TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
Anders Ynnerman: Visualizando a explosão de dados médicos
Filmed:
Readability: 3.4
539,883 views
Hoje, exames diagnósticos médicos produzem milhares de imagens e terabytes de dados para um único paciente em questão de segundos, mas como os médicos analisam essas informações e determinam o que é útil? No TEDxGöteborg, o especialista em visualização científica Anders Ynnerman nos mostra novas ferramentas sofisticadas – como autópsias visuais – para analisar esses incontáveis dados, e um pouco das tecnologias médicas em desenvolvimento que soam como ficção científica. Esta apresentação contém imagens médicas explícitas.
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
Vou começar propondo um pequeno desafio,
00:19
the challenge of dealing with data,
1
4000
3000
o desafio de lidar com dados,
00:22
data that we have to deal with
2
7000
2000
dados que temos que lidar
00:24
in medical situations.
3
9000
2000
em situações médicas.
00:26
It's really a huge challenge for us.
4
11000
2000
É realmente um grande desafio para nós.
00:28
And this is our beast of burden --
5
13000
2000
E este é o nosso fardo.
00:30
this is a Computer Tomography machine,
6
15000
2000
Esta é uma máquina de tomografia computadorizada -
00:32
a CT machine.
7
17000
2000
uma máquina de TC.
00:34
It's a fantastic device.
8
19000
2000
É um aparelho fantástico.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
Usa raios-X, feixes de raios-X,
00:38
that are rotating very fast around the human body.
10
23000
3000
que giram muito rapidamente ao redor do corpo humano.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
Leva-se cerca de 30 segundos para passar por toda a máquina
00:43
and is generating enormous amounts of information
12
28000
2000
e grandes quantidades de informação são geradas
00:45
that comes out of the machine.
13
30000
2000
nesta máquina.
00:47
So this is a fantastic machine
14
32000
2000
Então essa é uma máquina fantástica
00:49
that we can use
15
34000
2000
que podemos usar
00:51
for improving health care,
16
36000
2000
para melhorar a assistência médica.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
Mas como eu disse, também é um desafio para nós.
00:55
And the challenge is really found in this picture here.
18
40000
3000
E o desafio é mostrado nesta foto aqui.
00:58
It's the medical data explosion
19
43000
2000
É a explosão de dados médicos
01:00
that we're having right now.
20
45000
2000
que temos agora.
01:02
We're facing this problem.
21
47000
2000
Estamos encarando este problema.
01:04
And let me step back in time.
22
49000
2000
E deixem-me voltar no tempo.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
Vamos voltar alguns anos no tempo e ver o que aconteceu.
01:09
These machines that came out --
24
54000
2000
Essas máquinas que foram lançadas -
01:11
they started coming in the 1970s --
25
56000
2000
começaram a sair nos anos 70 -
01:13
they would scan human bodies,
26
58000
2000
escaneavam corpos humanos,
01:15
and they would generate about 100 images
27
60000
2000
e geravam cerca de 100 imagens
01:17
of the human body.
28
62000
2000
do corpo humano.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
E tomei a liberdade, só para esclarecer,
01:21
to translate that to data slices.
30
66000
3000
de traduzir isso em fatias de dados.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
Eles corresponderiam a cerca de 50 MB de dados,
01:26
which is small
32
71000
2000
o que é pouco
01:28
when you think about the data we can handle today
33
73000
3000
quando pensamos nos dados que manipulamos hoje
01:31
just on normal mobile devices.
34
76000
2000
somente em aparelhos móveis.
01:33
If you translate that to phone books,
35
78000
2000
Se passarmos isso para lista telefônica,
01:35
it's about one meter of phone books in the pile.
36
80000
3000
teremos cerca de um metro de listas telefônicas empilhadas.
01:38
Looking at what we're doing today
37
83000
2000
Olhando para o que fazemos hoje
01:40
with these machines that we have,
38
85000
2000
com as máquinas que temos,
01:42
we can, just in a few seconds,
39
87000
2000
podemos, somente em alguns segundos,
01:44
get 24,000 images out of a body,
40
89000
2000
ter 24 mil imagens do corpo.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
E isso corresponderia a cerca de 20 GB de dados,
01:49
or 800 phone books,
42
94000
2000
ou 800 listas telefônicas.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
E a pilha teria 200 metros de listas telefônicas.
01:53
What's about to happen --
44
98000
2000
O que está por acontecer -
01:55
and we're seeing this; it's beginning --
45
100000
2000
e estamos vendo isso, está começando -
01:57
a technology trend that's happening right now
46
102000
2000
uma tendência da tecnologia que está acontecendo agora
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
é que também começamos a observar situações de resultado de tempo.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
Então também estamos recebendo a dinâmica do nosso corpo.
