TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
앤더슨 이너맨: 의학적 거대 데이터 시각화
Filmed:
Readability: 3.4
539,883 views
오늘날 의학적 스캔은 한 환자에데 대해서 수천개의 이미지와 테라바이트의 데이터를 단 몇초만에 만들어냅니다. 하지만, 어떻게 의사들이 그 데이터를 분석하고 어떤 것이 유용한지 알수 있을까요? TEDxGotenborg에서는 과학적 영상학의 전문가인 앤더스 이너맨이 대량의 데이터를 분석할 수 있는 가상 부검과 같이 새롭고 정교한 기기들과 공상과학소설에나 나올법한 개발 단계에 있는 의료적 기술들을 소개한다. 이 발표에는 의료적 영상들이 포함되어 있다.
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
저는 데이터를 다루는데 있어서
00:19
the challenge of dealing with data,
1
4000
3000
도전에 대한 이야기로 시작할까합니다.
00:22
data that we have to deal with
2
7000
2000
의료적 상황에 관련된
00:24
in medical situations.
3
9000
2000
데이터 말이죠.
00:26
It's really a huge challenge for us.
4
11000
2000
우리에게 큰 도전입니다.
00:28
And this is our beast of burden --
5
13000
2000
또한 무거운 짐이기도 합니다.
00:30
this is a Computer Tomography machine,
6
15000
2000
이건 컴퓨터 단층 촬영기 입니다.
00:32
a CT machine.
7
17000
2000
씨티 장비예요.
00:34
It's a fantastic device.
8
19000
2000
아주 좋은 도구예요.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
엑스레이를 이용하는데
00:38
that are rotating very fast around the human body.
10
23000
3000
사람 몸 주변을 매우 빨리 돌면서 빔을 쏘죠.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
모든 촬영을 마치는데 30초 밖에 걸리지 않아요.
00:43
and is generating enormous amounts of information
12
28000
2000
그리고 엄청난 양의 정보를 쏟아냅니다.
00:45
that comes out of the machine.
13
30000
2000
그 장비에서 말이죠.
00:47
So this is a fantastic machine
14
32000
2000
대단한 장비입니다.
00:49
that we can use
15
34000
2000
이것을 이용해서
00:51
for improving health care,
16
36000
2000
보건을 향상 시킵니다.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
하지만 이것 또한 하나의 도전입니다.
00:55
And the challenge is really found in this picture here.
18
40000
3000
이 영상에서 그 도전을 찾을 수 있습니다.
00:58
It's the medical data explosion
19
43000
2000
의료 데이터는 쏟아져 나옵니다.
01:00
that we're having right now.
20
45000
2000
현제 우리가 가지고 있는것들 말이예요.
01:02
We're facing this problem.
21
47000
2000
우리가 직면한 문제입니다.
01:04
And let me step back in time.
22
49000
2000
과거로로 돌아가 보죠.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
몇년 전으로 돌아가서 어떤일이 있어는지 봅시다.
01:09
These machines that came out --
24
54000
2000
이런 장비들은 1970년대에
01:11
they started coming in the 1970s --
25
56000
2000
나오기 시작했습니다.
01:13
they would scan human bodies,
26
58000
2000
사람 몸을 촬영하면
01:15
and they would generate about 100 images
27
60000
2000
한사람에게서 약 100개의 영상을
01:17
of the human body.
28
62000
2000
추출해줍니다.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
저는 정확성을 보장하기 위해
01:21
to translate that to data slices.
30
66000
3000
그것을 데이터 조각으로 바꿉니다.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
아마도 약 50메가 정도 됩니다.
01:26
which is small
32
71000
2000
작은 크기죠
01:28
when you think about the data we can handle today
33
73000
3000
요즘 휴대기기에서 사용하는 데이터를 생각해보시면,
01:31
just on normal mobile devices.
34
76000
2000
작은 데이터 입니다.
01:33
If you translate that to phone books,
35
78000
2000
전화번호부로 생각한다면,
01:35
it's about one meter of phone books in the pile.
36
80000
3000
전화번호부 책이 1미터 정도 쌓여있는 양이죠.
01:38
Looking at what we're doing today
37
83000
2000
오늘날 우리는
01:40
with these machines that we have,
38
85000
2000
이러한 기계들로
01:42
we can, just in a few seconds,
39
87000
2000
단몇초만에
01:44
get 24,000 images out of a body,
40
89000
2000
24,000개의 신체 영상을 얻죠.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
데이터의 크기가 약 20기가바이트 정도죠.
01:49
or 800 phone books,
42
94000
2000
800여권의 전화번호부와 같은 양이죠.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
전화번호부를 200미터 쌓아놓은 양이구요.
01:53
What's about to happen --
44
98000
2000
어떤일이 일어날까요?
01:55
and we're seeing this; it's beginning --
45
100000
2000
우리가 보고 있는 이것은
01:57
a technology trend that's happening right now
46
102000
2000
지금 시작되고 있는 기술의 경향입니다.
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
또한 그 결과에 대한 상황을 보게 될 것입니다.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
그리고 신체로 부터 역동성을 보게 될 것입니다.
