TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
آندرس اینمان: تجسم انفجار اطلاعات پزشکی
Filmed:
Readability: 3.4
539,883 views
امروزه اسکن های پزشکی در عرض تنها چند ثانیه هزاران تصویر و ترابایت ها اطلاعات تولید می کنند، ولی پزشکان چگونه این اطلاعات را تجزیه کرده و تصمیم می گیرند کدامینشان مفید است؟ در TEDxGöteborg متخصص تجسم علمی، آندرس اینمان ابزارهای جدید و پیچیده ای - مانند کالبدشکافی مجازی- برای آنالیز این حجم عظیم اطلاعات به ما نشان خواهد داد و همچنین نگاهی اجمالی بر تعدادی از تکنولوژی های به نظر علمی -تخیلیِ پزشکی که اکنون در حال پیشرفتند خواهد داشت. این سخنرانی حاوی تصاویری گرافیک از اطلاعات پزشکی است.
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
صحبتم را با یک چالش شروع میکنم،
00:19
the challenge of dealing with data,
1
4000
3000
چالش برخورد با اطلاعات.
00:22
data that we have to deal with
2
7000
2000
اطلاعات پزشکی که اجباراً
00:24
in medical situations.
3
9000
2000
با آنها (اطلاعات) سرو کار داریم.
00:26
It's really a huge challenge for us.
4
11000
2000
این واقعا چالش بزرگی برای ماست.
00:28
And this is our beast of burden --
5
13000
2000
و این وبال گردن ماست.
00:30
this is a Computer Tomography machine,
6
15000
2000
این یک دستگاه توموگرافی کامپیوتری است--
00:32
a CT machine.
7
17000
2000
یک دستگاه CT.
00:34
It's a fantastic device.
8
19000
2000
دستگاهی خارق العاده است.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
از اشعه X استفاده می کند، پرتوهای اشعه X
00:38
that are rotating very fast around the human body.
10
23000
3000
که با سرعت بالا به دور بدن انسان می چرخند.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
گذشت از درون کل دستگاه تقریبا ۳۰ ثانیه طول می کشد
00:43
and is generating enormous amounts of information
12
28000
2000
و حجم بسیار زیادی از اطلاعات تولید می کند
00:45
that comes out of the machine.
13
30000
2000
که از دستگاه خارج می شود.
00:47
So this is a fantastic machine
14
32000
2000
بنابراین این یک دستگاه فوق العاده است
00:49
that we can use
15
34000
2000
که ما می توانیم استفاده کنیم
00:51
for improving health care,
16
36000
2000
برای بهبود وضعیت سلامت.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
ولی همانطور که گفتم یک چالش نیز برای ما محسوب می شود.
00:55
And the challenge is really found in this picture here.
18
40000
3000
و چالش حقیقتا در این تصویری که اینجاست یافت می شود.
00:58
It's the medical data explosion
19
43000
2000
انفجار اطلاعات پزشکی است
01:00
that we're having right now.
20
45000
2000
که ما الان با آن مواجهیم.
01:02
We're facing this problem.
21
47000
2000
ما با این مشکل رو به رو هستیم.
01:04
And let me step back in time.
22
49000
2000
و بگذارید مقداری به عقب بر گردم.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
بیایید به چند سال قبل بازگردیم و ببینیم آن موقع چه اتفاقی افتاد.
01:09
These machines that came out --
24
54000
2000
این دستگاه ها که ظاهر شدند--
01:11
they started coming in the 1970s --
25
56000
2000
آغاز ورودشان در دهه ی ۷۰--
01:13
they would scan human bodies,
26
58000
2000
آنها بدن انسان را اسکن می کردند،
01:15
and they would generate about 100 images
27
60000
2000
و حدودا ۱۰۰ تصویر تولید می کردند
01:17
of the human body.
28
62000
2000
از بدن انسان.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
و من برای شفافیت موضوع این اجازه را به خودم دادم،
01:21
to translate that to data slices.
30
66000
3000
تا آنها را به برش های داده ترجمه کنم.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
چیزی معادل ۵۰ مگابایت شد،
01:26
which is small
32
71000
2000
که مقداری کوچک است،
01:28
when you think about the data we can handle today
33
73000
3000
در مقایسه با اطلاعاتی که این روزها میتوانیم روی
01:31
just on normal mobile devices.
34
76000
2000
دستگاه‌های موبایل معمولی استفاده کنیم.
01:33
If you translate that to phone books,
35
78000
2000
اگر این مقدار داده را به کتابچه تلفن ترجمه کنید،
01:35
it's about one meter of phone books in the pile.
36
80000
3000
چیزی حدود یک توده‌ای یک متری از کتابچه تلفن میشود.
01:38
Looking at what we're doing today
37
83000
2000
در مقایسه با کاری که امروز می کنیم
01:40
with these machines that we have,
38
85000
2000
با این دستگاه هایی که در اختیار داریم،
01:42
we can, just in a few seconds,
39
87000
2000
می توانیم در عرض چند ثانیه،
01:44
get 24,000 images out of a body,
40
89000
2000
۲۴،۰۰۰ تصویر از بدن انسان به دست آوریم.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
و این معادل ۲۰ گیگا بایت داده است،
01:49
or 800 phone books,
42
94000
2000
یا ۸۰۰ کتابچه تلفن.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
و این توده ارتفاعی برابر ۲۰۰ متر خواهد داشت.