02:05
And just assume
49
110000
2000
E imaginem
02:07
that we will be collecting data during five seconds,
50
112000
3000
que vamos coletar informações durante cinco segundos,
02:10
and that would correspond to one terabyte of data --
51
115000
2000
e isso corresponderia a um terabyte de dados.
02:12
that's 800,000 books
52
117000
2000
Isso são 800 mil livros
02:14
and 16 kilometers of phone books.
53
119000
2000
e 16 quilômetros de listas telefônicas.
02:16
That's one patient, one data set.
54
121000
2000
Isso é um paciente, um conjunto de dados.
02:18
And this is what we have to deal with.
55
123000
2000
E é com isso que temos que lidar.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
Esse é realmente um desafio enorme que temos.
02:23
And already today -- this is 25,000 images.
57
128000
3000
E já hoje em dia – estas são 25 mil imagens.
02:26
Imagine the days
58
131000
2000
Imaginem os dias
02:28
when we had radiologists doing this.
59
133000
2000
quando os radiologistas faziam isso.
02:30
They would put up 25,000 images,
60
135000
2000
Eles colocavam 25 mil imagens,
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
e eles diziam, "25 mil, OK, OK.
02:35
There is the problem."
62
140000
2000
Ali está o problema.”
02:37
They can't do that anymore. That's impossible.
63
142000
2000
Eles não podem mais fazer isso; é impossível.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
Então temos que fazer algo que seja um pouco mais inteligente do que isso.
02:43
So what we do is that we put all these slices together.
65
148000
2000
O que fazemos é colocar essas fatias juntas.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
Imaginem o seu corpo cortado em fatias em todas direções,
02:48
and then you try to put the slices back together again
67
153000
3000
e então tentem colocar as fatias juntas de novo
02:51
into a pile of data, into a block of data.
68
156000
2000
numa pilha de dados, num bloco de dados.
02:53
So this is really what we're doing.
69
158000
2000
Então é isso que estamos fazendo.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
Então nós colocamos esses gigabyte ou terabyte de dados neste bloco.
02:58
But of course, the block of data
71
163000
2000
Mas é claro, o bloco de dados
03:00
just contains the amount of X-ray
72
165000
2000
só contém a quantidade de raios-X
03:02
that's been absorbed in each point in the human body.
73
167000
2000
que foi absorvida em cada ponto do corpo humano.
03:04
So what we need to do is to figure out a way
74
169000
2000
Então o que precisamos fazer é descobrir uma maneira
03:06
of looking at the things we do want to look at
75
171000
3000
de olhar ver as coisas que queremos ver
03:09
and make things transparent that we don't want to look at.
76
174000
3000
e fazer o que não queremos ver ficar transparente.
03:12
So transforming the data set
77
177000
2000
Transformar o conjunto de dados
03:14
into something that looks like this.
78
179000
2000
em algo parecido com isso.
03:16
And this is a challenge.
79
181000
2000
E isso é um desafio.
03:18
This is a huge challenge for us to do that.
80
183000
3000
É um enorme desafio para nós.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
Usar computadores, embora eles fiquem mais rápidos e melhores a cada dia,
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
é um desafio lidar–se com gigabytes de dados,
03:26
terabytes of data
83
191000
2000
terabytes de dados
03:28
and extracting the relevant information.
84
193000
2000
e extrair a informação relevante.
03:30
I want to look at the heart.
85
195000
2000
Eu quero observar o coração,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
quero observar as veias, o fígado,
03:34
Maybe even find a tumor,
87
199000
2000
talvez até mesmo achar um tumor
03:36
in some cases.
88
201000
2000
em alguns casos.
03:39
So this is where this little dear comes into play.
89
204000
2000
E é aqui que essa gracinha entra no jogo.
03:41
This is my daughter.
90
206000
2000
Esta é minha filha.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
Isso são 9 horas da manhã de hoje.
03:45
She's playing a computer game.
92
210000
2000
Ela está jogando no computador.
03:47
She's only two years old,
93
212000
2000
Ela só tem dois anos,
03:49
and she's having a blast.
94
214000
2000
e ela está adorando.
03:51
So she's really the driving force
95
216000
3000
Então ela é realmente a força
03:54
behind the development of graphics-processing units.
96
219000
3000
atrás do desenvolvimento de unidades de processamentos gráficos.
03:58
As long as kids are playing computer games,
97
223000
2000
A medida que as crianças jogam jogos de computador,
04:00
graphics is getting better and better and better.