02:05
And just assume
49
110000
2000
추축하건데,
02:07
that we will be collecting data during five seconds,
50
112000
3000
우리는 5초 동안
02:10
and that would correspond to one terabyte of data --
51
115000
2000
테라바이트의 데이터를 수집 할 수 있을 것입니다.
02:12
that's 800,000 books
52
117000
2000
800,000권의 전화번호부 양이며,
02:14
and 16 kilometers of phone books.
53
119000
2000
전화번호부가 16km쌓인 것입니다.
02:16
That's one patient, one data set.
54
121000
2000
이것은 한명의 환자에게서나온 데이터 입니다.
02:18
And this is what we have to deal with.
55
123000
2000
이것이 우리가 다뤄야할 데이터입니다.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
이것은 우리가 가지고 있는 큰 도전입니다.
02:23
And already today -- this is 25,000 images.
57
128000
3000
이미 오늘날, 25,000개의 영상을 다루죠.
02:26
Imagine the days
58
131000
2000
생각해보십시오
02:28
when we had radiologists doing this.
59
133000
2000
방사선사가 촬영한 날을 말이죠.
02:30
They would put up 25,000 images,
60
135000
2000
25000개의 이미지를 걸어두고,
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
이렇게 하겠죠, 25,000 괜찮고 괜찮고
02:35
There is the problem."
62
140000
2000
여기 문제가 있군
02:37
They can't do that anymore. That's impossible.
63
142000
2000
이제 더이상 이런식은 불가능 합니다.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
그래서 우리는 이런것들을 좀 더 현명하게 해야합니다.
02:43
So what we do is that we put all these slices together.
65
148000
2000
그래서 우리는 이 영상들을 모두 합칩니다.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
당신의 몸을 모든 방향에서 촬영했다고 생각해보세요.
02:48
and then you try to put the slices back together again
67
153000
3000
그리고 그 영상들을 다시 합치는 거죠.
02:51
into a pile of data, into a block of data.
68
156000
2000
하나의 데이터로 혹은 데이터 뭉치로요.
02:53
So this is really what we're doing.
69
158000
2000
이것이 우리가 하려고 하는 것이죠.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
이 기가바이트나 테라바이트 데이터를 이 블럭에 집어넣습니다.
02:58
But of course, the block of data
71
163000
2000
하지만, 물론 그 블럭데이터는
03:00
just contains the amount of X-ray
72
165000
2000
엑스레이를 담고 있는데요.
03:02
that's been absorbed in each point in the human body.
73
167000
2000
몸 각부위에서 흡수된 엑스레이를 말하죠.
03:04
So what we need to do is to figure out a way
74
169000
2000
그런 다음 우리가 해야할 것은
03:06
of looking at the things we do want to look at
75
171000
3000
우리가 원하는 부위를 어떻게 봐야할 것인가 입니다.
03:09
and make things transparent that we don't want to look at.
76
174000
3000
필요없는 부위를 투명하게 하는 것이죠.
03:12
So transforming the data set
77
177000
2000
그래서 데이터들을
03:14
into something that looks like this.
78
179000
2000
이와 같이 변형시켜야 합니다.
03:16
And this is a challenge.
79
181000
2000
이것이 하나의 도전이죠.
03:18
This is a huge challenge for us to do that.
80
183000
3000
우리에게 커다란 도전이죠.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
컴퓨터를 이용하더라도 아무리 빠르고 좋은 컴퓨터라 할지라도,
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
기가바이트나 테라바이트의 데이터에서
03:26
terabytes of data
83
191000
2000
관련된 정보를
03:28
and extracting the relevant information.
84
193000
2000
찾아내는건 도전입니다.
03:30
I want to look at the heart.
85
195000
2000
심장을 살펴보고 싶고,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
혈관들을 보고싶죠, 간도 보고싶죠.
03:34
Maybe even find a tumor,
87
199000
2000
암도 여러 사례들에서
03:36
in some cases.
88
201000
2000
발견하고 싶죠.
03:39
So this is where this little dear comes into play.
89
204000
2000
작은 사슴이 놀고 있네요.
03:41
This is my daughter.
90
206000
2000
제 딸입니다.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
아침 9시죠.
03:45
She's playing a computer game.
92
210000
2000
딸애는 컴퓨터 게임을 하고 있습니다.
03:47
She's only two years old,
93
212000
2000
이제 2살이죠.
03:49
and she's having a blast.
94
214000
2000
아주 즐거워 하고 있죠.
03:51
So she's really the driving force
95
216000
3000
그녀는 그래픽 기술 발전에 있어
03:54
behind the development of graphics-processing units.
96
219000
3000
추진력이라고 할 수 있습니다.
03:58
As long as kids are playing computer games,
97
223000
2000
아이들이 컴퓨터 게임을 하는 한
04:00
graphics is getting better and better and better.
98
225000
2000
그래픽 기술을 계속 발전하죠.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
집에 가시면 제발 아이들에게 게임을 더 하라고 하세요.
04:04
because that's what I need.
100
229000
2000
왜냐면 게임이 필요하거든요.