01:53
What's about to happen --
44
98000
2000
چیزی که قرار است اتفاق بیفتد--
01:55
and we're seeing this; it's beginning --
45
100000
2000
و ما آن را می بینیم، آغازکننده ی --
01:57
a technology trend that's happening right now
46
102000
2000
یک روند تکنولوژیست که اکنون در حال وقوع است
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
که ما شروع به دیدن تغییر موقعیت با زمان نیز کرده ایم.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
بنابراین ما تحرکات بدن را نیزمی گیریم.
02:05
And just assume
49
110000
2000
و فقط فرض کنید
02:07
that we will be collecting data during five seconds,
50
112000
3000
که ما برای مدت ۵ ثانیه داده جمع آوری کنیم،
02:10
and that would correspond to one terabyte of data --
51
115000
2000
و این برابر خواهد بود با ۱ ترابایت داده.
02:12
that's 800,000 books
52
117000
2000
معادل ۸۰۰ هزار کتاب
02:14
and 16 kilometers of phone books.
53
119000
2000
و ۱۶ کیلومتر کتابچه تلفن.
02:16
That's one patient, one data set.
54
121000
2000
این فقط برای یک بیمار و یک سری داده است.
02:18
And this is what we have to deal with.
55
123000
2000
و این چیزی است که ما باید با آن دست و پنجه نرم کنیم.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
پس این چالش بزرگیست که با آن روبه رو هستیم.
02:23
And already today -- this is 25,000 images.
57
128000
3000
امروز این مقدار ۲۵،۰۰۰ تصویر است.
02:26
Imagine the days
58
131000
2000
روزهایی را تصور کنید
02:28
when we had radiologists doing this.
59
133000
2000
که رادیولوژیست ها این کار را انجام می دادند.
02:30
They would put up 25,000 images,
60
135000
2000
باید ۲۵،۰۰۰ تصویر را کنار هم می‌‌گذاشتند،
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
ااینطوری می‌‌کردند که « ۲۵،۰۰۰( تصویر)، خوبه، خوبه»
02:35
There is the problem."
62
140000
2000
"آها مشکل اینجاست."
02:37
They can't do that anymore. That's impossible.
63
142000
2000
دیگر نمی توانند این کار را انجام دهند، غیر ممکن است.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
پس ما باید کاری انجام دهیم تا مقداری هوشمندانه تر از این باشد.
02:43
So what we do is that we put all these slices together.
65
148000
2000
بنابراین کاری که ما انجام می دهیم این است که تمام این برشها را کنار هم میگذاریم.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
تصور کنید که بدن خود را در تمام این جهت ها برش داده اید،
02:48
and then you try to put the slices back together again
67
153000
3000
و بعد می خواهید برش ها را دوباره کنار هم بگذارید
02:51
into a pile of data, into a block of data.
68
156000
2000
درون یک توده ی از داده، یک قالب داده.
02:53
So this is really what we're doing.
69
158000
2000
این چیزی است که ما انجام می دهیم.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
پس این گیگابایت یا ترابایت داده را ما درون این قالب ها می گذاریم.
02:58
But of course, the block of data
71
163000
2000
ولی بدیهی است که قالب داده
03:00
just contains the amount of X-ray
72
165000
2000
فقط محتوی مقدار اشعه X است
03:02
that's been absorbed in each point in the human body.
73
167000
2000
که از هر نقطه ی بدن انسان جذب شده است.
03:04
So what we need to do is to figure out a way
74
169000
2000
پس کاری که باید بکنیم این است که روشی پیدا کنیم
03:06
of looking at the things we do want to look at
75
171000
3000
تا بتوانیم به چیزهایی که می خواهیم نگاه کنیم
03:09
and make things transparent that we don't want to look at.
76
174000
3000
و چیزهایی که نمی خواهیم به آنها نگاه کنیم را محو کنیم.
03:12
So transforming the data set
77
177000
2000
پس تبدیل داده ها
03:14
into something that looks like this.
78
179000
2000
به چیزی که شبیه این باشد.
03:16
And this is a challenge.
79
181000
2000
و این همان چالش است.
03:18
This is a huge challenge for us to do that.
80
183000
3000
این یک چالش بزرگ برای ماست.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
با استفاده از کامپیوترها، با اینکه روز به روز سریعتر و بهتر می شوند،
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
استعمال گیگابایت ها داده یک چالش محسوب می شود،
03:26
terabytes of data
83
191000
2000
ترابایت ها داده
03:28
and extracting the relevant information.
84
193000
2000
و استخراج اطلاعات مربوطه.
03:30
I want to look at the heart.
85
195000
2000
من می خواهم به قلب نگاه کنم،
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
می خواهم به رگهای خونی نگاهی بندازم، به کبد نگاه کنم،
03:34
Maybe even find a tumor,
87
199000
2000
یا حتی در بعضی موارد
03:36
in some cases.
88
201000
2000
یک غده پیدا کنم.
03:39
So this is where this little dear comes into play.
89
204000
2000
پس اینجا جایی است که عزیز من وارد بازی می شود.
03:41
This is my daughter.
90
206000
2000
این دختر من است.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
این (عکس) از ۹ صبح امروز است.
03:45
She's playing a computer game.
92
210000
2000
او در حال بازی با یک بازی کامپیوتری است.
03:47
She's only two years old,
93
212000
2000
فقط ۲ سال دارد،
03:49
and she's having a blast.
94
214000
2000
و او واقعا از این کار لذت می برد.
03:51
So she's really the driving force
95
216000
3000
او عامل اصلی
03:54
behind the development of graphics-processing units.
96
219000
3000
در پس پیشرفتهای واحدهای پردازش گرافیکی است.
03:58
As long as kids are playing computer games,
97
223000
2000
تا زمانی که بچه ها بازی های کامپیوتری انجام می دهند،
04:00
graphics is getting better and better and better.