98
225000
2000
os gráficos vão ficando cada vez melhores e melhores.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
Então por favor vão para casa e mandem seus filhos jogarem mais,
04:04
because that's what I need.
100
229000
2000
porque é disso que eu preciso.
04:06
So what's inside of this machine
101
231000
2000
O que há dentro desta máquina
04:08
is what enables me to do the things that I'm doing
102
233000
2000
é o que me permite fazer o que eu estou fazendo
04:10
with the medical data.
103
235000
2000
com dados médicos.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
O que faço é usar esses pequenos aparelhos fantásticos.
04:15
And you know, going back
105
240000
2000
E voltando cerca
04:17
maybe 10 years in time
106
242000
2000
de 10 anos no tempo
04:19
when I got the funding
107
244000
2000
quando eu consegui o investimento
04:21
to buy my first graphics computer --
108
246000
2000
para comprar meu primeiro computador gráfico.
04:23
it was a huge machine.
109
248000
2000
Era uma máquina enorme.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
Havia armários com processadores e arquivamento e tudo mais.
04:28
I paid about one million dollars for that machine.
111
253000
3000
Eu paguei cerca de 1 milhão de dólares pela máquina.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
Essa máquina é, hoje, tão rápida quanto meu iPhone.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
Todo mês temos novas versões de cartões gráficos.
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
Aqui estão alguns dos últimos lançamentos dos fornecedores –
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
NVIDIA, ATI, Intel também.
04:45
And you know, for a few hundred bucks
116
270000
2000
E por algumas centenas de dólares
04:47
you can get these things and put them into your computer,
117
272000
2000
vocês compram essas coisas e colocam no seu computador,
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
e podem fazer coisas fantásticas com esses cartões gráficos.
04:52
So this is really what's enabling us
119
277000
2000
Então isso é o que realmente nos possibilita
04:54
to deal with the explosion of data in medicine,
120
279000
3000
lidar com a explosão de dados médicos,
04:57
together with some really nifty work
121
282000
2000
juntamente com algum trabalho engenhoso
04:59
in terms of algorithms --
122
284000
2000
em termos de algoritmos –
05:01
compressing data,
123
286000
2000
comprimindo dados,
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
extraindo a informação relevante para os pesquisadores.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
Vou mostrar alguns exemplos do que podemos fazer.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
Este é um conjunto de dados captados por uma TC.
05:12
You can see that this is a full data [set].
127
297000
3000
Podem ver que são dados completos.
05:15
It's a woman. You can see the hair.
128
300000
3000
É uma mulher. Podem ver o cabelo.
05:18
You can see the individual structures of the woman.
129
303000
3000
Vocês podem ver as estruturas individuais da mulher.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
Podem ver que há resquícios de raios-X
05:24
on the teeth, the metal in the teeth.
131
309000
2000
nos dentes, nas obturações nos dentes.
05:26
That's where those artifacts are coming from.
132
311000
3000
É daí que os artefatos estão vindo.
05:29
But fully interactively
133
314000
2000
Mas totalmente interativo
05:31
on standard graphics cards on a normal computer,
134
316000
3000
em cartões gráficos padrões em um computador normal,
05:34
I can just put in a clip plane.
135
319000
2000
eu posso simplesmente colocar um ‘clip plane’.
05:36
And of course all the data is inside,
136
321000
2000
E é claro que todos os dados estão dentro,
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
então posso girar, posso olhar por ângulos diferentes,
05:41
and I can see that this woman had a problem.
138
326000
3000
e eu posso ver que essa mulher tinha um problema.
05:44
She had a bleeding up in the brain,
139
329000
2000
Ela teve uma hemorragia cerebral,
05:46
and that's been fixed with a little stent,
140
331000
2000
e foi resolvido com um pequeno stent,
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
um gancho de metal apertando o vaso.
05:50
And just by changing the functions,
142
335000
2000
E simplesmente mudando as funções,
05:52
then I can decide what's going to be transparent
143
337000
3000
eu posso decidir o que vai ser transparente
05:55
and what's going to be visible.
144
340000
2000
e o que vai ser visível.
05:57
I can look at the skull structure,
145
342000
2000
Eu posso olhar para a estrutura do crânio,
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
e ver que foi ali que eles abriram o crânio nesta mulher,
06:02
and that's where they went in.
147
347000
2000
e foi por ali que intervieram.
06:04
So these are fantastic images.
148
349000
2000
Então essas imagens são fantásticas.
06:06
They're really high resolution,
149
351000
2000
Estão realmente em alta resolução,
06:08
and they're really showing us what we can do
150
353000
2000
e realmente mostram o que podemos fazer
06:10
with standard graphics cards today.
151
355000
3000
com os cartões gráficos hoje em dia.
