TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
Андерс Инерман: Визуализиране на експлозията от медицински данни
Filmed:
Readability: 3.4
539,883 views
Днес медицинските сканери произвеждат хиляди изображения и терабайти данни от един пациент буквално за секунди, но как лекарите могат да анализират тази информация и да определят какво е полезно? На TEDxGöteborg експертът по визуализация на научни данни Андерс Инерман ни показва сложни нови инструменти -- като виртуални аутопсии -- за анализиране на тези безбройни данни, както и бегъл поглед към някои научно-фантастични медицински технологии в развитие. Този разговор съдържа няколко твърде графични медицински изображения.
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. Full bio
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 start by posing a little bit of a challenge:
0
0
4000
Ще започна с представянето на малко предизвикателство,
00:19
the challenge of dealing with data,
1
4000
3000
необходимостта да се справяме с данни,
00:22
data that we have to deal with
2
7000
2000
данните, с които трябва да се справяме
00:24
in medical situations.
3
9000
2000
в медицински ситуации.
00:26
It's really a huge challenge for us.
4
11000
2000
Това е наистина огромно предизвикателство за нас.
00:28
And this is our beast of burden --
5
13000
2000
И това е нашето непосилно тегло.
00:30
this is a Computer Tomography machine,
6
15000
2000
Това е машина за компютърна томография --
00:32
a CT machine.
7
17000
2000
КТ машина.
00:34
It's a fantastic device.
8
19000
2000
Това е фантастично устройство.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
То използва рентген, рентгенови лъчи,
00:38
that are rotating very fast around the human body.
10
23000
3000
които се въртят много бързо около човешкото тяло.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
Необходими си 30 секунди, за да се мине през цялата машина
00:43
and is generating enormous amounts of information
12
28000
2000
и се генерира огромен обем информация,
00:45
that comes out of the machine.
13
30000
2000
която излиза от машината.
00:47
So this is a fantastic machine
14
32000
2000
Така че това е фантастична машина,
00:49
that we can use
15
34000
2000
която може да използваме
00:51
for improving health care,
16
36000
2000
за подобряване на здравеопазването.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
Но както казах, това също е предизвикателство пред нас.
00:55
And the challenge is really found in this picture here.
18
40000
3000
И предизвикателството наистина може да се види в тази снимка тук.
00:58
It's the medical data explosion
19
43000
2000
Това е медицинската експлозия от данни,
01:00
that we're having right now.
20
45000
2000
която се случва в момента.
01:02
We're facing this problem.
21
47000
2000
Ние сме изправени пред този проблем.
01:04
And let me step back in time.
22
49000
2000
И нека да се върна назад във времето.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
Да се върнем няколко години назад във времето и да видим какво се е случвало тогава.
01:09
These machines that came out --
24
54000
2000
Тези машини, които излязоха --
01:11
they started coming in the 1970s --
25
56000
2000
те започнаха да навлизат през 70-те години --
01:13
they would scan human bodies,
26
58000
2000
те сканираха човешкото тяло,
01:15
and they would generate about 100 images
27
60000
2000
и генерираха около 100 снимки
01:17
of the human body.
28
62000
2000
на човешкото тяло.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
И ние си позволихме волността, за да ни стане по-ясно,
01:21
to translate that to data slices.
30
66000
3000
да представим това като разрези от данни.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
Това би съответствало на около 50 MB данни,
01:26
which is small
32
71000
2000
което е малко,
01:28
when you think about the data we can handle today
33
73000
3000
когато си мислите за данните, с които можем да боравим днес
01:31
just on normal mobile devices.
34
76000
2000
на обикновените мобилни устройства.
01:33
If you translate that to phone books,
35
78000
2000
Ако представите това като телефонни указатели,
01:35
it's about one meter of phone books in the pile.
36
80000
3000
това е около един метър от телефонни указатели на купчина.
01:38
Looking at what we're doing today
37
83000
2000
Ако погледнем това, което правим днес
01:40
with these machines that we have,
38
85000
2000
с тези машини, които имаме,
01:42
we can, just in a few seconds,
39
87000
2000
можем, само за няколко секунди
01:44
get 24,000 images out of a body,
40
89000
2000
да получим 24 000 снимки на тялото.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
А това би съответствало на около 20 GB от данни,
01:49
or 800 phone books,
42
94000
2000
или 800 телефонни указатели.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
И купчината тогава ще бъде 200 метра от телефонни указатели.