04:06
So what's inside of this machine
101
231000
2000
그 기계 안에 있는 것이
04:08
is what enables me to do the things that I'm doing
102
233000
2000
의료적 데이터를 가지고 무언가를 할 수 있게
04:10
with the medical data.
103
235000
2000
합니다.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
그래서 저는 이 작고 멋진 기계를 사용하려고 합니다.
04:15
And you know, going back
105
240000
2000
여러분도 아다시피
04:17
maybe 10 years in time
106
242000
2000
10년전쯤에
04:19
when I got the funding
107
244000
2000
제가 처음 연구비를 받아
04:21
to buy my first graphics computer --
108
246000
2000
저의 첫 그래픽 컴퓨터를 샀죠.
04:23
it was a huge machine.
109
248000
2000
덩치가 엄청나게 컸었죠.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
캐비넷안에 처리장치,저장장치 모든것이 있었죠.
04:28
I paid about one million dollars for that machine.
111
253000
3000
가격은 백만불이었습니다.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
그 기계는 오늘날의 아이폰과 같은 속도였습니다.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
매달 새로운 그래픽 카드가 출시됩니다.
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
이것들은 가장 최신의 제품들입니다.
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
NVIDIA, ATI, Intel도 제품을 내놓습니다.
04:45
And you know, for a few hundred bucks
116
270000
2000
아시다시피 몇 백불이면
04:47
you can get these things and put them into your computer,
117
272000
2000
이 그래픽카들을 여러분의 컴퓨터에 달 수 있습니다.
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
그리고 멋진일들을 그래픽카드로 할 수 있죠.
04:52
So this is really what's enabling us
119
277000
2000
이런 그래픽카드들이
04:54
to deal with the explosion of data in medicine,
120
279000
3000
거대한 데이터를 처리할 수 있게하고,
04:57
together with some really nifty work
121
282000
2000
멋진 작업들을 해낼 수 있죠.
04:59
in terms of algorithms --
122
284000
2000
알고리즘에서 처럼
05:01
compressing data,
123
286000
2000
데이터를 압축하고,
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
사람들이 연구하는 것과 관련정보들을 추출하죠.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
자 이제 여러분에게 우리가 할 수 있는 몇가지 예를 보여드리죠.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
이것을 CT 스캐너로 촬영한 데이터입니다.
05:12
You can see that this is a full data [set].
127
297000
3000
전체 데이터를 보고 있습니다.
05:15
It's a woman. You can see the hair.
128
300000
3000
여자고 머리카락도 보입니다.
05:18
You can see the individual structures of the woman.
129
303000
3000
이 여성의 각각의 조직들이 보이죠.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
엑스레이의 잔상이 보이는데,
05:24
on the teeth, the metal in the teeth.
131
309000
2000
이빨에 금속성분에 잔상이 나타났죠.
05:26
That's where those artifacts are coming from.
132
311000
3000
엑스레인 잔상이 보인 부분이죠.
05:29
But fully interactively
133
314000
2000
하지만, 완전히 상호적이죠
05:31
on standard graphics cards on a normal computer,
134
316000
3000
보통 컴퓨터에 평범한 그래픽 카드에서 말이예요.
05:34
I can just put in a clip plane.
135
319000
2000
횡단면을 볼 수가 있습니다.
05:36
And of course all the data is inside,
136
321000
2000
물론 모든 데이터는 안에 있죠.
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
회전시켜 볼수도 있고 다른 각도로 볼수도 있죠.
05:41
and I can see that this woman had a problem.
138
326000
3000
이 여성에게 어떤 문제가 있는지 알 수있죠.
05:44
She had a bleeding up in the brain,
139
329000
2000
뇌에 출혈이 보이네요.
05:46
and that's been fixed with a little stent,
140
331000
2000
기구로 출혈을 막았군요.
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
금속 꺽쇠로 혈관을 묶었어요.
05:50
And just by changing the functions,
142
335000
2000
단지 기능을 바꾸는 것만으로
05:52
then I can decide what's going to be transparent
143
337000
3000
어떤 구조물을 투명하게 할 수 있으며,
05:55
and what's going to be visible.
144
340000
2000
어떤 걸 보이게 할 수도 있죠.
05:57
I can look at the skull structure,
145
342000
2000
두개골을 볼 수도 있고,
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
그래서 이 여성의 두개골에 어디가 밖으로 열려있고,
06:02
and that's where they went in.
147
347000
2000
어디가 안쪽으로 들어갔는지 알 수 있죠.
06:04
So these are fantastic images.
148
349000
2000
멋진 영상들이죠.
06:06
They're really high resolution,
149
351000
2000
해상도가 굉장히 높습니다.
06:08
and they're really showing us what we can do
150
353000
2000
이것들은 우리가 오늘날
06:10
with standard graphics cards today.
151
355000
3000
일반적 그래픽 카드로 할 수 있는 것들이죠.
06:13
Now we have really made use of this,
152
358000
2000
이제 이걸좀 이용해 보도록하죠
06:15
and we have tried to squeeze a lot of data
153
360000
3000
많은 데이터들을 짜서 이 시스템에
06:18
into the system.