06:13
Now we have really made use of this,
152
358000
2000
Nós realmente fizemos bom uso disso,
06:15
and we have tried to squeeze a lot of data
153
360000
3000
e tentamos comprimir um monte de dados
06:18
into the system.
154
363000
2000
no sistema.
06:20
And one of the applications that we've been working on --
155
365000
2000
E um dos aplicativos em que estamos trabalhando -
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
e isso tem despertado um pouco de interesse no mundo inteiro –
06:25
is the application of virtual autopsies.
157
370000
2000
é um aplicativo de autópsias virtuais.
06:27
So again, looking at very, very large data sets,
158
372000
2000
Estamos considerando conjuntos de dados enormes,
06:29
and you saw those full-body scans that we can do.
159
374000
3000
e vocês viram aqueles scans de corpo inteiro que podemos fazer.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
Nós colocamos o corpo dentro da máquina de TC,
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
e em alguns segundos vemos o conjunto de dados do corpo inteiro.
06:38
So this is from a virtual autopsy.
162
383000
2000
Isto é de uma autópsia virtual.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
E podem ver como eu gradualmente "descasco".
06:42
First you saw the body bag that the body came in,
164
387000
3000
Primeiro viram o plástico que envolvia o corpo,
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
então eu descasco a pele – podem ver os músculos –
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
e então vocês podem ver a estrutura óssea dessa mulher.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
Neste ponto, eu também gostaria de enfatizar
06:54
that, with the greatest respect
168
399000
2000
que, com o maior respeito
06:56
for the people that I'm now going to show --
169
401000
2000
pelas pessoas que vou mostrar agora –
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
vou mostrar alguns casos de autópsias virtuais –
07:00
so it's with great respect for the people
171
405000
2000
então é com grande respeito pelas pessoas
07:02
that have died under violent circumstances
172
407000
2000
que morreram sob circunstâncias violentas
07:04
that I'm showing these pictures to you.
173
409000
3000
que eu estou mostrando estas fotos para vocês.
07:08
In the forensic case --
174
413000
2000
No caso forense –
07:10
and this is something
175
415000
2000
e isto é algo que...
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
houve aproximadamente 400 casos até agora
07:14
just in the part of Sweden that I come from
177
419000
2000
somente na parte da Suécia de onde venho
07:16
that has been undergoing virtual autopsies
178
421000
2000
onde tem havido autópsias virtuais
07:18
in the past four years.
179
423000
2000
nos últimos quatro anos.
07:20
So this will be the typical workflow situation.
180
425000
3000
Então esta será a típica situação de fluxo de trabalho.
07:23
The police will decide --
181
428000
2000
A polícia irá decidir –
07:25
in the evening, when there's a case coming in --
182
430000
2000
à noite, quando um caso estiver chegando –
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
eles vão decidir: Bom, será que este caso requer uma autópsia?
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
Então de manhã, entre 6 e 7 da manhã,
07:33
the body is then transported inside of the body bag
185
438000
2000
o corpo é transportado dentro da bolsa de plástico
07:35
to our center
186
440000
2000
para o nosso centro
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
e será escaneado em um escâner TC.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
E o radiologista, junto com o patologista
07:41
and sometimes the forensic scientist,
189
446000
2000
e as vezes o cientista forense,
07:43
looks at the data that's coming out,
190
448000
2000
estudam os dados que saem do TC,
07:45
and they have a joint session.
191
450000
2000
e fazem uma reunião.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
E depois disso decidem o que fazer na autópsia física real.
07:52
Now looking at a few cases,
193
457000
2000
Agora vamos observar alguns casos:
07:54
here's one of the first cases that we had.
194
459000
2000
aqui está um dos nossos primeiros casos.
07:56
You can really see the details of the data set.
195
461000
3000
Realmente pode se ver os detalhes do conjunto de dados;
07:59
It's very high-resolution,
196
464000
2000
é de resolução muito alta.
08:01
and it's our algorithms that allow us
197
466000
2000
E são nossos algoritmos que nos deixa
08:03
to zoom in on all the details.
198
468000
2000
ampliar todos os detalhes.
08:05
And again, it's fully interactive,
199
470000
2000
E mais uma vez, é inteiramente interativo,
08:07
so you can rotate and you can look at things in real time
200
472000
2000
então pode-se girar para analisar tudo em tempo real
08:09
on these systems here.
201
474000
2000
nesses sistemas aqui.
08:11
Without saying too much about this case,
202
476000
2000
Sem precisar revelar muito sobre o caso,
08:13
this is a traffic accident,
203
478000
2000
este é um acidente de trânsito,
08:15
a drunk driver hit a woman.
