
168
399000
2000
wielki szacunek jaki należy
06:56
for the people that I'm now going to showpokazać --
169
401000
2000
okazać oglądanym osobom.
06:58
I'm going to showpokazać you a fewkilka casesprzypadki of virtualwirtualny autopsiessekcji zwłok --
170
403000
2000
Pokażę wam teraz kilka przypadków wirtualnej autopsji -
07:00
so it's with great respectPoszanowanie for the people
171
405000
2000
więc z wielkim szacunkiem dla ludzi
07:02
that have diedzmarły underpod violentgwałtowny circumstancesokoliczności
172
407000
2000
którzy zmarli w gwałtownych okolicznościach
07:04
that I'm showingseans these pictureskino to you.
173
409000
3000
pokazuję wam te zdjęcia.
07:08
In the forensicsądowy casewalizka --
174
413000
2000
W przypadku medycyny sądowej,
07:10
and this is something
175
415000
2000
około
07:12
that ... there's been approximatelyw przybliżeniu 400 casesprzypadki so fardaleko
176
417000
2000
400. przypadków do tej pory,
07:14
just in the partczęść of SwedenSzwecja that I come from
177
419000
2000
tylko w tej części Szwecji z której pochodzę -
07:16
that has been undergoingw trakcie virtualwirtualny autopsiessekcji zwłok
178
421000
2000
poddano wirtualnej autopsji -
07:18
in the pastprzeszłość fourcztery yearslat.
179
423000
2000
w ciągu ostatnich czterech lat.
07:20
So this will be the typicaltypowy workflowprzepływ pracy situationsytuacja.
180
425000
3000
Typowo praca przebiega tak.
07:23
The policePolicja will decidedecydować się --
181
428000
2000
Policja decyduje,
07:25
in the eveningwieczór, when there's a casewalizka comingprzyjście in --
182
430000
2000
wieczorem, gdy dostają nową sprawę,
07:27
they will decidedecydować się, okay, is this a casewalizka where we need to do an autopsyautopsja?
183
432000
3000
czy jest to przypadek, w którym potrzebna jest autopsja.
07:30
So in the morningranek, in betweenpomiędzy sixsześć and sevensiedem in the morningranek,
184
435000
3000
Wiec rano, między szóstą a siódmą,
07:33
the bodyciało is then transportedtransportowane insidewewnątrz of the bodyciało bagtorba
185
438000
2000
ciało jest transportowane w specjalnym worku,
07:35
to our centercentrum
186
440000
2000
do naszego centrum
07:37
and is beingistota scannedzeskanowany throughprzez one of the CTCT scannersSkanery.
187
442000
2000
i poddawane jest tomografii.
07:39
And then the radiologistradiolog, togetherRazem with the pathologistpatolog
188
444000
2000
Wtedy radiolog razem z patologiem
07:41
and sometimesczasami the forensicsądowy scientistnaukowiec,
189
446000
2000
i naukowcami związanymi z medycyną sądową,
07:43
lookswygląda at the datadane that's comingprzyjście out,
190
448000
2000
przyglądają się otrzymanym danym
07:45
and they have a jointpołączenie sessionsesja.
191
450000
2000
na wspólnym spotkaniu.
07:47
And then they decidedecydować się what to do in the realreal physicalfizyczny autopsyautopsja after that.
192
452000
3000
I decydują co zrobić w przypadku prawdziwej, fizycznej autopsji.
07:52
Now looking at a fewkilka casesprzypadki,
193
457000
2000
Teraz zobaczymy kilka obrazów z autopsji.
07:54
here'soto jest one of the first casesprzypadki that we had.
194
459000
2000
To jest jeden z nich.
07:56
You can really see the detailsdetale of the datadane setzestaw.
195
461000
3000
Tu dokładnie widać każdy szczegół,
07:59
It's very high-resolutionwysoka rozdzielczość,
196
464000
2000
jest to bardzo wysoka rozdzielczość.
08:01
and it's our algorithmsalgorytmy that allowdopuszczać us
197
466000
2000
To właśnie algorytmy pozwalają nam
08:03
to zoomPowiększenie in on all the detailsdetale.
198
468000
2000
dokładnie przyjrzeć się szczegółom.
08:05
And again, it's fullycałkowicie interactiveinteraktywny,
199
470000
2000
I po raz kolejny, jest to w pełni interaktywne,
08:07
so you can rotateobracać się and you can look at things in realreal time
200
472000
2000
więc można to obrócić i patrzeć na wszystko w czasie rzeczywistym
08:09
on these systemssystemy here.
201
474000
2000
przy użyciu tych systemów.