154
363000
2000
넣었습니다.
06:20
And one of the applications that we've been working on --
155
365000
2000
우리가 작업하고 있는 프로그램 중 하나로
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
지금 세계적으로도 첨단인
06:25
is the application of virtual autopsies.
157
370000
2000
가상 부검 프로그램 입니다.
06:27
So again, looking at very, very large data sets,
158
372000
2000
다시 말씀드리지만 굉장히 큰 데이터입니다.
06:29
and you saw those full-body scans that we can do.
159
374000
3000
한사람의 몸전체를 촬영한 것이죠.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
우린 대상자를 CT 기계에 넣기만 하면,
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
몇 초 후에 몸전체에 대한 데이터를 얻을 수 있습니다.
06:38
So this is from a virtual autopsy.
162
383000
2000
이것이 가상 부검의 시작입니다.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
여러분은 제가 어떻게 하나씩 벗겨가는지 보게될것입니다.
06:42
First you saw the body bag that the body came in,
164
387000
3000
먼저 보실것은 사체가 들어있는 주머니 입니다.
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
다음은 피부를 벗겨내죠. 근육이 보이시죠.
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
그리고 이 여성의 골격구조가 보이시죠.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
지금 제가 강조하고 싶은 것은
06:54
that, with the greatest respect
168
399000
2000
가장 큰 경외감을
06:56
for the people that I'm now going to show --
169
401000
2000
지금 보시게 될 분들에게 돌린다는 것입니다.
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
전 지금 가상부검의 몇몇 사례를 보여드릴려고합니다.
07:00
so it's with great respect for the people
171
405000
2000
대상자 분들에게 경외감을 돌리며,
07:02
that have died under violent circumstances
172
407000
2000
이분들은 처참한 환경에서 돌아가셨습니다.
07:04
that I'm showing these pictures to you.
173
409000
3000
여러분께 그 영상을 보여드리겠습니다.
07:08
In the forensic case --
174
413000
2000
법의학적 사례에서
07:10
and this is something
175
415000
2000
이것들은 중요합니다.
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
지금까지 약 400건의 사례들이
07:14
just in the part of Sweden that I come from
177
419000
2000
스웨덴의 일부 지역에서
07:16
that has been undergoing virtual autopsies
178
421000
2000
가상 부검이 이루어 졌습니다.
07:18
in the past four years.
179
423000
2000
지난 4년간 말이죠.
07:20
So this will be the typical workflow situation.
180
425000
3000
그렇다면, 이것은 일반적인 작업이 될 것입니다.
07:23
The police will decide --
181
428000
2000
경찰이 저녁에
07:25
in the evening, when there's a case coming in --
182
430000
2000
자신들이 사건을 맡은 시간에
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
부검이 필요하다고 생각되는 사건을 맡았다면,
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
아침 6시에서 7시 사이에
07:33
the body is then transported inside of the body bag
185
438000
2000
그 사체는 사체가방에 담겨서 저희 센터로
07:35
to our center
186
440000
2000
오게 됩니다.
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
그런다음 CT로 촬영을 하게 되죠.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
그리고 나서 방사선사는 병리사와 같이
07:41
and sometimes the forensic scientist,
189
446000
2000
가끔은 법의학자와 같이
07:43
looks at the data that's coming out,
190
448000
2000
그 데이터를 살펴 보게 됩니다.
07:45
and they have a joint session.
191
450000
2000
그들은 회의를 합니다.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
그런다음 실제적인 부검에서 뭘 할 것인지를 결정합니다.
07:52
Now looking at a few cases,
193
457000
2000
이제 몇몇 사례들을 보죠.
07:54
here's one of the first cases that we had.
194
459000
2000
여기 첫번째 사체를 보시죠.
07:56
You can really see the details of the data set.
195
461000
3000
우리는 굉장히 자세하게 들여다 볼수 있습니다.
07:59
It's very high-resolution,
196
464000
2000
해상도가 매우 높으니까요.
08:01
and it's our algorithms that allow us
197
466000
2000
그리고 저희의 연산프로그램은
08:03
to zoom in on all the details.
198
468000
2000
모든 세세한 부분들을 확대할 수 있습니다.
08:05
And again, it's fully interactive,
199
470000
2000
강조하자면, 완벽하게 상호적이죠.
08:07
so you can rotate and you can look at things in real time
200
472000
2000
그래서 회전시킬 수도 있고, 실시간으로 살펴볼 수 있죠.
08:09
on these systems here.
201
474000
2000
이 시스템을 이용해서요.
08:11
Without saying too much about this case,
202
476000
2000
간단하게 이 사건에 대해 말씀드리면
08:13
this is a traffic accident,
203
478000
2000
교통사고 이고,
08:15
a drunk driver hit a woman.
204
480000
2000
음주운전자가 여성을 치었습니다.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
뼈에 대한 손상은 굉장히 잘 보입니다.
08:20
And the cause of death is the broken neck.
206
485000
3000
사인은 경추골절입니다.