204
480000
2000
um motorista embriagado atropelou uma mulher.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
E é muito fácil ver os danos causados na estrutura óssea.
08:20
And the cause of death is the broken neck.
206
485000
3000
E a causa da morte é o pescoço quebrado.
08:23
And this women also ended up under the car,
207
488000
2000
E essa mulher também ficou debaixo do carro,
08:25
so she's quite badly beaten up
208
490000
2000
então ela recebeu um grande impacto
08:27
by this injury.
209
492000
2000
com esta lesão.
08:29
Here's another case, a knifing.
210
494000
3000
Aqui está um outro caso, uma facada.
08:32
And this is also again showing us what we can do.
211
497000
2000
E isso nos mostra o que podemos fazer.
08:34
It's very easy to look at metal artifacts
212
499000
2000
É muito fácil de se ver artefatos metálicos
08:36
that we can show inside of the body.
213
501000
3000
dentro do corpo.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
Vocês também podem ver alguns dos artefatos dos dentes –
08:42
that's actually the filling of the teeth --
215
507000
2000
isso é a obturação no dente –
08:44
but because I've set the functions to show me metal
216
509000
3000
porque eu configurei as funções para mostrar o metal
08:47
and make everything else transparent.
217
512000
2000
e para o resto ficar transparente.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
Aqui está outro caso violento. Isto não matou a pessoa.
08:52
The person was killed by stabs in the heart,
219
517000
2000
A vítima morreu com facadas no coração,
08:54
but they just deposited the knife
220
519000
2000
mas eles simplesmente enfiaram a faca
08:56
by putting it through one of the eyeballs.
221
521000
2000
pelos globos oculares.
08:58
Here's another case.
222
523000
2000
Aqui está um outro caso.
09:00
It's very interesting for us
223
525000
2000
É muito interessante para nós
09:02
to be able to look at things like knife stabbings.
224
527000
2000
poder analisar casos como esfaqueamento.
09:04
Here you can see that knife went through the heart.
225
529000
3000
Aqui vocês podem ver que a faca atravessou o coração.
09:07
It's very easy to see how air has been leaking
226
532000
2000
É fácil de se ver como o ar vazava
09:09
from one part to another part,
227
534000
2000
de um lado para outro,
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
algo difícil de se fazer em uma autópsia normal, padrão.
09:14
So it really, really helps
229
539000
2000
Então isso realmente ajuda
09:16
the criminal investigation
230
541000
2000
na investigação de crimes
09:18
to establish the cause of death,
231
543000
2000
para estabelecer a causa da morte,
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
e em alguns casos também direcionar a investigação na direção certa
09:23
to find out who the killer really was.
233
548000
2000
e apurar quem realmente é o assassino.
09:25
Here's another case that I think is interesting.
234
550000
2000
Aqui está um outro caso que acho interessante.
09:27
Here you can see a bullet
235
552000
2000
Aqui vocês vêem a bala
09:29
that has lodged just next to the spine on this person.
236
554000
3000
que está alojada bem perto da coluna nesta pessoa.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
E o que fizemos foi transformar a bala em uma fonte de luz,
09:35
so that bullet is actually shining,
238
560000
2000
assim a bala brilha,
09:37
and it makes it really easy to find these fragments.
239
562000
3000
e fica muito fácil encontrar os fragmentos.
09:40
During a physical autopsy,
240
565000
2000
Durante uma autópsia convencional,
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
se tivermos que encontrar todos esses fragmentos dentro do corpo,
09:44
that's actually quite hard to do.
242
569000
2000
isso é difícil fazer.
09:48
One of the things that I'm really, really happy
243
573000
2000
Uma coisa que fico muito, muito contente
09:50
to be able to show you here today
244
575000
3000
é poder mostrar hoje a vocês
09:53
is our virtual autopsy table.
245
578000
2000
a nossa mesa para autópsia virtual.
09:55
It's a touch device that we have developed
246
580000
2000
É um dispositivo tátil que desenvolvemos
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
com base nestes algoritmos, usando GPU para padrões gráficos.
10:00
It actually looks like this,
248
585000
2000
Ele se parece assim,
10:02
just to give you a feeling for what it looks like.
249
587000
3000
só para dar uma ideia de como ele se parece.
10:05
It really just works like a huge iPhone.
250
590000
3000
Realmente ele funciona como um iPhone gigante.
10:08
So we've implemented
251
593000
2000
Então nós implementamos
10:10
all the gestures you can do on the table,
252
595000
3000
todos os gestos que vocês podem fazer na mesa,
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
e podem ver isto como um interface tátil gigante.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
Se estiverem pensando em comprar um iPad,
10:19
forget about it. This is what you want instead.