98
225000
2000
گرافیک بهتر و بهتر می شود.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
پس لطفا به خانه بروید و به کودکانتان بگویید تا بازی های بیشتری انجام دهند،
04:04
because that's what I need.
100
229000
2000
چون آن چیزی است که من می خواهم.
04:06
So what's inside of this machine
101
231000
2000
بنابراین چیزی که درون این دستگاه است
04:08
is what enables me to do the things that I'm doing
102
233000
2000
مرا قادر به انجام کارهایی می کند که در حال انجام آنها هستم
04:10
with the medical data.
103
235000
2000
با داده های پزشکی.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
پس کاری که من می کنم استفاده از این دستگاه های جالب کوچک است.
04:15
And you know, going back
105
240000
2000
میدانید، در گذشته
04:17
maybe 10 years in time
106
242000
2000
شاید 10 سال پیش بود
04:19
when I got the funding
107
244000
2000
وقتی سرمایه لازم را بدست آوردم
04:21
to buy my first graphics computer --
108
246000
2000
تا اولین کامپیوتر گرافیکی ام را بخرم.
04:23
it was a huge machine.
109
248000
2000
دستگاه غول آسایی بود.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
قفسه هایی بود از پردازشگرها، ذخیره و همه چیزهای دیگر.
04:28
I paid about one million dollars for that machine.
111
253000
3000
حدود یک میلیون دلار برای آن دستگاه پرداختم.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
امروز آن دستگاه تقریبا سرعتی برابر آی-فون من دارد.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
هر ماه کارتهای گرافیکی تازه ای بیرون می آیند.
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
و اینجا تعداد کمی از آخرین نمونه های در بازار است--
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
NVIDIA، ATI، Intel نیز در بازار هستند.
04:45
And you know, for a few hundred bucks
116
270000
2000
با چند صد دلار
04:47
you can get these things and put them into your computer,
117
272000
2000
می توانید از اینها بگیرید و در کامپیوتر خود قرار دهید،
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
و میتوانید کارهای فوق العاده ای با آنها ( کارتهای گرافیکی) انجام دهید.
04:52
So this is really what's enabling us
119
277000
2000
پس این چیزی است که ما را قادر می سازد
04:54
to deal with the explosion of data in medicine,
120
279000
3000
تا با انفجار داده ها در پزشکی مقابله کنیم،
04:57
together with some really nifty work
121
282000
2000
در کنار هم با کارهایی واقعا زیرکانه
04:59
in terms of algorithms --
122
284000
2000
از نظر الگوریتمها--
05:01
compressing data,
123
286000
2000
فشرده سازی اطلاعات،
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
استخراج اطلاعات مربوطه ای که مردم روی آنها تحقیقات انجام می دهند.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
قصد دارم نمونه هایی از کارهایی که میتوانیم انجام دهیم را نشانتان دهم.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
این داده هایی است که از یک دستگاه سی-تی گرفته شده است.
05:12
You can see that this is a full data [set].
127
297000
3000
میتوانید ببینید که این یک مجموعه داده کامل است.
05:15
It's a woman. You can see the hair.
128
300000
3000
یک خانم است. می توانید موها را ببینید.
05:18
You can see the individual structures of the woman.
129
303000
3000
میتوانید ساختارهای شخصی این خانم را ببینید.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
میتوانید پراکندگی های اشعه X را ببینید
05:24
on the teeth, the metal in the teeth.
131
309000
2000
روی دندان، فلز داخل دندانها.
05:26
That's where those artifacts are coming from.
132
311000
3000
آن جایی است که آرتیفکت ها ظاهر می شوند.
05:29
But fully interactively
133
314000
2000
ولی به صورت کاملا تعاملی
05:31
on standard graphics cards on a normal computer,
134
316000
3000
با کارتهای گرافیکی استاندارد روی یک کامپیوتر معمولی،
05:34
I can just put in a clip plane.
135
319000
2000
می توانم یک صفحه برشی بگذارم.
05:36
And of course all the data is inside,
136
321000
2000
و البته تمام داده ها داخل آن است،
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
پس میتوانم شروع به چرخاندن کنم، میتوانم از زوایای مختلف به آن نگاه کنم،
05:41
and I can see that this woman had a problem.
138
326000
3000
و میتوانم ببینم این خانم مشکلی داشته است.
05:44
She had a bleeding up in the brain,
139
329000
2000
او خون ریزی مغزی داشته است،
05:46
and that's been fixed with a little stent,
140
331000
2000
و این مشکل با یک استنت کوچک حل شده است،
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
یک گیره ی فلزی کوچک که رگ را نگه می‌‌دارد.
05:50
And just by changing the functions,
142
335000
2000
و فقط با تغییر عملکردها،
05:52
then I can decide what's going to be transparent
143
337000
3000
میتوانم تصمیم بگیرم چه چیز محوتر خواهد شد
05:55
and what's going to be visible.
144
340000
2000
و چه چیز قابل دیدن است.
05:57
I can look at the skull structure,
145
342000
2000
میتوانم به ساختار جمجمه نگاه کنم،
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
و میتوانم ببینم که بله، اینجا جاییست که جمجمه ی زن را گشوده اند،
06:02
and that's where they went in.
147
347000
2000
و آن جاییست که از آن داخل شدند.
06:04
So these are fantastic images.
148
349000
2000
پس اینها تصاویری فوق العاده اند.