08:11
WithoutBez sayingpowiedzenie too much about this casewalizka,
202
476000
2000
Nie powiem zbyt wiele o tym przypadku,
08:13
this is a trafficruch drogowy accidentwypadek,
203
478000
2000
tyle tylko, że było to wypadek samochodowy,
08:15
a drunkpijany driverkierowca hittrafienie a womankobieta.
204
480000
2000
w którym pijany kierowca potrącił tą kobietę.
08:17
And it's very, very easyłatwo to see the damagesszkody on the bonekość structureStruktura.
205
482000
3000
Niezwykle łatwo zauważyć możemy uszkodzenia kości.
08:20
And the causeprzyczyna of deathśmierć is the brokenzłamany neckszyja.
206
485000
3000
A przyczyną śmierci w tym przypadku jest złamany kręgosłup.
08:23
And this womenkobiety alsorównież endedzakończyło się up underpod the carsamochód,
207
488000
2000
W wyniku wypadku kobieta ta znalazła się pod samochodem,
08:25
so she's quitecałkiem badlyźle beatenbity up
208
490000
2000
więc miała bardzo mocno uszkodzone ciało
08:27
by this injuryzranienie.
209
492000
2000
z powodu tego urazu.
08:29
Here'sTutaj jest anotherinne casewalizka, a knifingmasy szpachlowe.
210
494000
3000
A to kolejny przypadek, śmierć w wyniku dźgnięcia nożem.
08:32
And this is alsorównież again showingseans us what we can do.
211
497000
2000
Po raz kolejny jesteście w stanie zobaczyć nasze możliwości.
08:34
It's very easyłatwo to look at metalmetal artifactsartefakty
212
499000
2000
Bardzo łatwo zaobserwować metalowe elementy
08:36
that we can showpokazać insidewewnątrz of the bodyciało.
213
501000
3000
znajdujące się wewnątrz ciała.
08:39
You can alsorównież see some of the artifactsartefakty from the teethzęby --
214
504000
3000
Można również zobaczyć metal w zębach
08:42
that's actuallytak właściwie the fillingNadzienie of the teethzęby --
215
507000
2000
jest to akurat wypełnienie w zębach.
08:44
but because I've setzestaw the functionsFunkcje to showpokazać me metalmetal
216
509000
3000
Z powodu ustawień pozwalających widzieć metal
08:47
and make everything elsejeszcze transparentprzezroczysty.
217
512000
2000
wszystko inne jest przeźroczyste.
08:49
Here'sTutaj jest anotherinne violentgwałtowny casewalizka. This really didn't killzabić the personosoba.
218
514000
3000
Kolejny brutalny przypadek. To akurat nie zabiło tej osoby.
08:52
The personosoba was killedzabity by stabsukłuciami in the heartserce,
219
517000
2000
Uśmierciły ją dźgnięcia w serce,
08:54
but they just depositedzłożone the knifenóż
220
519000
2000
tam jednak pozostał nóż
08:56
by puttingwprowadzenie it throughprzez one of the eyeballsgałki oczne.
221
521000
2000
po ciosie w jedną z gałek ocznych.
08:58
Here'sTutaj jest anotherinne casewalizka.
222
523000
2000
A tutaj mamy kolejny przypadek.
09:00
It's very interestingciekawy for us
223
525000
2000
Jest to dla nas bardzo interesujące,
09:02
to be ablezdolny to look at things like knifenóż stabbingsstabbings.
224
527000
2000
mieć możliwość spojrzenia na urazy po dźgnięciu nożem.
09:04
Here you can see that knifenóż wentposzedł throughprzez the heartserce.
225
529000
3000
Tutaj widzimy jak nóż przebił serce.
09:07
It's very easyłatwo to see how airpowietrze has been leakingprzecieka
226
532000
2000
Bardzo łatwo można zaobserwować powietrze przedostające się
09:09
from one partczęść to anotherinne partczęść,
227
534000
2000
z jednej jego części do drugiej,
09:11
whichktóry is difficulttrudny to do in a normalnormalna, standardstandard, physicalfizyczny autopsyautopsja.
228
536000
3000
co jest niezwykle trudne podczas standardowej, fizycznej autopsji.
09:14
So it really, really helpspomaga
229
539000
2000
W przypadku śledztwa
09:16
the criminalkryminalista investigationdochodzenie
230
541000
2000
bardzo pomocnym jest
09:18
to establishustalić the causeprzyczyna of deathśmierć,
231
543000
2000
ustalenie przyczyny śmierci,
09:20
and in some casesprzypadki alsorównież directingkierowanie the investigationdochodzenie in the right directionkierunek
232
545000
3000
w niektórych przypadkach kieruje to śledztwo na właściwe tory
09:23
to find out who the killerzabójca really was.