255
604000
3000
esqueçam. É isto que vocês querem.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
Steve, espero que esteja me ouvindo, tudo bem.
10:26
So it's a very nice little device.
257
611000
2000
É um pequeno dispositivo muito simpático.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
Então se tiverem a oportunidade, por favor testem.
10:30
It's really a hands-on experience.
259
615000
3000
Isso é uma experiência prática.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
Isso ganhou um pouco de atração e tentamos disseminar
10:36
and trying to use it for educational purposes,
261
621000
2000
e usar para fins educacionais,
10:38
but also, perhaps in the future,
262
623000
2000
mas também, talvez no futuro,
10:40
in a more clinical situation.
263
625000
3000
em um contexto mais clínico.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
Há um vídeo no YouTube que podem baixar,
10:45
if you want to convey the information to other people
265
630000
2000
se quiserem passar a informação para outras pessoas
10:47
about virtual autopsies.
266
632000
3000
sobre autópsias virtuais.
10:50
Okay, now that we're talking about touch,
267
635000
2000
OK, já que falamos sobre tato,
10:52
let me move on to really "touching" data.
268
637000
2000
vamos falar sobre dados realmente tocantes.
10:54
And this is a bit of science fiction now,
269
639000
2000
E isso ainda é um pouco de ficção científica,
10:56
so we're moving into really the future.
270
641000
3000
estamos indo para o futuro.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
Na realidade não é o que os médicos estão usando agora,
11:02
but I hope they will in the future.
272
647000
2000
Mas espero que usem no futuro.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
O que vocês estão vendo na esquerda é um dispositivo tátil.
11:07
It's a little mechanical pen
274
652000
2000
É uma pequena caneta mecânica
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
com motores de passo muito velozes dentro dela.
11:12
And so I can generate a force feedback.
276
657000
2000
Então eu posso gerar um ‘force feedback’.
11:14
So when I virtually touch data,
277
659000
2000
Quando eu virtualmente toco nos dados,
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
eles geram forças táticas na caneta, assim ganho um feedback.
11:19
So in this particular situation,
279
664000
2000
Então neste caso em particular,
11:21
it's a scan of a living person.
280
666000
2000
É um scan de uma pessoa viva.
11:23
I have this pen, and I look at the data,
281
668000
3000
Tenho esta caneta e analiso os dados,
11:26
and I move the pen towards the head,
282
671000
2000
e movo a caneta em direção à cabeça,
11:28
and all of a sudden I feel resistance.
283
673000
2000
e de repente eu sinto uma resistência.
11:30
So I can feel the skin.
284
675000
2000
Eu posso sentir a pele.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
Se eu pressionar um pouco mais, vou através da pele
11:34
and I can feel the bone structure inside.
286
679000
3000
e posso sentir o interior da estrutura óssea.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
Se pressiono mais ainda, vou através da estrutura óssea,
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
especialmente perto do ouvido onde o osso é esponjoso.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
E então posso sentir o interior do cérebro, que parece lamacento assim.
11:45
So this is really nice.
290
690000
2000
Isto é realmente legal.
11:47
And to take that even further, this is a heart.
291
692000
3000
E indo mais adiante, este é o coração.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
E isto é devido a esses escâners fantásticos,
11:53
that just in 0.3 seconds,
293
698000
2000
que em apenas 0.3 segundos,
11:55
I can scan the whole heart,
294
700000
2000
posso escanear o coração todo,
11:57
and I can do that with time resolution.
295
702000
2000
e posso fazer isso com a resolução tempo.
11:59
So just looking at this heart,
296
704000
2000
Assim que simplesmente quando eu olho para o coração,
12:01
I can play back a video here.
297
706000
2000
eu posso reproduzir o vídeo.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
Este é Karljohan, um dos meus estudantes de pós graduação
12:05
who's been working on this project.
299
710000
2000
que trabalha nesse projeto.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
Ele está sentado em frente a um aparelho háptico, o sistema ‘force feedback’,
12:10
and he's moving his pen towards the heart,
301
715000
3000
e está movendo a caneta em direção ao coração,
12:13
and the heart is now beating in front of him,
302
718000
2000
e o coração agora está batendo na frente dele,
12:15
so he can see how the heart is beating.
303
720000
2000
e ele pode ver como o coração está batendo.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
Ele pegou a caneta e a move em direção ao coração,
12:19
and he's putting it on the heart,
305
724000
2000
e a coloca sobre o coração,
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
e sente as batidas do coração do paciente que está vivo.
12:24
Then he can examine how the heart is moving.
307
729000
2000
E aí ele pode examinar como o coração bate.