01:53
What's about to happen --
44
98000
2000
Това, което предстои да се случи --
01:55
and we're seeing this; it's beginning --
45
100000
2000
и ние виждаме това, то е в зародиш --
01:57
a technology trend that's happening right now
46
102000
2000
технологична тенденция, която се случва точно сега
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
е, че ние започваме да наблюдаваме и резултатни ситуации във времето.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
Така че ние също получаваме и динамиката от тялото,
02:05
And just assume
49
110000
2000
И само да предположим,
02:07
that we will be collecting data during five seconds,
50
112000
3000
че можем да събираме данни в продължение на пет секунди,
02:10
and that would correspond to one terabyte of data --
51
115000
2000
и това ще съответства на 1 TB данни.
02:12
that's 800,000 books
52
117000
2000
Това са 800 000 книги
02:14
and 16 kilometers of phone books.
53
119000
2000
и 16 км. от телефонни указатели.
02:16
That's one patient, one data set.
54
121000
2000
Това е от един пациент, един набор от данни.
02:18
And this is what we have to deal with.
55
123000
2000
Ето с какво трябва да се справяме.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
Така че това наистина е огромно предизвикателство, пред което сме изправени.
02:23
And already today -- this is 25,000 images.
57
128000
3000
И дори днес -- това са 25 000 изображения.
02:26
Imagine the days
58
131000
2000
Представете си дните,
02:28
when we had radiologists doing this.
59
133000
2000
когато рентгенолозите правеха това.
02:30
They would put up 25,000 images,
60
135000
2000
Те трябваше да поставят 25 000 изображения,
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
и да процедират по следния начин: "25 000, добре, добре.
02:35
There is the problem."
62
140000
2000
Ето го проблемът."
02:37
They can't do that anymore. That's impossible.
63
142000
2000
Те не могат да правят това повече, това е невъзможно.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
Така че трябва да направим нещо, което е малко по-интелигентно, отколкото да правим това.
02:43
So what we do is that we put all these slices together.
65
148000
2000
Така че това, което правим е да поставяме всички тези парчета заедно.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
Представете си, че можете да нарежете тялото във всички тези посоки,
02:48
and then you try to put the slices back together again
67
153000
3000
и след това се опитвате да насложите парчетата отново заедно
02:51
into a pile of data, into a block of data.
68
156000
2000
в купчина от данни, в блок от данни.
02:53
So this is really what we're doing.
69
158000
2000
Това е всъщност онова, което правим.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
Така че тези гигабайт или терабайт от данни, ние ги поставяме в този блок.
02:58
But of course, the block of data
71
163000
2000
Но разбира се, блокът от данни
03:00
just contains the amount of X-ray
72
165000
2000
просто съдържа количеството рентгенови лъчи,
03:02
that's been absorbed in each point in the human body.
73
167000
2000
които са били погълнати от всяка точка в човешкото тяло.
03:04
So what we need to do is to figure out a way
74
169000
2000
Така че това, което трябва да направим, е да намерим начин
03:06
of looking at the things we do want to look at
75
171000
3000
да видим нещата, които искаме да гледаме,
03:09
and make things transparent that we don't want to look at.
76
174000
3000
и да направим прозрачни нещата, които не искаме да гледаме.
03:12
So transforming the data set
77
177000
2000
Т.е. да трансформираме данните
03:14
into something that looks like this.
78
179000
2000
в нещо, което изглежда по следния начин.
03:16
And this is a challenge.
79
181000
2000
И това е предизвикателство.
03:18
This is a huge challenge for us to do that.
80
183000
3000
Това е огромно предизвикателство за нас да го направим.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
Използвайки компютри, въпреки че те стават все по-бързи и по-добри с времето,
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
предизвикателство е да се справяме с огромното количество данни,
03:26
terabytes of data
83
191000
2000
терабайти данни,
03:28
and extracting the relevant information.
84
193000
2000
и да извлечем нужната информация.
03:30
I want to look at the heart.
85
195000
2000
Искам да погледна в сърцето,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
искам да погледна в кръвоносните съдове, искам да погледна черния дроб,
03:34
Maybe even find a tumor,
87
199000
2000
може би дори да открия тумор
03:36
in some cases.
88
201000
2000
в някои случаи.
03:39
So this is where this little dear comes into play.
89
204000
2000
Така че това е мястото, където това малко съкровище влиза в играта.
03:41
This is my daughter.
90
206000
2000
Това е дъщеря ми.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
Това е от 9:00 часа тази сутрин.
03:45
She's playing a computer game.
92
210000
2000
Тя играе на компютърна игра.
03:47
She's only two years old,
93
212000
2000
Тя е само на две години,
03:49
and she's having a blast.
94
214000
2000
и се забавлява.
03:51
So she's really the driving force
95
216000
3000
Така че тя е наистина движещата сила
03:54
behind the development of graphics-processing units.
96
219000
3000
зад разработването на графичните процесори.