233
548000
2000
i pomaga ustalić prawdziwą tożsamość mordercy.
09:25
Here'sTutaj jest anotherinne casewalizka that I think is interestingciekawy.
234
550000
2000
A oto kolejny przypadek, który uznałem za interesujący.
09:27
Here you can see a bulletkula
235
552000
2000
Tutaj można zobaczyć kulę,
09:29
that has lodgedzłożone just nextNastępny to the spinekręgosłup on this personosoba.
236
554000
3000
która utknęła tuż przy kręgosłupie tej osoby.
09:32
And what we'vemamy doneGotowe is that we'vemamy turnedobrócony the bulletkula into a lightlekki sourceźródło,
237
557000
3000
Za pomocą oprogramowania sprawiliśmy, że kula zmieniła się w źródło światła,
09:35
so that bulletkula is actuallytak właściwie shiningświecący,
238
560000
2000
widać jak świeci
09:37
and it makesczyni it really easyłatwo to find these fragmentspaprochy.
239
562000
3000
dzięki czemu bardzo łatwo odnaleźć można jej fragmenty.
09:40
DuringPodczas a physicalfizyczny autopsyautopsja,
240
565000
2000
Podczas rzeczywistej autopsji,
09:42
if you actuallytak właściwie have to digkopać throughprzez the bodyciało to find these fragmentspaprochy,
241
567000
2000
gdy naprawdę trzeba przeszukać ciało by znaleźć odłamki -
09:44
that's actuallytak właściwie quitecałkiem hardciężko to do.
242
569000
2000
jest to niebywale trudne zadanie.
09:48
One of the things that I'm really, really happyszczęśliwy
243
573000
2000
Jedną z rzeczy, z których jestem naprawdę zadowolony
09:50
to be ablezdolny to showpokazać you here todaydzisiaj
244
575000
3000
jest fakt, że jestem w stanie wam dzisiaj pokazać
09:53
is our virtualwirtualny autopsyautopsja tablestół.
245
578000
2000
stół do wirtualnej autopsji.
09:55
It's a touchdotknąć deviceurządzenie that we have developedrozwinięty
246
580000
2000
Jest to urządzenie dotykowe stworzone przez nas
09:57
basedna podstawie on these algorithmsalgorytmy, usingza pomocą standardstandard graphicsgrafika GPUsKarty graficzne.
247
582000
3000
na bazie algorytmów, przy użyciu standardowych procesorów kart graficznych.
10:00
It actuallytak właściwie lookswygląda like this,
248
585000
2000
Żebyście mogli poczuć przedsmak tego urządzenia
10:02
just to give you a feelinguczucie for what it lookswygląda like.
249
587000
3000
- naprawdę wygląda ona tak.
10:05
It really just worksPrace like a hugeolbrzymi iPhoneiPhone.
250
590000
3000
Działa ono jak ogromny iPhone.
10:08
So we'vemamy implementedwdrożony
251
593000
2000
Wgraliśmy oprogramowanie
10:10
all the gesturesgesty you can do on the tablestół,
252
595000
3000
wszystkich gestów jakie można wykonywać na tym stole,
10:13
and you can think of it as an enormousogromny touchdotknąć interfaceberło.
253
598000
4000
możecie o nim myśleć jak o olbrzymim interfejsie dotykowym.
10:17
So if you were thinkingmyślący of buyingkupowanie an iPadiPad,
254
602000
2000
Więc jeśli nosicie się z zamiarem kupna iPada
10:19
forgetzapomnieć about it. This is what you want insteadzamiast.
255
604000
3000
- zapomnijcie; to urządzenie jest właśnie tym czego chcecie.
10:22
SteveSteve, I hopenadzieja you're listeningsłuchający to this, all right.
256
607000
3000
Steve, mam nadzieje że tego słuchasz. Dobra.
10:26
So it's a very nicemiły little deviceurządzenie.
257
611000
2000
Jest to bardzo przyjemne urządzonko.
10:28
So if you have the opportunityokazja, please try it out.
258
613000
2000
Jak będziecie mieć kiedyś możliwość - to proszę wypróbujcie je.
10:30
It's really a hands-onpraktyczne experiencedoświadczenie.
259
615000
3000
Jest to bardzo praktyczne doświadczenie.
10:33
So it gainedzyskał some tractiontrakcja, and we're tryingpróbować to rollrolka this out
260
618000
3000
Urządzenie to wzbudziło spore poruszenie, próbujemy stopniowo wprowadzać je na rynek.