12:26
He can go inside, push inside of the heart,
308
731000
2000
Ele pode ir dentro, pressionar o coração,
12:28
and really feel how the valves are moving.
309
733000
3000
e sentir como as válvulas estão se movendo.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
E isso, penso, é o futuro para os cirurgiões cardíacos.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
Digo que isto é provavelmente uma fantasia que os cardiologistas têm
12:37
to be able to go inside of the patient's heart
312
742000
3000
de poder entrar no coração do paciente
12:40
before you actually do surgery,
313
745000
2000
antes da própria cirurgia,
12:42
and do that with high-quality resolution data.
314
747000
2000
com dados de resolução de alta qualidade.
12:44
So this is really neat.
315
749000
2000
Então isso é realmente genial.
12:47
Now we're going even further into science fiction.
316
752000
3000
Agora nós vamos nos aprofundar mais ainda em ficção científica.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
Já ouvimos falar sobre a ressonância magnética funcional.
12:53
Now this is really an interesting project.
318
758000
3000
Agora, este projeto é muito interessante.
12:56
MRI is using magnetic fields
319
761000
2000
Campos magnéticos e frequências de rádio estão sendo usados
12:58
and radio frequencies
320
763000
2000
em Ressonância Magnética
13:00
to scan the brain, or any part of the body.
321
765000
3000
para escanear o cérebro, ou qualquer parte do corpo.
13:03
So what we're really getting out of this
322
768000
2000
Então, o que estamos conseguindo
13:05
is information of the structure of the brain,
323
770000
2000
é obter informação sobre a estrutura do cérebro,
13:07
but we can also measure the difference
324
772000
2000
e também podemos medir a diferença
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
nas propriedades magnéticas do sangue oxigenado
13:12
and blood that's depleted of oxygen.
326
777000
3000
e sangue com baixo teor de oxigênio.
13:15
That means that it's possible
327
780000
2000
Isto significa que é possível se
13:17
to map out the activity of the brain.
328
782000
2000
mapear a atividade do cérebro.
13:19
So this is something that we've been working on.
329
784000
2000
Isto é algo que estamos desenvolvendo.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
E vocês viram Motts, o engenheiro de pesquisa
13:24
going into the MRI system,
331
789000
2000
indo dentro do sistema de ressonância magnética
13:26
and he was wearing goggles.
332
791000
2000
e usava óculos de proteção.
13:28
So he could actually see things in the goggles.
333
793000
2000
Assim podia realmente ver tudo.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
Então eu falava sobre o seu estado enquanto ele estava no escâner.
13:33
And this is a little bit freaky,
335
798000
2000
E isso é meio estranho,
13:35
because what Motts is seeing is actually this.
336
800000
2000
porque o que Motts vê é isto.
13:37
He's seeing his own brain.
337
802000
3000
Ele está vendo seu próprio cérebro.
13:40
So Motts is doing something here,
338
805000
2000
Então Motts está ativo aqui.
13:42
and probably he is going like this with his right hand,
339
807000
2000
E provavelmente ele irá assim com sua mão direita,
13:44
because the left side is activated
340
809000
2000
porque o lado esquerdo está ativado
13:46
on the motor cortex.
341
811000
2000
no córtex motor.
13:48
And then he can see that at the same time.
342
813000
2000
E então ele pode ver isso ao mesmo tempo.
13:50
These visualizations are brand new.
343
815000
2000
Estas visualizações são inéditas.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
E isto é algo que temos pesquisado faz algum tempo.
13:55
This is another sequence of Motts' brain.
345
820000
3000
Esta é outra sequência do cérebro do Mott.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
Aqui nós pedimos ao Motts para contar de 100 de trás para frente.
14:01
So he's going "100, 97, 94."
347
826000
2000
Ele conta "100, 97, 94."
14:03
And then he's going backwards.
348
828000
2000
Ele está indo para trás.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
Vocês podem ver o pequeno processador matemático funcionando aqui em cima do cérebro.
14:08
and is lighting up the whole brain.
350
833000
2000
e está iluminando o cérebro inteiro.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
Isto é fantástico. Podemos fazer isso em tempo real.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
Podemos investigar. Podemos pedir para ele fazer coisas.
14:14
You can also see that his visual cortex
353
839000
2000
Podem ver também que o córtex visual
14:16
is activated in the back of the head,
354
841000
2000
está ativado na parte posterior da cabeça,
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
porque é aqui onde ele está vendo o seu próprio cérebro.
14:20
And he's also hearing our instructions
356
845000
2000
E ele também pode ouvir nossas instruções
14:22
when we tell him to do things.