08:23
And this women also ended up under the car,
207
488000
2000
여성은 차에 깔려 있었습니다.
08:25
so she's quite badly beaten up
208
490000
2000
여성은 심각한 상해를 입었죠.
08:27
by this injury.
209
492000
2000
손상이 심했어요.
08:29
Here's another case, a knifing.
210
494000
3000
다른 사례를 보죠. 칼로 찔린거죠.
08:32
And this is also again showing us what we can do.
211
497000
2000
우리가 무엇을 할 수 있는지 보여주고 있습니다.
08:34
It's very easy to look at metal artifacts
212
499000
2000
금속으로 된 물체들은 잘 보이죠.
08:36
that we can show inside of the body.
213
501000
3000
몸안에 무엇이 있는지 보이죠.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
여기 보시면 이빨에도 뭔가 있죠.
08:42
that's actually the filling of the teeth --
215
507000
2000
사실 이빨에 사용된 충전물입니다.
08:44
but because I've set the functions to show me metal
216
509000
3000
제가 금속물체를 보이게 하고, 다른 것들은
08:47
and make everything else transparent.
217
512000
2000
모두 투명으로 보이게 했기 때문입니다.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
다른 폭력사건입니다. 이것이 사망원인은 아닙니다.
08:52
The person was killed by stabs in the heart,
219
517000
2000
심장이 찔려서 사망하였습니다.
08:54
but they just deposited the knife
220
519000
2000
하지만, 그들이 찌른 칼은
08:56
by putting it through one of the eyeballs.
221
521000
2000
한쪽 안구를 관통했죠.
08:58
Here's another case.
222
523000
2000
또다른 사례를 보죠.
09:00
It's very interesting for us
223
525000
2000
매우 흥미로운 사례입니다.
09:02
to be able to look at things like knife stabbings.
224
527000
2000
칼에 찔린 듯한 물체가 보이죠.
09:04
Here you can see that knife went through the heart.
225
529000
3000
보시다시피 칼이 심장을 관통했습니다.
09:07
It's very easy to see how air has been leaking
226
532000
2000
공기가 세는 것일 쉽게 볼 수 있죠.
09:09
from one part to another part,
227
534000
2000
한부분에서 다른 부분으로 말이죠.
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
일반적 실제 부검에서는 보기 힘든 것입니다.
09:14
So it really, really helps
229
539000
2000
이 것은 진정으로
09:16
the criminal investigation
230
541000
2000
범죄 수사에 도움이 됩니다.
09:18
to establish the cause of death,
231
543000
2000
사인을 알아내는데 말이죠.
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
어떤경우 수사를 바른 방향으로 이끕니다.
09:23
to find out who the killer really was.
233
548000
2000
누가 진짜 범인인가를 가리는 것이죠.
09:25
Here's another case that I think is interesting.
234
550000
2000
또 하나의 흥미로운 사례입니다.
09:27
Here you can see a bullet
235
552000
2000
여기 총알이 보이죠.
09:29
that has lodged just next to the spine on this person.
236
554000
3000
이 사람의 척추 옆에 밖혀있죠.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
우리가 한 것은 그 총알에 빛을 비춰봤습니다.
09:35
so that bullet is actually shining,
238
560000
2000
총알이 빛나고 있죠.
09:37
and it makes it really easy to find these fragments.
239
562000
3000
이렇게 함으로써 조각들을 찾기 쉽게 합니다.
09:40
During a physical autopsy,
240
565000
2000
실제 부검동안에
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
조각들을 찾기 위해서 사체를 파헤쳐서
09:44
that's actually quite hard to do.
242
569000
2000
조각을 찾기는 매우 힙듭니다.
09:48
One of the things that I'm really, really happy
243
573000
2000
제가 기쁘게 생각하는 것중 하나는
09:50
to be able to show you here today
244
575000
3000
여러분께 이것을 보여드릴 수 있어서 입니다.
09:53
is our virtual autopsy table.
245
578000
2000
저희 가상부검 테이블 입니다.
09:55
It's a touch device that we have developed
246
580000
2000
우리가 개발한 터치스크린 테이블입니다.
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
저희의 연산프로그램을 바탕으로 일반 그래픽카드를 사용했죠.
10:00
It actually looks like this,
248
585000
2000
이렇게 생겼습니다.
10:02
just to give you a feeling for what it looks like.
249
587000
3000
어떻게 생겼는지 보여드렸으면 했습니다.
10:05
It really just works like a huge iPhone.
250
590000
3000
말하자면, 큰 아이폰처럼 작동하죠.
10:08
So we've implemented
251
593000
2000
우리는 모든 동작들을
10:10
all the gestures you can do on the table,
252
595000
3000
이 테이블 위에서 할 수 있습니다.
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
큰 터치 스크린을 가진 기계라고 생각하시면 됩니다.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
아이패드를 사실 생각이라면,
10:19
forget about it. This is what you want instead.
255
604000
3000
잊으세요 여기 당신이 원하는 것이 있습니다.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
스티브, 당신 듣고 있죠?, 그래요.
10:26
So it's a very nice little device.