10:36
and tryingpróbować to use it for educationaledukacyjny purposescele,
261
621000
2000
Używamy go również w celach edukacyjnych,
10:38
but alsorównież, perhapsmoże in the futureprzyszłość,
262
623000
2000
a w przyszłości możliwe że będziemy go używać
10:40
in a more clinicalkliniczny situationsytuacja.
263
625000
3000
w przypadkach klinicznych.
10:43
There's a YouTubeYouTube videowideo that you can downloadpobieranie and look at this,
264
628000
2000
Istnieje również video na YouTube, które możecie ściągnąć
10:45
if you want to conveyprzenieść the informationInformacja to other people
265
630000
2000
jeśli chcecie pokazać i opowiedzieć komuś
10:47
about virtualwirtualny autopsiessekcji zwłok.
266
632000
3000
o wirtualnych autopsjach.
10:50
Okay, now that we're talkingmówić about touchdotknąć,
267
635000
2000
Mówiliśmy o poruszeniu,
10:52
let me moveruszaj się on to really "touchingwzruszające" datadane.
268
637000
2000
przejdźmy więc do bardziej poruszających danych.
10:54
And this is a bitkawałek of sciencenauka fictionfikcja now,
269
639000
2000
A teraz zahaczymy trochę o science fiction,
10:56
so we're movingw ruchu into really the futureprzyszłość.
270
641000
3000
zaglądniemy w przyszłość.
10:59
This is not really what the medicalmedyczny doctorslekarze are usingza pomocą right now,
271
644000
3000
To nie jest sprzęt którego lekarze używają obecnie,
11:02
but I hopenadzieja they will in the futureprzyszłość.
272
647000
2000
ale mam nadzieję że w przyszłości będą.
11:04
So what you're seeingwidzenie on the left is a touchdotknąć deviceurządzenie.
273
649000
3000
Po lewej widzimy urządzenie dotykowe.
11:07
It's a little mechanicalmechaniczny pendługopis
274
652000
2000
Jest to malutki długopis
11:09
that has very, very fastszybki stepkrok motorssilniki insidewewnątrz of the pendługopis.
275
654000
3000
posiadający wewnątrz bardzo szybkie silniczki krokowe.
11:12
And so I can generateGenerować a forcesiła feedbackinformacje zwrotne.
276
657000
2000
Dzięki temu wygenerować mogę siłowe sprzężenie zwrotne.
11:14
So when I virtuallywirtualnie touchdotknąć datadane,
277
659000
2000
Gdy wirtualnie dotykam danych
11:16
it will generateGenerować forcessiły in the pendługopis, so I get a feedbackinformacje zwrotne.
278
661000
3000
stwarza to w długopisie siłę o przeciwnym zwrocie, więc otrzymuję reakcję zwrotną.
11:19
So in this particularszczególny situationsytuacja,
279
664000
2000
W tym przypadku,
11:21
it's a scanskandować of a livingżycie personosoba.
280
666000
2000
jest to tomografia żywej osoby.
11:23
I have this pendługopis, and I look at the datadane,
281
668000
3000
Dzięki temu długopisowi, mogę zbadać dane.
11:26
and I moveruszaj się the pendługopis towardsw kierunku the headgłowa,
282
671000
2000
Zbliżam go do jego głowy
11:28
and all of a suddennagły I feel resistanceodporność.
283
673000
2000
i czuję opór.
11:30
So I can feel the skinskóra.
284
675000
2000
Wyczuwam skórę.
11:32
If I pushPchać a little bitkawałek hardertrudniejsze, I'll go throughprzez the skinskóra,
285
677000
2000
Zwiększając nacisk, przedostaję się przez skórę
11:34
and I can feel the bonekość structureStruktura insidewewnątrz.
286
679000
3000
i mogę "dotknąć" kości.
11:37
If I pushPchać even hardertrudniejsze, I'll go throughprzez the bonekość structureStruktura,
287
682000
2000
Jeśli jeszcze zwiększę nacisk, przedostanę się przez kości,
11:39
especiallyszczególnie closeblisko to the earucho where the bonekość is very softmiękki.
288
684000
3000
szczególnie łatwo można to zrobić w okolicy ucha gdzie kości są bardzo miękkie.
11:42
And then I can feel the brainmózg insidewewnątrz, and this will be the slushygrząski like this.
289
687000
3000
I jestem w stanie poczuć strukturę mózgu, będzie on jakby grząski.
11:45
So this is really nicemiły.
290
690000
2000
Więc jest to świetna rzecz.
11:47
And to take that even furtherdalej, this is a heartserce.