357
847000
2000
quando pedimos a ele para fazer algo.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
O sinal também está bem no fundo do cérebro,
14:26
and it's shining through,
359
851000
2000
mas irradia,
14:28
because all of the data is inside this volume.
360
853000
2000
porque todos os dados estão dentro desse volume.
14:30
And in just a second here you will see --
361
855000
2000
E em um segundo vão ver –
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
OK, aqui. Motts, agora mova o seu pé esquerdo.
14:34
So he's going like this.
363
859000
2000
Então ele faz assim.
14:36
For 20 seconds he's going like that,
364
861000
2000
Durante 20 segundos ele faz assim,
14:38
and all of a sudden it lights up up here.
365
863000
2000
e de repente ele acende aqui.
14:40
So we've got motor cortex activation up there.
366
865000
2000
Então temos o córtex motor ativado ali.
14:42
So this is really, really nice,
367
867000
2000
Isso é realmente muito legal.
14:44
and I think this is a great tool.
368
869000
2000
Acho isto uma grande ferramenta.
14:46
And connecting also with the previous talk here,
369
871000
2000
E também conectando com a última palestra,
14:48
this is something that we could use as a tool
370
873000
2000
isso é algo que podemos usar como uma ferramenta
14:50
to really understand
371
875000
2000
para realmente entendermos
14:52
how the neurons are working, how the brain is working,
372
877000
2000
como os neurônios e o cérebro estão funcionando,
14:54
and we can do this with very, very high visual quality
373
879000
3000
e podemos fazer isso com qualidade visual muito alta
14:57
and very fast resolution.
374
882000
3000
e resolução muito rápida.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
Agora também nos divertimos no centro.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
Este é um TC escâner – tomografia computadorizada
15:06
So this is a lion from the local zoo
377
891000
2000
Esta é um leoa do zoológico daqui
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
perto de Norrkoping em Kolmarden, Elsa.
15:11
So she came to the center,
379
896000
2000
Ela veio para o centro,
15:13
and they sedated her
380
898000
2000
e eles a sedaram
15:15
and then put her straight into the scanner.
381
900000
2000
e a colocaram dentro do escâner.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
E é claro, eu coleto todo o seu conjunto de dados.
15:20
And I can do very nice images like this.
383
905000
2000
E posso fazer imagens bacanas assim.
15:22
I can peel off the layer of the lion.
384
907000
2000
Eu posso levantar uma camada da leoa.
15:24
I can look inside of it.
385
909000
2000
e olhar dentro dela.
15:26
And we've been experimenting with this.
386
911000
2000
E estamos fazendo experiências com isso.
15:28
And I think this is a great application
387
913000
2000
E penso que isso é um grande aplicativo
15:30
for the future of this technology,
388
915000
2000
para o futuro desta tecnologia.
15:32
because there's very little known about the animal anatomy.
389
917000
3000
Porque pouco se sabe sobre a anatomia do animal
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
O conhecimento que os veterinários têm é informação básica
15:38
We can scan all sorts of things,
391
923000
2000
Podemos escanear todos os tipos de coisas,
15:40
all sorts of animals.
392
925000
2000
todos os tipos de animais.
15:42
The only problem is to fit it into the machine.
393
927000
3000
O único problema é o animal caber dentro da máquina.
15:45
So here's a bear.
394
930000
2000
Aqui está um urso.
15:47
It was kind of hard to get it in.
395
932000
2000
Foi meio difícil fazê-lo entrar.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
E o urso é um animal fofo e amigo.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
Aqui está o focinho do urso.
15:55
And you might want to cuddle this one,
398
940000
3000
Talvez queiram dar-lhe um abraço,
15:58
until you change the functions and look at this.
399
943000
3000
até mudarem as funções e ele ficar assim.
16:01
So be aware of the bear.
400
946000
2000
Tenham cuidado com o urso.
16:03
So with that,
401
948000
2000
Então com isso,
16:05
I'd like to thank all the people
402
950000
2000
eu quero agradecer a todos
16:07
who have helped me to generate these images.
403
952000
2000
que me ajudaram a criar essas imagens.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
Fazer isso requer um grande esforço,
16:11
gathering the data and developing the algorithms,
405
956000
3000
coletar dados e desenvolver os algoritmos,
16:14
writing all the software.
406
959000
2000
programando o software.
16:16
So, some very talented people.
407
961000
3000
Muita gente com talento.
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
O meu lema é: eu só recruto pessoas mais inteligentes do que eu
16:22
and most of these are smarter than I am.
409
967000
2000
e a maioria deles são mais espertos do que eu.
16:24
So thank you very much.
410
969000
2000
Muito obrigado.
16:26
(Applause)
411
971000
4000
(Aplausos)
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