257
611000
2000
이것은 굉장히 멋진 물건이죠.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
만일 기회가 되신다면 한번 사용해 보세요.
10:30
It's really a hands-on experience.
259
615000
3000
정말 손으로 느낄 수 있습니다.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
여러 언론에 소개되었고, 이용해볼려고 하고 있으며,
10:36
and trying to use it for educational purposes,
261
621000
2000
교육적으로 사용할려고 합니다.
10:38
but also, perhaps in the future,
262
623000
2000
아마도 미래에는
10:40
in a more clinical situation.
263
625000
3000
좀 더 임상적으로 사용될 것입니다.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
가상부검에 대한 유튜브 영상입니다..
10:45
if you want to convey the information to other people
265
630000
2000
만일 여러분이 가상 부검에 대해 알리고싶다면,
10:47
about virtual autopsies.
266
632000
3000
유용한 영상이죠.
10:50
Okay, now that we're talking about touch,
267
635000
2000
이제 터치에 대해 이야기 해봅시다.
10:52
let me move on to really "touching" data.
268
637000
2000
실제 데이터에 대해서 이야기 해보죠
10:54
And this is a bit of science fiction now,
269
639000
2000
지금은 공상과학 소설같은 이야기지만,
10:56
so we're moving into really the future.
270
641000
3000
미래에 가능한 이야기죠.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
지금 현재에 의사들이 사용하는 것은 아니지만,
11:02
but I hope they will in the future.
272
647000
2000
저는 미래에는 그러리라 생각합니다.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
왼쪽에 보시면 터치 기기가 있습니다.
11:07
It's a little mechanical pen
274
652000
2000
이것은 작은 기계적 팬입니다.
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
힘을 측정하는 센서가 펜안에 있습니다.
11:12
And so I can generate a force feedback.
276
657000
2000
그래서 제가 힘의 세기를 다르게 할 수 있습니다.
11:14
So when I virtually touch data,
277
659000
2000
가상데이터에 터치를 할때,
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
이것은 펜이 터치 힘을 만들기때문에 제가 느낄수 있습니다.
11:19
So in this particular situation,
279
664000
2000
지금 특정한 예를 들어보면,
11:21
it's a scan of a living person.
280
666000
2000
살아있는 사람을 스캔하여,
11:23
I have this pen, and I look at the data,
281
668000
3000
제가 이펜을 이용해 테이터를 보고 있죠.
11:26
and I move the pen towards the head,
282
671000
2000
제가 펜을 사람의 머리로 가지고가면,
11:28
and all of a sudden I feel resistance.
283
673000
2000
갑자기 딱딱한 것이 느껴집니다.
11:30
So I can feel the skin.
284
675000
2000
다시말해 피부를 느낄수 있죠.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
제가 좀더 세게 누르면 피부를 통과할 수 있습니다.
11:34
and I can feel the bone structure inside.
286
679000
3000
그리고 안에 있는 딱딱한 뼈를 느낄수 있죠.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
좀더 세게 누르면 뼈도 뚫을 수 있죠.
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
뼈가 매우 물렁한 귀근처의 뼈들은 특히 더 그렇죠.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
그리고 전 뇌속을 느낄 수 있죠. 이렇게 뭉게질 수 있습니다.
11:45
So this is really nice.
290
690000
2000
굉장하죠.
11:47
And to take that even further, this is a heart.
291
692000
3000
좀 더 보면, 심장이죠.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
이런 것이 가능한것은 이런 멋찐 스캐너들 덕분입니다.
11:53
that just in 0.3 seconds,
293
698000
2000
0.3초밖에 걸리지 않죠.
11:55
I can scan the whole heart,
294
700000
2000
심장하나를 스캔하는데 말이죠.
11:57
and I can do that with time resolution.
295
702000
2000
스캔을 시간에 따라 할 수 있어요.
11:59
So just looking at this heart,
296
704000
2000
지금 이 심장을 보고 있지만,
12:01
I can play back a video here.
297
706000
2000
비디오를 뒤로 돌릴수 있죠.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
이건 제 대학원생중의 한명인 칼조한입니다.
12:05
who's been working on this project.
299
710000
2000
이 프로젝트에 참여하고있죠.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
그는 촉각 기기 앞에 앉아있습니다. 힘되먹임 시스템이죠.
12:10
and he's moving his pen towards the heart,
301
715000
3000
그가 팬을 심장쪽으로 가지고 가면,
12:13
and the heart is now beating in front of him,
302
718000
2000
그 심장이 지금부터 그 앞에서 뜁니다.
12:15
so he can see how the heart is beating.
303
720000
2000
심장이 어떻게 뛰는지 알수 있죠.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
팬을 다시 빼서 심장쪽으로 가지고 가면,
12:19
and he's putting it on the heart,
305
724000
2000
그것을 심장에 갖다대면,
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
그는 그 심장이 뛰는 것을 느낄 수 있습니다.
12:24
Then he can examine how the heart is moving.
307
729000
2000
그는 심장이 어떻게 움직이는지 알 수 있죠.
12:26
He can go inside, push inside of the heart,
308
731000
2000
그리고 심장 안쪽으로 팬을 넣으면,
12:28
and really feel how the valves are moving.