03:58
As long as kids are playing computer games,
97
223000
2000
Докато децата играят компютърни игри,
04:00
graphics is getting better and better and better.
98
225000
2000
графиките стават все по-добри и по-добри.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
Така че, моля върнете се в къщи, кажете на децата си да играят повече игри,
04:04
because that's what I need.
100
229000
2000
защото това е, което ми трябва.
04:06
So what's inside of this machine
101
231000
2000
И така, нещото което е вътре в тази машина
04:08
is what enables me to do the things that I'm doing
102
233000
2000
е онова, което ми дава възможност да правя това, което правя
04:10
with the medical data.
103
235000
2000
с медицинските данни.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
Така че наистина това, което правя е да използвам тези фантастични малки устройства.
04:15
And you know, going back
105
240000
2000
И знаете ли, връщайки се назад
04:17
maybe 10 years in time
106
242000
2000
може би 10 години във времето,
04:19
when I got the funding
107
244000
2000
когато получих финансирането
04:21
to buy my first graphics computer --
108
246000
2000
за да си купя първия графичен компютър.
04:23
it was a huge machine.
109
248000
2000
Това беше огромна машина.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
Това бяха шкафове с процесори и дискове и всичко останало.
04:28
I paid about one million dollars for that machine.
111
253000
3000
Платих около един милион долара за тази машина.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
Тази машина е, днес, токова бърза, колкото моя iPhone.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
Така че всеки месец излизат нови графични карти.
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
И ето някои от най-новите от прозводителите --
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
NVIDIA, ATI, Intel е също на пазара.
04:45
And you know, for a few hundred bucks
116
270000
2000
И знаете ли, за няколко стотин долара
04:47
you can get these things and put them into your computer,
117
272000
2000
можете да се сдобиете с тези неща и да ги поставите във вашия компютър,
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
и можете да правите фантастични неща с тези видео карти.
04:52
So this is really what's enabling us
119
277000
2000
Така че това е наистина нещото, което ни позволява
04:54
to deal with the explosion of data in medicine,
120
279000
3000
да се справяме с експлозията от данни в областта на медицината,
04:57
together with some really nifty work
121
282000
2000
заедно с наистина елегантна работа,
04:59
in terms of algorithms --
122
284000
2000
по отношение на алгоритми --
05:01
compressing data,
123
286000
2000
компресиране на данни,
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
извличане на полезната информация, над която хората правят изследвания.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
И сега ще ви покажа няколко примера за това, което можем да правим.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
Това е набор от данни, които са били записани с помощта на КТ скенер.
05:12
You can see that this is a full data [set].
127
297000
3000
Можете да видите, че това е пълен набор от данни.
05:15
It's a woman. You can see the hair.
128
300000
3000
Това е жена. Можете да видите косата.
05:18
You can see the individual structures of the woman.
129
303000
3000
Можете да видите отделните черти на жената.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
Можете да видите, че има разсейване на рентгеновите лъчи
05:24
on the teeth, the metal in the teeth.
131
309000
2000
върху зъбите, метала в зъбите.
05:26
That's where those artifacts are coming from.
132
311000
3000
Ето откъде идват тези артефакти.
05:29
But fully interactively
133
314000
2000
Но напълно интерактивно,
05:31
on standard graphics cards on a normal computer,
134
316000
3000
на стандартни графични карти на нормален компютър,
05:34
I can just put in a clip plane.
135
319000
2000
мога да сложа отрязана равнина.
05:36
And of course all the data is inside,
136
321000
2000
И разбира се всички данни са вътре,
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
мога да започна да я въртя, мога да гледам на нея от различен ъгъл,
05:41
and I can see that this woman had a problem.
138
326000
3000
и мога да видя, че тази жена има проблем.
05:44
She had a bleeding up in the brain,
139
329000
2000
Тя имаше кръвоизлив в мозъка,
05:46
and that's been fixed with a little stent,
140
331000
2000
и това беше оправено с малък стент,
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
метална скоба, която затяга кръвоносния съд.
05:50
And just by changing the functions,
142
335000
2000
И само чрез промяна на функциите,
05:52
then I can decide what's going to be transparent
143
337000
3000
след това мога да преценя какво да бъде невидимо
05:55
and what's going to be visible.
144
340000
2000
и какво да се вижда.
05:57
I can look at the skull structure,
145
342000
2000
Мога да погледна в черепната структура,
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
и мога да видя, че да, това е мястото, където те са отворили черепа на тази жена,
06:02
and that's where they went in.
147
347000
2000
и ето къде са проникнали.
06:04
So these are fantastic images.
148
349000
2000
Това са фантастични образи.
06:06
They're really high resolution,
149
351000
2000
Те са с много висока резолюция,
06:08
and they're really showing us what we can do
150
353000
2000
и те наистина ни показват какво можем да направим
06:10
with standard graphics cards today.
