TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
Anders Ynnerman: Vizualizarea exploziei datelor medicale
Filmed:
Readability: 3.4
539,883 views
Scanările medicale de azi produc mii de imagini și terabytes de date pentru un singur pacient în doar câteva secunde, dar cum prelucrează medicii această informație și cum determină ce este util? La TEDxGöteborg, expertul în vizualizări științifice Anders Ynnerman ne arată noi unelte sofisticate -- ca autopsiile virtuale -- pentru analizarea acestor miriade de date, și o privire fugară asupra unor tehnologii medicale ca de science-fiction, acum în dezvoltare. Discursul conține unele imagini medicale.
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
Voi începe printr-o mică provocare,
00:19
the challenge of dealing with data,
1
4000
3000
provocarea tratării datelor,
00:22
data that we have to deal with
2
7000
2000
a datelor cu care avem de-a face
00:24
in medical situations.
3
9000
2000
în situații medicale.
00:26
It's really a huge challenge for us.
4
11000
2000
Este într-adevăr o provocare imensă pentru noi.
00:28
And this is our beast of burden --
5
13000
2000
Iar aceasta este bestia noastră de povară.
00:30
this is a Computer Tomography machine,
6
15000
2000
Acesta este un tomograf computerizat --
00:32
a CT machine.
7
17000
2000
o mașină CT.
00:34
It's a fantastic device.
8
19000
2000
Este un dispozitiv fantastic.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
Folosește raze X, fascicole de raze X,
00:38
that are rotating very fast around the human body.
10
23000
3000
care se rotesc foarte repede în jurul corpului uman.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
Durează cam 30 de secunde trecerea prin întreaga mașină
00:43
and is generating enormous amounts of information
12
28000
2000
și generează cantități enorme de informație
00:45
that comes out of the machine.
13
30000
2000
care ies din mașina CT.
00:47
So this is a fantastic machine
14
32000
2000
Deci asta este o mașină fantastică
00:49
that we can use
15
34000
2000
pe care o putem utiliza
00:51
for improving health care,
16
36000
2000
pentru a îmbunătăți îngrijirea sănătății.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
Dar așa cum am spus, este și o provocare pentru noi.
00:55
And the challenge is really found in this picture here.
18
40000
3000
Iar provocarea se găsește de fapt în această imagine.
00:58
It's the medical data explosion
19
43000
2000
Este explozia de date medicale
01:00
that we're having right now.
20
45000
2000
care are loc chiar acum.
01:02
We're facing this problem.
21
47000
2000
Avem această problemă.
01:04
And let me step back in time.
22
49000
2000
Permiteți-mi să mă întorc în timp.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
Să mergem cu câțiva ani înapoi în timp și să vedem ce s-a întâmplat atunci.
01:09
These machines that came out --
24
54000
2000
Au apărut aceste mașini --
01:11
they started coming in the 1970s --
25
56000
2000
au început să apară în anii 1970 --
01:13
they would scan human bodies,
26
58000
2000
ele scanau corpurile umane,
01:15
and they would generate about 100 images
27
60000
2000
și produceau cam 100 de imagini
01:17
of the human body.
28
62000
2000
ale corpului uman.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
Mi-am permis libertatea, doar pentru claritate,
01:21
to translate that to data slices.
30
66000
3000
să transform asta în felii de date.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
Asta ar corespunde la aproximativ 50 MB de date,
01:26
which is small
32
71000
2000
care este puțin
01:28
when you think about the data we can handle today
33
73000
3000
când te gândești la datele pe care le putem manevra azi
01:31
just on normal mobile devices.
34
76000
2000
pe dispozitivele mobile normale.
01:33
If you translate that to phone books,
35
78000
2000
Dacă transform asta în cărți de telefon,
01:35
it's about one meter of phone books in the pile.
36
80000
3000
este o grămadă de cărți de telefon, cam de un metru.
01:38
Looking at what we're doing today
37
83000
2000
Privind la ce facem noi azi
01:40
with these machines that we have,
38
85000
2000
cu aceste mașini pe care le avem,
01:42
we can, just in a few seconds,
39
87000
2000
putem, în doar câteva secunde,
01:44
get 24,000 images out of a body,
40
89000
2000
să obținem 24.000 imagini ale corpului.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
Și asta corespunde cu aproximativ 20 GB de date,
01:49
or 800 phone books,
42
94000
2000
sau 800 cărți de telefon.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
Iar grămada de cărți de telefon ar fi de 200 de metri.