309
733000
3000
심판막이 어떻게 움직이는지 느낄 수 있습니다.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
제생각에는 미래의 심장외과에서 쓰여질 거라 생각합니다.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
아마도 심장외과의사들이 정말 바라는 것이
12:37
to be able to go inside of the patient's heart
312
742000
3000
환자의 심장 안을 직접 느껴보는 것이말이죠.
12:40
before you actually do surgery,
313
745000
2000
실제로 수술하기전에 말이예요.
12:42
and do that with high-quality resolution data.
314
747000
2000
고해상도 영상으로 이것을 하는 걸 원할꺼예요.
12:44
So this is really neat.
315
749000
2000
정말 굉장하죠.
12:47
Now we're going even further into science fiction.
316
752000
3000
공상과학소설만큼이나 앞서가고 있죠.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
기능적 MRI에 대해서 말씀드리면,
12:53
Now this is really an interesting project.
318
758000
3000
현재 굉장히 흥미로운 프로젝트입니다.
12:56
MRI is using magnetic fields
319
761000
2000
MRI는 자기장을 이용하죠
12:58
and radio frequencies
320
763000
2000
방사선 주파수와 함께요.
13:00
to scan the brain, or any part of the body.
321
765000
3000
뇌나 몸을 스캔하게 됩니다.
13:03
So what we're really getting out of this
322
768000
2000
이것을 통해 얻을 수 있는 데이터는
13:05
is information of the structure of the brain,
323
770000
2000
뇌 구조에 대한 정보죠.
13:07
but we can also measure the difference
324
772000
2000
하지만, 또 다른 것들을 측정할 수 있는데,
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
산화된 혈액과 비산화혈액의 자기성의 차이를
13:12
and blood that's depleted of oxygen.
326
777000
3000
측정할 수 있습니다.
13:15
That means that it's possible
327
780000
2000
그것은 뇌의 활동을
13:17
to map out the activity of the brain.
328
782000
2000
지도화 할 수 있다는 이야기죠.
13:19
So this is something that we've been working on.
329
784000
2000
이것이 우리가 하고 있는 것들중 하나입니다.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
Motts라는 연구 기술자를 보고 계신데
13:24
going into the MRI system,
331
789000
2000
MRI시스템을 연구하고 있습니다.
13:26
and he was wearing goggles.
332
791000
2000
고글을 쓰고 있죠.
13:28
So he could actually see things in the goggles.
333
793000
2000
그는 고글을 통해 무언가를 보게 됩니다.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
그가 스캔하는 동안 저는 고글을 통해 어떤것들을 보여주죠.
13:33
And this is a little bit freaky,
335
798000
2000
이것이 좀 괴상하긴 하죠.
13:35
because what Motts is seeing is actually this.
336
800000
2000
사실 Motts은 지금 이것을 보고 있습니다.
13:37
He's seeing his own brain.
337
802000
3000
그 자신의 뇌를 보고 있는거죠.ㅣ
13:40
So Motts is doing something here,
338
805000
2000
Motts은 여기서 무엇을 하고 있네요.
13:42
and probably he is going like this with his right hand,
339
807000
2000
아마도 그는 오른속으로 이러고 있나봅니다.
13:44
because the left side is activated
340
809000
2000
좌뇌가 활성하 된것을 보고 알수 있죠.
13:46
on the motor cortex.
341
811000
2000
좌뇌의 운동영역이요.
13:48
And then he can see that at the same time.
342
813000
2000
그는 이걸 같이 보고 있죠.
13:50
These visualizations are brand new.
343
815000
2000
이것들은 새로운 영상기법이죠.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
이것은 저희가 얼마간 연구회 왔던 것이죠.
13:55
This is another sequence of Motts' brain.
345
820000
3000
이건 Motts의 다른 뇌활동 패턴입니다.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
100부터 꺼꾸로 계산하라고 시켰습니다.
14:01
So he's going "100, 97, 94."
347
826000
2000
그는 100 97. 94 이렇게 하죠.
14:03
And then he's going backwards.
348
828000
2000
그리고 그는 꺼꾸로 계산하죠.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
이러한 작은 계산이 그의 뇌를 얼마나 활성화시키는지 보이시죠.
14:08
and is lighting up the whole brain.
350
833000
2000
대부부의 뇌가 활성화 되었습니다.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
굉장하죠 실시간으로 볼수 있어요.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
많은 것들을 조사할 수 있죠. 그에가 뭔가 해보라고 할 수 있죠.
14:14
You can also see that his visual cortex
353
839000
2000
그의 시각 영역도 볼 수 있습니다.
14:16
is activated in the back of the head,
354
841000
2000
뇌의 뒤쪽 시각영역이 활성화됬네요.
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
거기가 그가 보고 있는 곳이죠 자신의뇌를 보고 있으니까요.
14:20
And he's also hearing our instructions
356
845000
2000
그는 지시도 듣고 있죠.
14:22
when we tell him to do things.
357
847000
2000
우리가 뭔가 하라고 할때요.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
그 신호는 뇌속 깊이 있습니다.