151
355000
3000
със стандартни графични карти днес.
06:13
Now we have really made use of this,
152
358000
2000
Ние наистина се възползвахме от тази,
06:15
and we have tried to squeeze a lot of data
153
360000
3000
и се опитахме да поберем много данни
06:18
into the system.
154
363000
2000
в системата.
06:20
And one of the applications that we've been working on --
155
365000
2000
И едно от приложенията над които работим --
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
и това намира приложение по целия свят --
06:25
is the application of virtual autopsies.
157
370000
2000
е прилагането на виртуални аутопсии.
06:27
So again, looking at very, very large data sets,
158
372000
2000
Отново, гледаме много, много големи масиви от данни,
06:29
and you saw those full-body scans that we can do.
159
374000
3000
и вие видяхте тези снимки на цялото тяло, които можем да направим.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
Ние просто прекарваме тялото през целия КТ скенер,
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
и само за няколко секунди можем да получим данни за цялото тяло.
06:38
So this is from a virtual autopsy.
162
383000
2000
Така че това е от виртуална аутопсия.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
И можете да видите как постепенно го отделям на слоеве.
06:42
First you saw the body bag that the body came in,
164
387000
3000
Първо видяхте торбата, в която дойде тялото,
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
след това отделям кожата -- можете да видите мускулите --
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
и накрая можете да видите костната структура на тази жена.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
Сега в този момент, бих искал да подчертая,
06:54
that, with the greatest respect
168
399000
2000
че с най-голямо уважение
06:56
for the people that I'm now going to show --
169
401000
2000
за хората, които сега ще ви покажа --
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
ще ви покажа няколко случая на виртуални аутопсии --
07:00
so it's with great respect for the people
171
405000
2000
така че с голямо уважение към хората,
07:02
that have died under violent circumstances
172
407000
2000
които са умрели при насилствени обстоятелства,
07:04
that I'm showing these pictures to you.
173
409000
3000
ще ви покажа тези снимки.
07:08
In the forensic case --
174
413000
2000
В съдебните дела --
07:10
and this is something
175
415000
2000
и това е нещо,
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
в което е имало около 400 случаи досега,
07:14
just in the part of Sweden that I come from
177
419000
2000
само в тази част на Швеция, от която идвам,
07:16
that has been undergoing virtual autopsies
178
421000
2000
която е била подложена на виртуални аутопсии
07:18
in the past four years.
179
423000
2000
през последните четири години.
07:20
So this will be the typical workflow situation.
180
425000
3000
Така че това е типичната ситуация на работния процес.
07:23
The police will decide --
181
428000
2000
Полицията взема решение --
07:25
in the evening, when there's a case coming in --
182
430000
2000
вечерта, когато има нов случай --
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
те решават, добре, дали това е случай, в който трябва да се прави аутопсия.
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
Така че на сутринта, между шест и седем часа сутринта,
07:33
the body is then transported inside of the body bag
185
438000
2000
тялото е след това транспортирано в чувал
07:35
to our center
186
440000
2000
до нашия център,
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
и бива сканирано чрез един от КТ скенерите.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
И после рентгенолога, заедно с патолога
07:41
and sometimes the forensic scientist,
189
446000
2000
а понякога и съдебномедицинския учен,
07:43
looks at the data that's coming out,
190
448000
2000
разглеждат данните, които се появяват,
07:45
and they have a joint session.
191
450000
2000
и имат съвместно заседание.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
И после те решават какво да се прави в реалната физическа аутопсия след това.
07:52
Now looking at a few cases,
193
457000
2000
Сега нека да разгледаме няколко случая,
07:54
here's one of the first cases that we had.
194
459000
2000
това е един от първите случаи, които имахме.
07:56
You can really see the details of the data set.
195
461000
3000
Наистина можете да видите подробностите от данните;
07:59
It's very high-resolution,
196
464000
2000
това е с много висока разделителна способност.
08:01
and it's our algorithms that allow us
197
466000
2000
И нашите алгоритми ни позволяват
08:03
to zoom in on all the details.
198
468000
2000
да се фокусираме върху всички подробности.
08:05
And again, it's fully interactive,
199
470000
2000
И отново, това е напълно интерактивно,
08:07
so you can rotate and you can look at things in real time
200
472000
2000
можете да го въртите и можете да гледате нещата в реално време
08:09
on these systems here.
201
474000
2000
на тези системи тук.
08:11
Without saying too much about this case,
202
476000
2000
Без да навлизам в прекалено много подробности за този случай,
08:13
this is a traffic accident,
203
478000
2000
това е пътно-транспортно произшествие,
08:15
a drunk driver hit a woman.