06:06
They're really high resolution,
149
351000
2000
تفکیک پذیری واقعا بالایی دارند،
06:08
and they're really showing us what we can do
150
353000
2000
و واقعا به ما نشان می دهند چه کارهایی میتوانیم بکنیم
06:10
with standard graphics cards today.
151
355000
3000
با کارتهای گرافیکی استاندارد امروزی.
06:13
Now we have really made use of this,
152
358000
2000
حال ما واقعا از این استفاده کرده ایم،
06:15
and we have tried to squeeze a lot of data
153
360000
3000
و ما تلاش کرده ایم مقدار زیادی داده را درون سیستم
06:18
into the system.
154
363000
2000
بفشاریم.
06:20
And one of the applications that we've been working on --
155
365000
2000
و یکی از کاربردهایی که ما روی آن کار کرده ایم--
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
و در سطح جهانی نیز کشش ایجاد کرده--
06:25
is the application of virtual autopsies.
157
370000
2000
کاربرد کالبدشکافی مجازی است.
06:27
So again, looking at very, very large data sets,
158
372000
2000
پس دوباره، با نگاهی بر مجموعه داده های بسیار بسیار عظیم،
06:29
and you saw those full-body scans that we can do.
159
374000
3000
شما دیدید که ما قادر به انجام اسکن کلی بدن هستیم.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
ما جسد را از درون سی-تی اسکن رد میکنیم،
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
و فقط در چند ثانیه میتوانیم مجموعه داده ی کل بدن را داشته باشیم.
06:38
So this is from a virtual autopsy.
162
383000
2000
این یک نوع کالبدشکافی مجازی است.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
و شما میتوانید ببینید که من چطور به تدریج لایه به لایه پایین میروم.
06:42
First you saw the body bag that the body came in,
164
387000
3000
اول شما کیسه را دیدید که جسد در آن قرار داشت،
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
سپس من پوست او را بر می‌‌دارم ، میتوانید ماهیچه ها را ببینید
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
و سرانجام میتوانید اسکلت این زن را ببینید.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
در این لحظه، من میخواهم تاکید کنم
06:54
that, with the greatest respect
168
399000
2000
که با کمال احترام
06:56
for the people that I'm now going to show --
169
401000
2000
برای افرادی که نشان خواهم داد
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
به شما مواردی از کالبدشکافی مجازی را نشان خواهم داد.
07:00
so it's with great respect for the people
171
405000
2000
پس با نهایت احترام برای افرادی
07:02
that have died under violent circumstances
172
407000
2000
که در شرایطی سخت جان سپرده اند
07:04
that I'm showing these pictures to you.
173
409000
3000
که من این تصاویر را به شما نشان میدهم.
07:08
In the forensic case --
174
413000
2000
در مورد پزشکی قانونی--
07:10
and this is something
175
415000
2000
و این جالب است که
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
تقریبا ۴۰۰ مورد تا به حال
07:14
just in the part of Sweden that I come from
177
419000
2000
فقط در قسمتی از سوئد که من از آنجا هستم
07:16
that has been undergoing virtual autopsies
178
421000
2000
تحت بررسی های کالبدشکافی مجازی قرار گرفته است
07:18
in the past four years.
179
423000
2000
در چهار سال گذشته.
07:20
So this will be the typical workflow situation.
180
425000
3000
پس این یک روال عادی خواهد شد .
07:23
The police will decide --
181
428000
2000
پلیس تصمیم خواهد گرفت--
07:25
in the evening, when there's a case coming in --
182
430000
2000
عصر، هنگامی که یک مورد جدید می آید--
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
آنها تصمیم میگیرند که خوب، آیا این موردی است که نیاز به کالبدشکافی داشته باشیم؟
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
بین ساعت شش و هفت صبح،
07:33
the body is then transported inside of the body bag
185
438000
2000
بدن درون کیسه ی منتقل می شود
07:35
to our center
186
440000
2000
به مرکز ما
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
و توسط یکی از اسکنرهای سی- تی اسکن میشود.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
سپس رادیولوژیست، همراه با آسیب شناس
07:41
and sometimes the forensic scientist,
189
446000
2000
و گاهی کارشناس پزشکی قانونی،
07:43
looks at the data that's coming out,
190
448000
2000
به داده ها نگاه میکند،
07:45
and they have a joint session.
191
450000
2000
و یک نشست مشترک برگزار میکنند.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
و سپس تصمیم میگیرند در کالبدشکافی فیزیکی بعد از آن چه کاری انجام دهند.
07:52
Now looking at a few cases,
193
457000
2000
حال نگاهی داریم به تعدادی از این موارد،
07:54
here's one of the first cases that we had.
194
459000
2000
این یک موردی است که داشتیم.
07:56
You can really see the details of the data set.
195
461000
3000
شما واقعا میتوانید جزئیات مجموعه داده ها را ببینید.
07:59
It's very high-resolution,
196
464000
2000
تفکیک پذیری خیلی بالایی دارد.
08:01
and it's our algorithms that allow us
197
466000
2000
و این الگوریتم ماست که به ما اجازه میدهد
08:03
to zoom in on all the details.
198
468000
2000
روی تمامی جزئیات بزرگنمایی کنیم.
08:05
And again, it's fully interactive,
199
470000
2000
و دوباره کاملا متعاملانه است.
08:07
so you can rotate and you can look at things in real time
200
472000
2000
پس میتوانید چرخش دهید و چیزها را بلادرنگ ببینید
08:09
on these systems here.
201
474000
2000
روی این سیستمها.
08:11
Without saying too much about this case,
202
476000
2000
بدون اینکه توضیح زیادی در مورد این مورد بدهم،
08:13
this is a traffic accident,
203
478000
2000
این یک تصادف رانندگی است،
08:15
a drunk driver hit a woman.