291
692000
3000
Posuwając się o krok dalej - to jest serce.
11:50
And this is alsorównież duez powodu to these fantasticfantastyczny newNowy scannersSkanery,
292
695000
3000
Dzięki tym nowy fantastycznym tomografom
11:53
that just in 0.3 secondstowary drugiej jakości,
293
698000
2000
już w 0,3 sekundy
11:55
I can scanskandować the wholecały heartserce,
294
700000
2000
mogę przeskanować całe serce,
11:57
and I can do that with time resolutionrozkład.
295
702000
2000
wraz ze zmianami jakie zachodzą w czasie tomografii.
11:59
So just looking at this heartserce,
296
704000
2000
Obserwując to serce
12:01
I can playgrać back a videowideo here.
297
706000
2000
mogę w ten sposób odtworzyć wideo.
12:03
And this is KarljohanKarljohan, one of my graduateukończyć studentsstudenci
298
708000
2000
A to jest Karljohan, jeden z moich studentów,
12:05
who'skto jest been workingpracujący on this projectprojekt.
299
710000
2000
pracujących nad tym projektem.
12:07
And he's sittingposiedzenie there in frontz przodu of the HapticDotykowe deviceurządzenie, the forcesiła feedbackinformacje zwrotne systemsystem,
300
712000
3000
Siedzi on przy urządzeniu dotykowym - systemie dotykowego sprzężenia zwrotnego,
12:10
and he's movingw ruchu his pendługopis towardsw kierunku the heartserce,
301
715000
3000
i porusza długopisem dotykając serca.
12:13
and the heartserce is now beatingbicie in frontz przodu of him,
302
718000
2000
Serce to bije tuż przed nim,
12:15
so he can see how the heartserce is beatingbicie.
303
720000
2000
a on jest w stanie dokładnie obserwować ten proces.
12:17
He's takenwzięty the pendługopis, and he's movingw ruchu it towardsw kierunku the heartserce,
304
722000
2000
Bierze długopis, i porusza nim w kierunku serca,
12:19
and he's puttingwprowadzenie it on the heartserce,
305
724000
2000
dotyka powierzchni serca,
12:21
and then he feelsczuje the heartbeatsbicie serca from the realreal livingżycie patientcierpliwy.
306
726000
3000
czuje uderzenia serca prawdziwego żywego pacjenta.
12:24
Then he can examinenależy sprawdzić, czy how the heartserce is movingw ruchu.
307
729000
2000
Może on zbadać ruchy jakie wykonuje serce.
12:26
He can go insidewewnątrz, pushPchać insidewewnątrz of the heartserce,
308
731000
2000
Może dostać się do środka jeśli zwiększy nacisk,
12:28
and really feel how the valveszawory are movingw ruchu.
309
733000
3000
by naprawdę poczuć fale krwi płynące wewnątrz.
12:31
And this, I think, is really the futureprzyszłość for heartserce surgeonsChirurdzy.
310
736000
3000
I sądzę, że właśnie to jest przyszłością kardiochirurgii.
12:34
I mean it's probablyprawdopodobnie the wetmokra dreamśnić for a heartserce surgeonChirurg
311
739000
3000
Pewnie jest to zmaza nocna kardiochirurgów -
12:37
to be ablezdolny to go insidewewnątrz of the patient'spacjenta heartserce
312
742000
3000
możliwość dostania się do wnętrza serca pacjenta
12:40
before you actuallytak właściwie do surgeryChirurgia,
313
745000
2000
przed rzeczywistą operacją
12:42
and do that with high-qualitywysokiej jakości resolutionrozkład datadane.
314
747000
2000
i dodatkowo zobaczenie tego w wysokiej rozdzielczości.
12:44
So this is really neatschludny.
315
749000
2000
Więc jest to naprawdę rewelacyjne.
12:47
Now we're going even furtherdalej into sciencenauka fictionfikcja.
316
752000
3000
A teraz przesuńmy się już całkowicie na skaj science fiction.
12:50
And we heardsłyszał a little bitkawałek about functionalfunkcjonalny MRIMRI.
317
755000
3000
Doszły do nas informacje o funkcjonalnym magnetycznym rezonansie jądrowym.
12:53
Now this is really an interestingciekawy projectprojekt.
318
758000
3000
To dopiero jest interesujący projekt.
12:56
MRIMRI is usingza pomocą magneticmagnetyczny fieldspola
319
761000
2000
Magnetyczny rezonans jądrowy za pomocą pól magnetycznych
12:58
and radioradio frequenciesczęstotliwości
320
763000
2000
i częstotliwości radiowych
13:00
to scanskandować the brainmózg, or any partczęść of the bodyciało.