204
480000
2000
пиян шофьор блъснал жена.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
И много лесно могат да се видят щетите върху костната структура.
08:20
And the cause of death is the broken neck.
206
485000
3000
Причината за смъртта е счупения врат.
08:23
And this women also ended up under the car,
207
488000
2000
И тази жена също се озовала под колата,
08:25
so she's quite badly beaten up
208
490000
2000
така че тя е доста зле пребита
08:27
by this injury.
209
492000
2000
от нараняванията.
08:29
Here's another case, a knifing.
210
494000
3000
Ето още един случай, прободна рана.
08:32
And this is also again showing us what we can do.
211
497000
2000
И това е отново случай, който ни показва какво можем да правим.
08:34
It's very easy to look at metal artifacts
212
499000
2000
Много е лесно да видим металните предмети,
08:36
that we can show inside of the body.
213
501000
3000
които можем да покажем във вътрешността на тялото.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
Можете да видите също някои предмети от зъбите --
08:42
that's actually the filling of the teeth --
215
507000
2000
това всъщност са пломбите от зъбите --
08:44
but because I've set the functions to show me metal
216
509000
3000
но това е понеже настроих функцията да ми покаже метала
08:47
and make everything else transparent.
217
512000
2000
и да направи всичко друго невидимо.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
Ето още един насилствен случай. Това наистина не е убило човека.
08:52
The person was killed by stabs in the heart,
219
517000
2000
Лицето било убито от пробождане в сърцето,
08:54
but they just deposited the knife
220
519000
2000
но те просто оставили ножа,
08:56
by putting it through one of the eyeballs.
221
521000
2000
като го заболи в една от очните абълки.
08:58
Here's another case.
222
523000
2000
Ето още един случай.
09:00
It's very interesting for us
223
525000
2000
Той е много интересен за нас,
09:02
to be able to look at things like knife stabbings.
224
527000
2000
защото ни позволява да изследваме неща като прободни рани.
09:04
Here you can see that knife went through the heart.
225
529000
3000
Тук можете да видите, че ножа преминал през сърцето.
09:07
It's very easy to see how air has been leaking
226
532000
2000
Много лесно може да се види как въздуха преминава
09:09
from one part to another part,
227
534000
2000
от една страна в друга страна,
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
което е трудно да се направи при нормална, стандартна, физическа аутопсията.
09:14
So it really, really helps
229
539000
2000
Така че това помага наистина много
09:16
the criminal investigation
230
541000
2000
на криминалното разследване
09:18
to establish the cause of death,
231
543000
2000
да установи причината за смъртта,
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
и в някои случаи също да насочи разследването в правилната посока,
09:23
to find out who the killer really was.
233
548000
2000
за да се открие кой е убиецът.
09:25
Here's another case that I think is interesting.
234
550000
2000
Ето още един случай, който мисля, че е интересен.
09:27
Here you can see a bullet
235
552000
2000
Тук можете да видите куршум,
09:29
that has lodged just next to the spine on this person.
236
554000
3000
който се е забил в непосредствена близост до гръбначния стълб на този човек.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
И това, което сме направили е, че сме превърнали куршума в източник на светлина,
09:35
so that bullet is actually shining,
238
560000
2000
така че куршумът всъщност свети,
09:37
and it makes it really easy to find these fragments.
239
562000
3000
и това улеснява намирането на тези фрагменти.
09:40
During a physical autopsy,
240
565000
2000
По време на физическа аутопсия,
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
ако трябва всъщност да се ровичкате из тялото, за да може да намерите тези фрагменти,
09:44
that's actually quite hard to do.
242
569000
2000
това е всъщност доста трудно да се направи.
09:48
One of the things that I'm really, really happy
243
573000
2000
Едно от нещата, които съм наистина много щастлив,
09:50
to be able to show you here today
244
575000
3000
че мога да ви покажа днес
09:53
is our virtual autopsy table.
245
578000
2000
е нашата виртуална маса за аутопсии.
09:55
It's a touch device that we have developed
246
580000
2000
Това е устройство, работещо с докосвания, което сме разработили
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
на базата на тези алгоритми, с помощта на графични изчислитени устройства.
10:00
It actually looks like this,
248
585000
2000
То всъщност изглежда така,
10:02
just to give you a feeling for what it looks like.
249
587000
3000
просто за да добиете представа как изглежда.
10:05
It really just works like a huge iPhone.
250
590000
3000
Това наистина работи като един огромен iPhone.
10:08
So we've implemented
251
593000
2000
Ние сме вградили
10:10
all the gestures you can do on the table,
252
595000
3000
всички жестове, които можете да правите, в масата,
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
и можете да си мислите за нея като огромен сензорен интерфейс.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
Така че, ако сте си мислили да си купите iPad,
10:19
forget about it. This is what you want instead.