204
480000
2000
یک راننده ی مست به زنی اصابت کرد.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
و به راحتی هر چه تمام تر میتوانید آسیبهایی که به اسکلت وارد شده را ببینید.
08:20
And the cause of death is the broken neck.
206
485000
3000
و دلیل مرگ شکستگی گردن است.
08:23
And this women also ended up under the car,
207
488000
2000
و این زن در نهایت زیر ماشین تمام کرد،
08:25
so she's quite badly beaten up
208
490000
2000
او به شدت کوبیده شده است
08:27
by this injury.
209
492000
2000
در اثر این آسیب.
08:29
Here's another case, a knifing.
210
494000
3000
این یک مورد دیگر است، یک چاقوکشی.
08:32
And this is also again showing us what we can do.
211
497000
2000
و این دوباره به ما نشان میدهد چه کار میتوانیم کنیم.
08:34
It's very easy to look at metal artifacts
212
499000
2000
خیلی راحت میتوانید فلز را ببینید
08:36
that we can show inside of the body.
213
501000
3000
که میتوانیم داخل بدن نشان دهیم.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
شما همچنین میتوانید فلز داخل دندانها را نیز ببینید--
08:42
that's actually the filling of the teeth --
215
507000
2000
که در حقیقت پرکردگی دندانهاست--
08:44
but because I've set the functions to show me metal
216
509000
3000
به خاطر اینکه عملکرد را روی نمایش فلز تنظیم کرده ام
08:47
and make everything else transparent.
217
512000
2000
تا تمام چیزهای دیگر (غیر از فلز) محوتر دیده شوند.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
این یک مورد خشن دیگر است. این واقعا شخص را نکشت.
08:52
The person was killed by stabs in the heart,
219
517000
2000
فرد با چاقوهایی که به قلبش اصابت کرده بود کشته شد،
08:54
but they just deposited the knife
220
519000
2000
ولی آنها فقط چاقو را در بدن رها کردند
08:56
by putting it through one of the eyeballs.
221
521000
2000
با قرار دادن آن درون یکی از چشم ها.
08:58
Here's another case.
222
523000
2000
این یک مورد دیگر است.
09:00
It's very interesting for us
223
525000
2000
این واقعا برای ما جالب است
09:02
to be able to look at things like knife stabbings.
224
527000
2000
چرا که ما را قادر میسازد چیزهایی مانند زخمهای چاقو را ببینیم.
09:04
Here you can see that knife went through the heart.
225
529000
3000
اینجا شما میتوانید ببینید که چاقو وارد قلب شده است.
09:07
It's very easy to see how air has been leaking
226
532000
2000
خیلی ساده میتوان دید که چطور هوا نشت می کرده است
09:09
from one part to another part,
227
534000
2000
از یک قسمت به قسمت دیگر
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
که در کالبدشکافی فیزیکی معمولی خیلی سخت میتوان دید.
09:14
So it really, really helps
229
539000
2000
بنابراین خیلی خیلی کمک میکند
09:16
the criminal investigation
230
541000
2000
به تحقیقات جرم شناسی
09:18
to establish the cause of death,
231
543000
2000
برای تعیین علت مرگ،
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
و در مواردی هدایت تحقیقات به مسیر درست
09:23
to find out who the killer really was.
233
548000
2000
تا قاتل واقعی معلوم شود.
09:25
Here's another case that I think is interesting.
234
550000
2000
این یک مورد دیگر است که به نظر من جالب است.
09:27
Here you can see a bullet
235
552000
2000
اینجا میتوانید یک گلوله ببینید
09:29
that has lodged just next to the spine on this person.
236
554000
3000
که درست کنار ستون مهره های شخص جا خوش کرده است.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
و کاری که ما کرده ایم تبدیل گلوله به یک منبع نور است،
09:35
so that bullet is actually shining,
238
560000
2000
گلوله در حقیقت می درخشد،
09:37
and it makes it really easy to find these fragments.
239
562000
3000
و پیدا کردن این قطعات را خیلی آسان می سازد.
09:40
During a physical autopsy,
240
565000
2000
در طول یک کالبدشکافی فیزیکی،
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
اگر شما بخواهید به دنبال این قطعات درون بدن کند و کاو کنید،
09:44
that's actually quite hard to do.
242
569000
2000
واقعا کار سختی خواهد بود.
09:48
One of the things that I'm really, really happy
243
573000
2000
یکی از چیزهایی که من واقعا خیلی خوشحالم
09:50
to be able to show you here today
244
575000
3000
که امروز به شما نشان بدهم
09:53
is our virtual autopsy table.
245
578000
2000
میز کالبدشکافی مجازی ما است.
09:55
It's a touch device that we have developed
246
580000
2000
این یک دستگاه لمسی است که ما طراحی کرده ایم
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
بر اساس این الگوریتم ها، با استفاده از استانداردهای گرافیکی
10:00
It actually looks like this,
248
585000
2000
چیزی شبیه این است،
10:02
just to give you a feeling for what it looks like.
249
587000
3000
فقط برای اینکه این حس به شما منتقل شود که به چه شکل است.
10:05
It really just works like a huge iPhone.
250
590000
3000
حقیقتا بسان یک آی-فون عمل میکند.
10:08
So we've implemented
251
593000
2000
ما تمام اشاراتی
10:10
all the gestures you can do on the table,
252
595000
3000
که میتوانید روی میز انجام دهید را پیاده کرده ایم،
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
و میتوانید به چشم یک واسط لمسی غول آسا به آن نگاه کنید.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
پس اگر قصد خرید یک آی-پد داشتید،
10:19
forget about it. This is what you want instead.