14:26
and it's shining through,
359
851000
2000
그렇다해도 빛나고 있죠.
14:28
because all of the data is inside this volume.
360
853000
2000
왜냐면 모든 데이터가 이 안에 있으니까요.
14:30
And in just a second here you will see --
361
855000
2000
여기서 보시는데 단 몇초밖에 안걸리죠
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
그래 Motts 왼발을 움직여봐
14:34
So he's going like this.
363
859000
2000
그는 이렇게 할꺼예요.
14:36
For 20 seconds he's going like that,
364
861000
2000
20초동안 이렇게 할 겁니다.
14:38
and all of a sudden it lights up up here.
365
863000
2000
그리고 갑자기 여기가 활성화되죠.
14:40
So we've got motor cortex activation up there.
366
865000
2000
여기 운동영역이 활성화되죠.
14:42
So this is really, really nice,
367
867000
2000
진짜 멋지죠.
14:44
and I think this is a great tool.
368
869000
2000
전 이게 굉장한 기기라고 생각해요.
14:46
And connecting also with the previous talk here,
369
871000
2000
제가 앞에서 말씀드린것이랑 관련되어있죠.
14:48
this is something that we could use as a tool
370
873000
2000
이것을 이용함으로써 우리는
14:50
to really understand
371
875000
2000
진정으로 신경들이
14:52
how the neurons are working, how the brain is working,
372
877000
2000
어떻게 작용하는지 뇌가 어떻게 일을 하는지
14:54
and we can do this with very, very high visual quality
373
879000
3000
굉장한 고행상도와 빠르게
14:57
and very fast resolution.
374
882000
3000
알아낼 수 있습니다.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
다른 것들도 센터에 있습니다.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
이것은 CAT 스캔입니다. computer adided tomography
15:06
So this is a lion from the local zoo
377
891000
2000
이건 지역 동물원의 사자죠.
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
콜마덴에 있는 노코핑 밖에 동물원이죠.
15:11
So she came to the center,
379
896000
2000
사자는 센터에 와서
15:13
and they sedated her
380
898000
2000
진정제를 맞추고
15:15
and then put her straight into the scanner.
381
900000
2000
스캐너에 넣었습니다.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
사자의 몸전체를 촬영했죠.
15:20
And I can do very nice images like this.
383
905000
2000
이와 같이 굉장히 좋은 영상을 가지고 있죠.
15:22
I can peel off the layer of the lion.
384
907000
2000
사자를 한겹식 벗길 수 있어요.
15:24
I can look inside of it.
385
909000
2000
그 안쪽도 볼 수 있죠.
15:26
And we've been experimenting with this.
386
911000
2000
이걸로 실험을 했습니다.
15:28
And I think this is a great application
387
913000
2000
이건 굉장한 기기라고 생각됩니다.
15:30
for the future of this technology,
388
915000
2000
미래를 위한 기술말이죠.
15:32
because there's very little known about the animal anatomy.
389
917000
3000
현재는 동물의 해부학적 지식이 많이 부족하죠.
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
현재 알려진 것들은 수의사들에게 아주 기본적인 것들이죠.
15:38
We can scan all sorts of things,
391
923000
2000
이런 것들을 스캔 할 수 있습니다.
15:40
all sorts of animals.
392
925000
2000
모든 동물들을요.
15:42
The only problem is to fit it into the machine.
393
927000
3000
문제는 스캐너에 들어갈 수 있는 거야한다는 것이죠.
15:45
So here's a bear.
394
930000
2000
여기 곰이 있죠
15:47
It was kind of hard to get it in.
395
932000
2000
기계에 넣기가 힘들죠.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
곰은 미련하면서 친근한 동물이죠.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
여기보시면 곰의 코가 보이죠.
15:55
And you might want to cuddle this one,
398
940000
3000
아마 쓰다듬고 싶으시겠죠.
15:58
until you change the functions and look at this.
399
943000
3000
기능변경을 해서 이렇게 되기 전까지는요.
16:01
So be aware of the bear.
400
946000
2000
곰이라는걸 기억하고 있으세요.
16:03
So with that,
401
948000
2000
여기 보시면,
16:05
I'd like to thank all the people
402
950000
2000
제가 감사하고싶은 사람들입니다.
16:07
who have helped me to generate these images.
403
952000
2000
이런 영상을 만드는데 도움을 준 사람들입니다.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
이렇게 하기까지는 굉장한 노력이 들었죠.
16:11
gathering the data and developing the algorithms,
405
956000
3000
데이터를 모으고 알고리즘을 짜고
16:14
writing all the software.
406
959000
2000
소프트웨어를 짰죠.
16:16
So, some very talented people.
407
961000
3000
매우 뛰어난 사람들입니다.
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
저의 모토는 저보다 똑똑한 사람을 고용하자는 것입니다.
16:22
and most of these are smarter than I am.
409
967000
2000
대부분의 사람이 저보다 똑똑하죠.
16:24
So thank you very much.
410
969000
2000
감사합니다.
16:26
(Applause)
411
971000
4000
박수
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