255
604000
3000
забравите за него, ето какво може да искате вместо него.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
Стив, надявам се да слушате това, добре.
10:26
So it's a very nice little device.
257
611000
2000
И така, това е много хубаво малко устройство.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
Така че, ако имате възможността, моля изпробвайте го.
10:30
It's really a hands-on experience.
259
615000
3000
То дава наистина практически опит.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
И така това набира скорост, и ние се опитваме да го наложим
10:36
and trying to use it for educational purposes,
261
621000
2000
и се опитваме да го използваме за образователни цели,
10:38
but also, perhaps in the future,
262
623000
2000
но също така, може би в бъдеще,
10:40
in a more clinical situation.
263
625000
3000
в по-клинични ситуации.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
Има YouTube клип, който можете да изтеглите и да гледате,
10:45
if you want to convey the information to other people
265
630000
2000
ако искате да предадете информацията на други хора
10:47
about virtual autopsies.
266
632000
3000
за виртуалните аутопсии.
10:50
Okay, now that we're talking about touch,
267
635000
2000
Добре, сега, като стана дума за докосване,
10:52
let me move on to really "touching" data.
268
637000
2000
нека да преминем към наистина трогателни данни.
10:54
And this is a bit of science fiction now,
269
639000
2000
И това е малко научна фантастика в момента,
10:56
so we're moving into really the future.
270
641000
3000
така че ние се пренасяме сега в бъдещето.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
Това не е съвсем нещо, което лекарите използват в момента,
11:02
but I hope they will in the future.
272
647000
2000
но се надявам, че ще го правят в бъдеще.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
И така това, което виждате в ляво е едно устройство, работещо с докосвания.
11:07
It's a little mechanical pen
274
652000
2000
То е нещо като механична писалка,
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
което има много, много бързи стъпкови двигатели във вътрешността на писалката.
11:12
And so I can generate a force feedback.
276
657000
2000
И така, мога да генерирам обратна сила.
11:14
So when I virtually touch data,
277
659000
2000
Така че когато виртуално докосвам данни,
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
то създава сили на докосване в писалката, така че получавате информация обратно.
11:19
So in this particular situation,
279
664000
2000
И така в тази конкретна ситуация,
11:21
it's a scan of a living person.
280
666000
2000
това е сканиране на жив човек.
11:23
I have this pen, and I look at the data,
281
668000
3000
Имам този химикал и гледам данните,
11:26
and I move the pen towards the head,
282
671000
2000
и придвижвам писалката към главата,
11:28
and all of a sudden I feel resistance.
283
673000
2000
и изведнъж чувствам съпротива.
11:30
So I can feel the skin.
284
675000
2000
Така че мога да почувствам кожата.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
Ако натисна малко по-силно, ще проникна през кожата,
11:34
and I can feel the bone structure inside.
286
679000
3000
и мога да почувствам костната структура вътре.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
Ако натисна още по-силно, ще проникна през костната структура,
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
особено в близост до ухото, където костите са много меки.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
И после мога да усетя мозъка вътре, и това ще бъде малко мекушаво
11:45
So this is really nice.
290
690000
2000
Така че това е много хубаво.
11:47
And to take that even further, this is a heart.
291
692000
3000
И да отведем нещата още по-надалеч, това е сърце.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
И това се дължи на тези фантастични нови скенери,
11:53
that just in 0.3 seconds,
293
698000
2000
че само за 0,3 секунди,
11:55
I can scan the whole heart,
294
700000
2000
мога да сканирам цялото сърце,
11:57
and I can do that with time resolution.
295
702000
2000
и мога да направя това в течение на времето.
11:59
So just looking at this heart,
296
704000
2000
Така че просто да погледнем това сърце,
12:01
I can play back a video here.
297
706000
2000
мога да покажа един клип тук.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
И това е Карлйохан, един от моите студенти,
12:05
who's been working on this project.
299
710000
2000
който работеше над този проект.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
И той седи там пред Хаптик устройството, системата за обратна връзка,
12:10
and he's moving his pen towards the heart,
301
715000
3000
и движи писалката към сърцето,
12:13
and the heart is now beating in front of him,
302
718000
2000
и сърцето сега тупти пред него,
12:15
so he can see how the heart is beating.
303
720000
2000
така че той може да види как сърцето бие.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
Той взема писалката и я движи към сърцето,
12:19
and he's putting it on the heart,
305
724000
2000
и я поставя върху сърцето,
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
и после чувства сърцебиенето от истински жив пациент.
12:24
Then he can examine how the heart is moving.
307
729000
2000
После той може да проучи как сърцето се движи.