255
604000
3000
فراموشش کنید، این چیزی است که شما میخواهید.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
استیو(جابز)، امیدوارم اینو شنیده باشی،
10:26
So it's a very nice little device.
257
611000
2000
این یک دستگاه کوچک خیلی عالی است.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
اگر امکانش را داشتید لطفا امتحانش کنید.
10:30
It's really a hands-on experience.
259
615000
3000
واقعا یک تجربه ی عملی است.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
پس این کششی ایجاد کرده است و ما سعی در گسترده شدن آن داریم
10:36
and trying to use it for educational purposes,
261
621000
2000
و تلاش میکنیم برای اهداف آموزشی از آن استفاده کنیم،
10:38
but also, perhaps in the future,
262
623000
2000
و همچنین شاید در آینده،
10:40
in a more clinical situation.
263
625000
3000
در موقعیت های کلینیکی بیشتر.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
یک ویدئوی یوتیوب هست که میتوانید بارگذاری کنید و این را تماشا کنید،
10:45
if you want to convey the information to other people
265
630000
2000
اگر بخواهید اطلاعات را به سایر مردم هم منتقل کنید
10:47
about virtual autopsies.
266
632000
3000
درباره ی کالبدشکافی مجازی.
10:50
Okay, now that we're talking about touch,
267
635000
2000
خیلی خوب، حالا که درباره ی لمس کردن صحبت میکنیم،
10:52
let me move on to really "touching" data.
268
637000
2000
بذارید بحث را به داده هایی واقعا تاثیرگذار بکشانم.
10:54
And this is a bit of science fiction now,
269
639000
2000
در حال حاضرکمی علمی- تخیلی است،
10:56
so we're moving into really the future.
270
641000
3000
پس ما حقیقتا به آینده میرویم.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
این چیزی نیست که الان پزشکان در حال استفاده از آن باشند،
11:02
but I hope they will in the future.
272
647000
2000
ولی امیدوارم در آینده از آن استفاده کنند.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
چیزی که شما در سمت چپ میبینید یک دستگاه لمسی است.
11:07
It's a little mechanical pen
274
652000
2000
یک قلم مکانیکی کوچک است
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
که در داخل قلم مانیتورهای [نا مفهوم] خیلی سریعی وجود دارد.
11:12
And so I can generate a force feedback.
276
657000
2000
پس من میتوانم پسخور(فیدبک) نیرو تولید کنم.
11:14
So when I virtually touch data,
277
659000
2000
هنگامی که به صورت مجازی داده ها را لمس میکنم،
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
نیروهایی لمسی در قلم تولید می کند،در نتیجه من پسخور را دریافت خواهم کرد.
11:19
So in this particular situation,
279
664000
2000
در این موقعیت خاص،
11:21
it's a scan of a living person.
280
666000
2000
چیزی که داریم اسکن یک فرد زنده است.
11:23
I have this pen, and I look at the data,
281
668000
3000
من این قلم را دارم و من به داده ها نگاه میکنم،
11:26
and I move the pen towards the head,
282
671000
2000
و من این قلم را به سمت سر حرکت میدهم،
11:28
and all of a sudden I feel resistance.
283
673000
2000
و ناگهان احساس مقاومت میکنم.
11:30
So I can feel the skin.
284
675000
2000
میتوانم پوست را احساس کنم.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
اگر کمی بیشتر فشار دهم میتوانم از پوست عبور کنم،
11:34
and I can feel the bone structure inside.
286
679000
3000
و میتوانم ساختار استخوان داخل را حس کنم.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
اگر کمی بیشتر فشار دهم از استخوان هم رد میشوم،
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
بالاخص در ناحیه ی گوش ها که استخوان خیلی نرم است.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
و سپس میتوانم مغز را حس کنم، و چیزی شل و ول مانند این است.
11:45
So this is really nice.
290
690000
2000
چیز خیلی عالی ای است.
11:47
And to take that even further, this is a heart.
291
692000
3000
و برای اینکه پا را حتی فراتربگذاریم، این قلب است.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
و این نیز همچنین به خاطر اسکنرهای فوق العاده ی جدید می باشد،
11:53
that just in 0.3 seconds,
293
698000
2000
که در عرض ۰.۳ ثانیه،
11:55
I can scan the whole heart,
294
700000
2000
میتوانم کل قلب را اسکن کنم،
11:57
and I can do that with time resolution.
295
702000
2000
و میتوانم با رزولوشن زمانی آن را انجام دهم.
11:59
So just looking at this heart,
296
704000
2000
پس فقط با نگاه کردن به این قلب،
12:01
I can play back a video here.
297
706000
2000
میتوانم اینجا یک ویدئو پخش کنم.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
این کارلیوهان است، یکی از دانشجویان ارشد من
12:05
who's been working on this project.
299
710000
2000
که روی این پروژه کار می کند.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
و او آنجا روبه روی دستگاه هپتیک نشسته است، سیستم پسخور نیرو،
12:10
and he's moving his pen towards the heart,
301
715000
3000
و قلم خود را به سمت قلب حرکت میدهد،
12:13
and the heart is now beating in front of him,
302
718000
2000
و قلب اکنون روبه روی او در حال تپش است،
12:15
so he can see how the heart is beating.
303
720000
2000
پس او میتواند ببیند قلب چطور می تپد.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
او قلم را برداشته و به سمت قلب حرکت میدهد،
12:19
and he's putting it on the heart,
305
724000
2000
و آن را روی قلب میگذارد،
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
و سپس ضربان قلب یک بیمار زنده را حس میکند.