321
765000
3000
skanuje mózg lub inną część ciała.
13:03
So what we're really gettinguzyskiwanie out of this
322
768000
2000
Zyskujemy dzięki temu
13:05
is informationInformacja of the structureStruktura of the brainmózg,
323
770000
2000
informacje o strukturze mózgu.
13:07
but we can alsorównież measurezmierzyć the differenceróżnica
324
772000
2000
oraz możemy zmierzyć
13:09
in magneticmagnetyczny propertiesnieruchomości of bloodkrew that's oxygenatedtlenowe
325
774000
3000
między magnetycznymi własnościami krwi natlenionej
13:12
and bloodkrew that's depletedwyczerpane of oxygentlen.
326
777000
3000
i krwi odtlenionej.
13:15
That meansznaczy that it's possiblemożliwy
327
780000
2000
Oznacza to możliwość
13:17
to mapmapa out the activityczynność of the brainmózg.
328
782000
2000
mapowania aktywności funkcjonalnej mózgu.
13:19
So this is something that we'vemamy been workingpracujący on.
329
784000
2000
A to jest coś nad czym pracowaliśmy.
13:21
And you just saw MottsTemat motts the researchBadania engineerinżynier, there,
330
786000
3000
Widzieliście właśnie Mottsa - inżyniera ds. badań
13:24
going into the MRIMRI systemsystem,
331
789000
2000
wjeżdżającego do urządzenia do rezonansu magnetycznego,
13:26
and he was wearingma na sobie gogglesgogle.
332
791000
2000
ma on na sobie specjalne okulary.
13:28
So he could actuallytak właściwie see things in the gogglesgogle.
333
793000
2000
Za pomocą tych okularów będzie on mógł zobaczyć pewne rzeczy.
13:30
So I could presentteraźniejszość things to him while he's in the scannerskaner.
334
795000
3000
Będę mógł mu coś pokazać podczas badania rezonansem.
13:33
And this is a little bitkawałek freakyzakręcony,
335
798000
2000
I jest to troszkę dziwne
13:35
because what MottsTemat motts is seeingwidzenie is actuallytak właściwie this.
336
800000
2000
to co Motts właściwie widzi to jest to.
13:37
He's seeingwidzenie his ownwłasny brainmózg.
337
802000
3000
Widzi on swój własny mózg.
13:40
So MottsTemat motts is doing something here,
338
805000
2000
Motts coś robi.
13:42
and probablyprawdopodobnie he is going like this with his right handdłoń,
339
807000
2000
Najprawdopodobniej wykonuje on taki ruch prawą ręką
13:44
because the left sidebok is activatedaktywowany
340
809000
2000
ponieważ widzimy aktywność lewej półkuli
13:46
on the motorsilnik cortexkora.
341
811000
2000
w rejonie kory ruchowej.
13:48
And then he can see that at the samepodobnie time.
342
813000
2000
A on w tym samym czasie może to zobaczyć.
13:50
These visualizationswizualizacje are brandMarka newNowy.
343
815000
2000
Wizualizacje te są nowym produktem.
13:52
And this is something that we'vemamy been researchingbadania for a little while.
344
817000
3000
Zajmujemy się tym od niedawna.
13:55
This is anotherinne sequencesekwencja of Motts'Temat motts brainmózg.
345
820000
3000
A oto kolejne obrazy przedstawiające mózg Mottsa.
13:58
And here we askedspytał MottsTemat motts to calculateobliczać backwardsWstecz from 100.
346
823000
3000
Poprosiliśmy go by liczył od 100 do 1.
14:01
So he's going "100, 97, 94."
347
826000
2000
Więc liczy: "100, 97, 94".
14:03
And then he's going backwardsWstecz.
348
828000
2000
Wymienia coraz niższe liczby.
14:05
And you can see how the little mathmatematyka processoredytor is workingpracujący up here in his brainmózg
349
830000
3000
Widać jak jego "matematyczny procesor" pracuje
14:08
and is lightingoświetlenie up the wholecały brainmózg.
350
833000
2000
podświetlając cały mózg.
14:10
Well this is fantasticfantastyczny. We can do this in realreal time.
351
835000
2000
Jest to fantastyczna rzecz. Możemy to robić w czasie rzeczywistym.
14:12
We can investigatezbadać things. We can tell him to do things.
352
837000
2000
Możemy badać różne rzeczy, kazać mu wykonywać polecenia.