12:26
He can go inside, push inside of the heart,
308
731000
2000
Той може да влезе вътре, да проникне вътре в сърцето,
12:28
and really feel how the valves are moving.
309
733000
3000
и наистина да почувства как се движат клапите.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
И това, според мен, е наистина бъдещето пред сърдечните хирурзи.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
Искам да кажа, вероятно това е като мокър сън за сърдечните хирурзи,
12:37
to be able to go inside of the patient's heart
312
742000
3000
да могат да влязат вътре в сърцето на пациента,
12:40
before you actually do surgery,
313
745000
2000
преди всъщност да направят операцията,
12:42
and do that with high-quality resolution data.
314
747000
2000
и да направят това с данни с висококачествена резолюция.
12:44
So this is really neat.
315
749000
2000
Така че това е наистина хубаво.
12:47
Now we're going even further into science fiction.
316
752000
3000
Сега ние отиваме още по-далеч в сферата на научната фантастика.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
И ние сме чували нещо за функционална Магнитно Резонансна Томография.
12:53
Now this is really an interesting project.
318
758000
3000
Това е наистина един интересен проект
12:56
MRI is using magnetic fields
319
761000
2000
МРТ използва магнитни полета
12:58
and radio frequencies
320
763000
2000
и радиочестоти,
13:00
to scan the brain, or any part of the body.
321
765000
3000
за сканиране на мозъка, или друга част от тялото.
13:03
So what we're really getting out of this
322
768000
2000
Така че това, което наистина извличаме оттук
13:05
is information of the structure of the brain,
323
770000
2000
е информация за структурата на мозъка,
13:07
but we can also measure the difference
324
772000
2000
но ние също така можем да измерваме разликата
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
в магнитните свойства на кръвта, която е наситена с кислород,
13:12
and blood that's depleted of oxygen.
326
777000
3000
и кръвта, която е изчерпана на кислород.
13:15
That means that it's possible
327
780000
2000
Това означава, че е възможно
13:17
to map out the activity of the brain.
328
782000
2000
да картографираме дейността на мозъка.
13:19
So this is something that we've been working on.
329
784000
2000
Така че това е нещо, над което работим.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
И току-що видяхте Мотс, инженера изследовател,
13:24
going into the MRI system,
331
789000
2000
който влиза в МРТ системата
13:26
and he was wearing goggles.
332
791000
2000
и носи очила.
13:28
So he could actually see things in the goggles.
333
793000
2000
Всъщност той може да вижда неща в очилата.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
Така че мога да му показвам неща, докато е в скенера.
13:33
And this is a little bit freaky,
335
798000
2000
И това е малко странно,
13:35
because what Motts is seeing is actually this.
336
800000
2000
защото онова, което Мотс вижда е всъщност това.
13:37
He's seeing his own brain.
337
802000
3000
Той вижда собствения си мозък.
13:40
So Motts is doing something here,
338
805000
2000
Мотс прави нещо тук.
13:42
and probably he is going like this with his right hand,
339
807000
2000
И вероятно той прави нещо такова с дясната си ръка,
13:44
because the left side is activated
340
809000
2000
тъй като лявата страна е активирана
13:46
on the motor cortex.
341
811000
2000
на моторната кора.
13:48
And then he can see that at the same time.
342
813000
2000
И тогава той може да види това по същото време.
13:50
These visualizations are brand new.
343
815000
2000
Тези визуализации са съвсем нови.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
И това е нещо, което изследваме от известно време.
13:55
This is another sequence of Motts' brain.
345
820000
3000
Това е още една поредица от мозъка на Мотс.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
Тук накарахме Мотс да брои назад от 100.
14:01
So he's going "100, 97, 94."
347
826000
2000
Така че той брой "100, 97, 94."
14:03
And then he's going backwards.
348
828000
2000
И после продължава назад.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
И можете да видите как малкия изчислителен процесор работи в мозъка му
14:08
and is lighting up the whole brain.
350
833000
2000
и осветява целия мозък.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
Това е фантастично. Можем да правим това в реално време.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
Ние можем да изследваме неща. Можем да му кажем да прави неща.
14:14
You can also see that his visual cortex
353
839000
2000
Можете да видите, че неговата визуална кора
14:16
is activated in the back of the head,
354
841000
2000
се активира в задната част на главата,
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
защото там е мястото, където той вижда, той вижда своя мозък.
14:20
And he's also hearing our instructions
356
845000
2000
И той също слуша нашите инструкции,
14:22
when we tell him to do things.
357
847000
2000
когато му казваме да прави неща.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
Сигналът е наистина дълбоко в мозъка,
14:26
and it's shining through,
359
851000
2000
но проблясва през него,
14:28
because all of the data is inside this volume.