12:24
Then he can examine how the heart is moving.
307
729000
2000
سپس او میتواند چگونگی حرکت قلب را بررسی کند.
12:26
He can go inside, push inside of the heart,
308
731000
2000
او میتواند به داخل برود، با فشار به سمت داخل قلب،
12:28
and really feel how the valves are moving.
309
733000
3000
و حرکت دریچه های قلب را به واقع حس کند.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
و این به گمان من آینده ی جراحان قلب است.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
یعنی احتمالا از رویاهای سکسی! یک جراح قلب است
12:37
to be able to go inside of the patient's heart
312
742000
3000
که بتواند به درون قلب فرد بیمار برود
12:40
before you actually do surgery,
313
745000
2000
قبل از انجام جراحی واقعی،
12:42
and do that with high-quality resolution data.
314
747000
2000
و این کار را با داده هایی با رزولوشن بالا انجام دهد.
12:44
So this is really neat.
315
749000
2000
این واقعا کاری شسته و رفته است.
12:47
Now we're going even further into science fiction.
316
752000
3000
حال در فضای علمی تخیلی باز هم فراتر میرویم.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
ما کمی در مورد MRI شنیدیم.
12:53
Now this is really an interesting project.
318
758000
3000
این واقعا یک پروژه ی جالب است.
12:56
MRI is using magnetic fields
319
761000
2000
MRI از میدان های مغناطیسی
12:58
and radio frequencies
320
763000
2000
و فرکانسهای رادیویی استفاده میکند
13:00
to scan the brain, or any part of the body.
321
765000
3000
تا مغز یا هر قسمت دیگر بدن را اسکن کند.
13:03
So what we're really getting out of this
322
768000
2000
چیزی که ما از این بیرون میکشیم
13:05
is information of the structure of the brain,
323
770000
2000
اطلاعاتی در مورد ساختار مغز است،
13:07
but we can also measure the difference
324
772000
2000
ولی ما همچنین میتوانیم تفاوت
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
خواص مغناطیسی خون اکسیژن دار
13:12
and blood that's depleted of oxygen.
326
777000
3000
و خونی که از اکسیژن خالی شده است را اندازه بگیریم.
13:15
That means that it's possible
327
780000
2000
یعنی این امکان را داریم
13:17
to map out the activity of the brain.
328
782000
2000
که فعالیت مغز را به تصویر بکشیم.
13:19
So this is something that we've been working on.
329
784000
2000
این چیزی است که روی آن کار می کنیم.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
شما مهندس تحقیقات، ماتس، را دیدید
13:24
going into the MRI system,
331
789000
2000
که به داخل سیستم MRI رفت،
13:26
and he was wearing goggles.
332
791000
2000
و او عینک حفاظ داری به چشم داشت.
13:28
So he could actually see things in the goggles.
333
793000
2000
او می‌‌توانست درون این عینک‌ها چیزهایی را ببیند.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
یعنی من میتوانستم چیزهایی را وقتی او داخل اسکنر بود، به او نشان بدهم.
13:33
And this is a little bit freaky,
335
798000
2000
و این مقداری ترسناک است،
13:35
because what Motts is seeing is actually this.
336
800000
2000
چون چیزی که ماتس میدید در واقع این است.
13:37
He's seeing his own brain.
337
802000
3000
او مغز خود را میبیند.
13:40
So Motts is doing something here,
338
805000
2000
ماتس در اینجا مشغول انجام کاری است.
13:42
and probably he is going like this with his right hand,
339
807000
2000
او احتمالا با دست راست خود اینجور میکند،
13:44
because the left side is activated
340
809000
2000
چون سمت چپ مغز فعال شده است
13:46
on the motor cortex.
341
811000
2000
روی قشر مربوط به حرکت.
13:48
And then he can see that at the same time.
342
813000
2000
و بعد او میتواند بی درنگ آن را ببیند.
13:50
These visualizations are brand new.
343
815000
2000
این تصویرسازی ها جدید و دست اول هستند.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
و این چیزی است که ما برای مدتی است که روی آن تحقیق میکنیم.
13:55
This is another sequence of Motts' brain.
345
820000
3000
این یک رشته دیگر از مغز ماتس است.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
اینجا از او خواستیم از ۱۰۰ شروع کند و برعکس محاسباتی انجام دهد.
14:01
So he's going "100, 97, 94."
347
826000
2000
اینطور میشمارد: «۱۰۰، ۹۷، ۹۴.»
14:03
And then he's going backwards.
348
828000
2000
و بعد به سمت عقب پیش میرود.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
و شما میبینید که پردازنده ی کوچک ریاضی چطور اینجا درون مغزش کار میکند
14:08
and is lighting up the whole brain.
350
833000
2000
و کل مغز را روشن میکند.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
این فوق العاده است. میتوانیم در زندگی واقعی نیز آن را انجام دهیم.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
ما میتوانیم بررسی انجام دهیم. میتوانیم از او بخواهیم کارهایی انجام دهد.
14:14
You can also see that his visual cortex
353
839000
2000
شما همچنین میتوانید ببینید که قشر بینایی
14:16
is activated in the back of the head,
354
841000
2000
در پس سر فعال شده است،
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
چون آن جایی است که او میبیند، او مغز خود را میبیند.
14:20
And he's also hearing our instructions
356
845000
2000
او همچنین دستورالعمل های ما را میشنود
14:22
when we tell him to do things.