14:14
You can alsorównież see that his visualwizualny cortexkora
353
839000
2000
Widać również, że jego kora wzrokowa
14:16
is activatedaktywowany in the back of the headgłowa,
354
841000
2000
znajdująca się w tylnej części mózgu została aktywowana
14:18
because that's where he's seeingwidzenie, he's seeingwidzenie his ownwłasny brainmózg.
355
843000
2000
ponieważ to co widzi, widzi za pomocą mózgu.
14:20
And he's alsorównież hearingprzesłuchanie our instructionsinstrukcje
356
845000
2000
Poza tym słyszy polecenia,
14:22
when we tell him to do things.
357
847000
2000
które mu wydajemy.
14:24
The signalsygnał is really deepgłęboki insidewewnątrz of the brainmózg as well,
358
849000
2000
Sygnał ten pochodzi głęboko z mózgu,
14:26
and it's shiningświecący throughprzez,
359
851000
2000
ale widać jak świeci przez wszystkie jego warstwy,
14:28
because all of the datadane is insidewewnątrz this volumeTom.
360
853000
2000
z powodu objętości jaką zajmuje.
14:30
And in just a seconddruga here you will see --
361
855000
2000
A za kilka sekund zobaczycie,
14:32
okay, here. MottsTemat motts, now moveruszaj się your left footstopa.
362
857000
2000
o już widać. Motts porusza teraz lewą stopą.
14:34
So he's going like this.
363
859000
2000
Robi coś w tym stylu.
14:36
For 20 secondstowary drugiej jakości he's going like that,
364
861000
2000
Przez 20 sekund wykonywał tą czynnosć
14:38
and all of a suddennagły it lightsświatła up up here.
365
863000
2000
i nagle zapala się ta część mózgu.
14:40
So we'vemamy got motorsilnik cortexkora activationAktywacja up there.
366
865000
2000
Więc widzimy tu aktywizację kory ruchowej.
14:42
So this is really, really nicemiły,
367
867000
2000
Jest to naprawdę świetna rzecz.
14:44
and I think this is a great toolnarzędzie.
368
869000
2000
I uważam, że jest to wspaniałe urządzenie.
14:46
And connectingzłączony alsorównież with the previouspoprzedni talk here,
369
871000
2000
A łącząc to z poprzednim wykładem,
14:48
this is something that we could use as a toolnarzędzie
370
873000
2000
jest to coś co można użyć jako narzędzie
14:50
to really understandzrozumieć
371
875000
2000
pozwalające naprawdę zrozumieć
14:52
how the neuronsneurony are workingpracujący, how the brainmózg is workingpracujący,
372
877000
2000
jak działają neurony, jak działa mózg,
14:54
and we can do this with very, very highwysoki visualwizualny qualityjakość
373
879000
3000
a to wszystko w bardzo bardzo wysokiej jakości wizji,
14:57
and very fastszybki resolutionrozkład.
374
882000
3000
w wysokiej rozdzielczości.
15:00
Now we're alsorównież havingmający a bitkawałek of funzabawa at the centercentrum.
375
885000
2000
A tutaj, trochę się rozerwaliśmy w naszym centrum.
15:02
So this is a CATKOT scanskandować -- ComputerKomputera AidedWspomagane TomographyTomografia komputerowa.
376
887000
3000
To jest tomograf komputerowy(CAT scan - angielska nazwa CAT oznacza kota).
15:06
So this is a lionLew from the locallokalny zooogród zoologiczny
377
891000
2000
Jest to lwica z lokalnego zoo
15:08
outsidena zewnątrz of NorrkopingNorrkoping in KolmardenKolmarden, ElsaElsa.
378
893000
3000
znajdującego się tuż przy Norrkoping w Kolmarden, o imieniu Elsa.
15:11
So she cameoprawa ołowiana witrażu to the centercentrum,
379
896000
2000
Przybyła ona do naszego centrum,
15:13
and they sedatedśrodki uspokajające her
380
898000
2000
została uśpiona,
15:15
and then put her straightproste into the scannerskaner.
381
900000
2000
po czym trafiła prosto do tomografu.
15:17
And then, of coursekurs, I get the wholecały datadane setzestaw from the lionLew.
382
902000
3000
Wtedy uzyskaliśmy pełen zestaw danych dotyczących lwicy.
15:20
And I can do very nicemiły imagesobrazy like this.
383
905000
2000
Mogę stworzyć takie fajne obrazy jak ten.
15:22
I can peelobierać off the layerwarstwa of the lionLew.
384
907000
2000
Mogę zdjąć z tej lwicy warstwę skóry.
15:24
I can look insidewewnątrz of it.
385
909000
2000
Mogę zaglądnąć do środka.
15:26
And we'vemamy been experimentingeksperymentować with this.