360
853000
2000
защото всички данни са в това пространство.
14:30
And in just a second here you will see --
361
855000
2000
И само след секунда ще видите тук --
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
Добре, ето. Матс, сега премести левия крак.
14:34
So he's going like this.
363
859000
2000
Така той застава по този начин.
14:36
For 20 seconds he's going like that,
364
861000
2000
За 20 секунди той стои по този начин,
14:38
and all of a sudden it lights up up here.
365
863000
2000
и изведнъж тук се осветява.
14:40
So we've got motor cortex activation up there.
366
865000
2000
Така че имаме активиране в моторната кора.
14:42
So this is really, really nice,
367
867000
2000
Това е наистина много хубаво.
14:44
and I think this is a great tool.
368
869000
2000
И мисля, че това е много добър инструмент.
14:46
And connecting also with the previous talk here,
369
871000
2000
И за да свържа това с предишния разговор тук,
14:48
this is something that we could use as a tool
370
873000
2000
това е нещо, което бихме могли да използваме като инструмент,
14:50
to really understand
371
875000
2000
наистина да разберем
14:52
how the neurons are working, how the brain is working,
372
877000
2000
как работят невроните, как работи мозъкът,
14:54
and we can do this with very, very high visual quality
373
879000
3000
и можем да направим това с много, много високо качество на изображението
14:57
and very fast resolution.
374
882000
3000
и с много добра резолюция.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
Ние също така се забавляваме в центъра.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
Това е КАТ (Котешко) сканиране -- компютърно асистирана томография.
15:06
So this is a lion from the local zoo
377
891000
2000
Това е лъв от местната зоологическа градина,
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
отвъд Норкьопинг в Колмарден, Елза.
15:11
So she came to the center,
379
896000
2000
Така че тя дойде в центъра,
15:13
and they sedated her
380
898000
2000
те я упоиха
15:15
and then put her straight into the scanner.
381
900000
2000
и после я сложиха направо в скенера.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
И после, разбира се, направих цял набор от данни от лъва.
15:20
And I can do very nice images like this.
383
905000
2000
И мога да правя много хубави изображения като това.
15:22
I can peel off the layer of the lion.
384
907000
2000
Мога да отделям слоеве от лъва.
15:24
I can look inside of it.
385
909000
2000
Мога да гледам вътре в него.
15:26
And we've been experimenting with this.
386
911000
2000
И ние експериментираме с това.
15:28
And I think this is a great application
387
913000
2000
И мисля, че това е страхотно приложение
15:30
for the future of this technology,
388
915000
2000
за бъдещето на тази технология.
15:32
because there's very little known about the animal anatomy.
389
917000
3000
Тъй като много малко се знае за анатомията на животните.
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
Това, което се знае от ветеринарните лекари е само бегла информация.
15:38
We can scan all sorts of things,
391
923000
2000
Ние можем да сканираме най-различни неща,
15:40
all sorts of animals.
392
925000
2000
най-различни животни.
15:42
The only problem is to fit it into the machine.
393
927000
3000
Единственият проблем е да ги поберем в машината.
15:45
So here's a bear.
394
930000
2000
Това тук е мечка.
15:47
It was kind of hard to get it in.
395
932000
2000
Беше малко трудно да я поберем.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
И мечката е пухкаво, дружелюбно животно.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
Ето я тук. Това е носа на мечката.
15:55
And you might want to cuddle this one,
398
940000
3000
Може да ви се прииска да я прегърнете,
15:58
until you change the functions and look at this.
399
943000
3000
докато не промените функциите и видите това.
16:01
So be aware of the bear.
400
946000
2000
Така че внимавайте с мечките.
16:03
So with that,
401
948000
2000
И така с това,
16:05
I'd like to thank all the people
402
950000
2000
бих искал да благодаря на всички хора,
16:07
who have helped me to generate these images.
403
952000
2000
които ми помогнаха да генерирам тези изображения.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
Огромни усилия отиват в това начинание,
16:11
gathering the data and developing the algorithms,
405
956000
3000
събиране на данни и разработване на алгоритми,
16:14
writing all the software.
406
959000
2000
писане на целия софтуер.
16:16
So, some very talented people.
407
961000
3000
И така, някои много талантливи хора.
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
Моето мото е винаги да наемам хора, които са по-умни от мен
16:22
and most of these are smarter than I am.
409
967000
2000
и повечето от тях са по-умни от мен.
16:24
So thank you very much.
410
969000
2000
Така че, много ви благодаря.
16:26
(Applause)
411
971000
4000
(Ръкопляскания)
ABOUT THE SPEAKER
Anders Ynnerman - Scientific visualization expertAnders 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.
Anders Ynnerman | Speaker | TED.com