357
847000
2000
وقتی به او میگوییم کارهایی را انجام دهد.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
سیگنال در واقع در عمق مغز است،
14:26
and it's shining through,
359
851000
2000
ولی از درون می درخشد،
14:28
because all of the data is inside this volume.
360
853000
2000
چون کل داده ها درون این حجم است.
14:30
And in just a second here you will see --
361
855000
2000
و فقط در یک ثانیه اینجا میبینید
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
خیلی خوب، اینجا. ماتس، حالا پای چپت را تکان بده.
14:34
So he's going like this.
363
859000
2000
او این طور میکند.
14:36
For 20 seconds he's going like that,
364
861000
2000
برای ۲۰ ثانیه این طور میکند،
14:38
and all of a sudden it lights up up here.
365
863000
2000
و یک دفعه اینجا روشن میشود.
14:40
So we've got motor cortex activation up there.
366
865000
2000
پس ما در آن بالا فعالیت قشرحرکتی (مغز) را داریم.
14:42
So this is really, really nice,
367
867000
2000
این واقعا زیباست.
14:44
and I think this is a great tool.
368
869000
2000
و به عقیده ی من این یک ابزار فوق العاده است.
14:46
And connecting also with the previous talk here,
369
871000
2000
و در ارتباط با صحبت پیشین اینجا،
14:48
this is something that we could use as a tool
370
873000
2000
این چیزی است که میتوانیم به عنوان ابزار از آن استفاده کنیم
14:50
to really understand
371
875000
2000
تا به واقع بفهمیم
14:52
how the neurons are working, how the brain is working,
372
877000
2000
نرون ها چطور کار میکنند و مغز چگونه کار میکند.
14:54
and we can do this with very, very high visual quality
373
879000
3000
و ما این کار را با کیفیت تصویری فوق العاده بالایی انجام میدهیم
14:57
and very fast resolution.
374
882000
3000
و با رزولوشنی بسیار سریع.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
ما کمی سرگرمی هم در مرکز داریم.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
این یک اسکن CAT است-- پرتونگاری با کمک کامپیوتر.
15:06
So this is a lion from the local zoo
377
891000
2000
این یک شیر است از باغ وحش منطقه.
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
خارج از نورشوپینگ در کولماردن، السا.
15:11
So she came to the center,
379
896000
2000
او به مرکز آمد،
15:13
and they sedated her
380
898000
2000
و آنها بیهوشش کردند
15:15
and then put her straight into the scanner.
381
900000
2000
و او را مستقیما درون اسکنر قرار دادند.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
و بعد، صد البته کل مجموعه داده ها را (با انجام آزمایش) از شیر گرفتم.
15:20
And I can do very nice images like this.
383
905000
2000
و من میتوانم تصاویر واقعا زیبایی مثل این بسازم.
15:22
I can peel off the layer of the lion.
384
907000
2000
میتوانم لایه لایه پوست شیر را بر دارم.
15:24
I can look inside of it.
385
909000
2000
میتوانم به داخلش نگاه کنم.
15:26
And we've been experimenting with this.
386
911000
2000
و ما در حال آزمایشاتی روی این بوده ایم.
15:28
And I think this is a great application
387
913000
2000
و من فکر میکنم این یک کاربرد فوق العاده
15:30
for the future of this technology,
388
915000
2000
برای آینده ی این تکنولوژی باشد
15:32
because there's very little known about the animal anatomy.
389
917000
3000
چون در مورد آناتومی حیوانات اطلاعات خیلی کمی وجود دارد.
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
چیزی که برای دامپزشکان در این مورد موجود است به نوعی اطلاعات پایه است.
15:38
We can scan all sorts of things,
391
923000
2000
ما هر چیزی را میتوانیم اسکن کنیم،
15:40
all sorts of animals.
392
925000
2000
هر جانوری را.
15:42
The only problem is to fit it into the machine.
393
927000
3000
تنها مشکل جا دادن آنها درون ماشین است.
15:45
So here's a bear.
394
930000
2000
اینجا یک خرس میبینید.
15:47
It was kind of hard to get it in.
395
932000
2000
جا دادنش کمی سخت بود.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
خرس حیوانی مهربان و در آغوش گرفتنی است.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
و بفرمایید. این بینی خرس است.
15:55
And you might want to cuddle this one,
398
940000
3000
و شاید بخواهید این را در آغوش بگیرید،
15:58
until you change the functions and look at this.
399
943000
3000
تا زمانی که عملکرد را عوض کنید و به این نگاه کنید.
16:01
So be aware of the bear.
400
946000
2000
حواستون به خرس باشد.
16:03
So with that,
401
948000
2000
پس با آن،
16:05
I'd like to thank all the people
402
950000
2000
من میخواهم از تمام افرادی تشکر کنم
16:07
who have helped me to generate these images.
403
952000
2000
که به من کمک کردند این تصاویر را تولید کنم.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
تلاش زیادی صرف انجام این کارها میشود،
16:11
gathering the data and developing the algorithms,
405
956000
3000
جمع آوری داده ها و ایجاد الگوریتم ها،
16:14
writing all the software.
406
959000
2000
نوشتن تمام برنامه های کامپیوتری.
16:16
So, some very talented people.
407
961000
3000
افرادی واقعا با استعداد(دخیل هستند).
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
شعار من همیشه این است، من فقط افرادی را استخدام میکنم که باهوشتر از من باشند
16:22
and most of these are smarter than I am.
409
967000
2000
و اغلب این افراد باهوشتر از من هستند.
16:24
So thank you very much.
410
969000
2000
خیلی متشکرم.
16:26
(Applause)
411
971000
4000
(تشویق حضار)
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