386
911000
2000
I właśnie z tym eksperymentowaliśmy.
15:28
And I think this is a great applicationpodanie
387
913000
2000
Sądzę że jest to wspaniała aplikacja,
15:30
for the futureprzyszłość of this technologytechnologia,
388
915000
2000
przyszłość tej technologii.
15:32
because there's very little knownznany about the animalzwierzę anatomyanatomia.
389
917000
3000
Ponieważ niewiele wiadomo o zwierzęcej anatomii.
15:35
What's knownznany out there for veterinariansWeterynarze is kinduprzejmy of basicpodstawowy informationInformacja.
390
920000
3000
Weterynarze posiadają właściwie tylko podstawowe informacje tego typu.
15:38
We can scanskandować all sortssortuje of things,
391
923000
2000
Możemy przeskanować różne rzeczy,
15:40
all sortssortuje of animalszwierzęta.
392
925000
2000
różne rodzaje zwierząt.
15:42
The only problemproblem is to fitdopasowanie it into the machinemaszyna.
393
927000
3000
Jedynym problemem jest zmieszczenie ich w tej maszynie.
15:45
So here'soto jest a bearNiedźwiedź.
394
930000
2000
Tutaj mamy niedźwiedzia.
15:47
It was kinduprzejmy of hardciężko to get it in.
395
932000
2000
Ciężko było go tam zmieścić.
15:49
And the bearNiedźwiedź is a cuddlyprzytulanki, friendlyprzyjazny animalzwierzę.
396
934000
3000
Niedźwiedzie to przyjazne zwierzęta, przytulanki.
15:52
And here it is. Here is the nosenos of the bearNiedźwiedź.
397
937000
3000
Tu mamy jego zdjęcie. Tu mamy nos.
15:55
And you mightmoc want to cuddleprzytulać this one,
398
940000
3000
Do tego pewnie chcielibyście się przytulić.
15:58
untilaż do you changezmiana the functionsFunkcje and look at this.
399
943000
3000
Ale gdy zmienimy funkcję i widać to - wtedy raczej zmienicie zdanie.
16:01
So be awareświadomy of the bearNiedźwiedź.
400
946000
2000
Więc raczej strzeżcie się niedźwiedzi.
16:03
So with that,
401
948000
2000
W tym miejscu
16:05
I'd like to thank all the people
402
950000
2000
chciałbym podziękować wszystkim
16:07
who have helpedpomógł me to generateGenerować these imagesobrazy.
403
952000
2000
którzy pomogli mi w stworzeniu tych obrazów
16:09
It's a hugeolbrzymi effortwysiłek that goesidzie into doing this,
404
954000
2000
Jest to bardzo duży wysiłek -
16:11
gatheringzebranie the datadane and developingrozwijanie the algorithmsalgorytmy,
405
956000
3000
zebranie danych, stworzenie algorytmów,
16:14
writingpisanie all the softwareoprogramowanie.
406
959000
2000
napisanie oprogramowania.
16:16
So, some very talentedutalentowany people.
407
961000
3000
Więc, są to bardzo utalentowani ludzie.
16:19
My mottomotto is always, I only hirezatrudnić people that are smartermądrzejszy than I am
408
964000
3000
Moim mottem jest: zatrudniam tylko ludzi mądrzejszych ode mnie
16:22
and mostwiększość of these are smartermądrzejszy than I am.
409
967000
2000
i większość z nich jest mądrzejsza ode mnie.
16:24
So thank you very much.
410
969000
2000
Dziękuję bardzo.
16:26
(ApplauseAplauz)
411
971000
4000
Brawa
Translated by Karolina Sobczyk
Reviewed by Marek Kasiak

▲Back to top

ABOUT THE SPEAKER
Anders Ynnerman - Scientific visualization expert
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction.

Why you should listen

Professor Anders Ynnerman received a Ph.D. in physics from Gothenburg University. During the early 90s he was doing research at Oxford University and Vanderbilt University. In 1996 he started the Swedish National Graduate School in Scientific Computing, which he directed until 1999. From 1997 to 2002 he directed the Swedish National Supercomputer Centre and from 2002 to 2006 he directed the Swedish National Infrastructure for Computing (SNIC).

Since 1999 he is holding a chair in scientific visualization at Linköping University and in 2000 he founded the Norrköping Visualization and Interaction Studio (NVIS). NVIS currently constitutes one of the main focal points for research and education in computer graphics and visualization in the Nordic region. Ynnerman is currently heading the build-up of a large scale center for Visualization in Norrköping.

More profile about the speaker
Anders Ynnerman | Speaker | TED.com