01:53
What's about to happen --
44
98000
2000
Ceea ce se va întâmpla --
01:55
and we're seeing this; it's beginning --
45
100000
2000
și vedem asta deja, a început --
01:57
a technology trend that's happening right now
46
102000
2000
un trend al tehnologiei care are loc chiar acum
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
este că începem să ne uităm și la rezultatele în timp.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
Deci obținem și dinamica corpului.
02:05
And just assume
49
110000
2000
Și să presupunem că
02:07
that we will be collecting data during five seconds,
50
112000
3000
vom colecta date pentru doar cinci secunde,
02:10
and that would correspond to one terabyte of data --
51
115000
2000
și că asta corespunde cu un terabyte de date.
02:12
that's 800,000 books
52
117000
2000
Asta înseamnă 800.000 de cărți
02:14
and 16 kilometers of phone books.
53
119000
2000
și 16 km de cărți de telefon.
02:16
That's one patient, one data set.
54
121000
2000
Acesta este un pacient, un singur set de date.
02:18
And this is what we have to deal with.
55
123000
2000
Și cu asta avem noi de a face.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
Deci aceasta este provocarea enormă pe care o avem.
02:23
And already today -- this is 25,000 images.
57
128000
3000
Și azi asta înseamnă deja 25.000 de imagini.
02:26
Imagine the days
58
131000
2000
Imaginați-vă zilele
02:28
when we had radiologists doing this.
59
133000
2000
când radiologii vor face asta.
02:30
They would put up 25,000 images,
60
135000
2000
Vor afișa pe perete 25.000 de imagini,
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
vor trece prin ele așa: "25.000, în regulă, în regulă.
02:35
There is the problem."
62
140000
2000
Acolo este problema."
02:37
They can't do that anymore. That's impossible.
63
142000
2000
Ei nu mai pot face asta, este imposibil.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
Așa că trebuie să facem ceva care e puțin mai inteligent decât asta.
02:43
So what we do is that we put all these slices together.
65
148000
2000
Iar ceea ce facem este să asamblăm aceste felii împreună.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
Imaginați-vă că feliați corpul vostru în toate aceste direcții,
02:48
and then you try to put the slices back together again
67
153000
3000
și apoi încercați să asamblați feliile împreună
02:51
into a pile of data, into a block of data.
68
156000
2000
într-o grămadă de date, într-un bloc de date.
02:53
So this is really what we're doing.
69
158000
2000
Deci asta facem noi de fapt.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
Deci acest gigabyte sau terabyte de date îl punem în acest bloc.
02:58
But of course, the block of data
71
163000
2000
Dar desigur blocul de date
03:00
just contains the amount of X-ray
72
165000
2000
conține doar cantitatea de raze X
03:02
that's been absorbed in each point in the human body.
73
167000
2000
care a fost absorbită de fiecare punct din corpul uman.
03:04
So what we need to do is to figure out a way
74
169000
2000
Așa că trebuie să găsim o cale
03:06
of looking at the things we do want to look at
75
171000
3000
de a privi la lucrurile la care vrem să privim
03:09
and make things transparent that we don't want to look at.
76
174000
3000
și să facem transparente lucrurile la care nu vrem să privim.
03:12
So transforming the data set
77
177000
2000
Deci să transformăm grămada de date
03:14
into something that looks like this.
78
179000
2000
în ceva care arată aşa.
03:16
And this is a challenge.
79
181000
2000
Iar asta este o provocare.
03:18
This is a huge challenge for us to do that.
80
183000
3000
Este o mare provocare pentru noi să facem asta.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
Folosind calculatoare, chiar dacă ele devin mereu tot mai rapide,
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
este o provocare să lucrezi cu gigabytes de date,
03:26
terabytes of data
83
191000
2000
terabytes de date
03:28
and extracting the relevant information.
84
193000
2000
și să extragi informația relevantă.
03:30
I want to look at the heart.
85
195000
2000
Vreau să privesc inima,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
vreau să văd vasele de sânge, vreau să văd ficatul,
03:34
Maybe even find a tumor,
87
199000
2000
poate chiar o tumoare
03:36
in some cases.
88
201000
2000
în unele cazuri.
03:39
So this is where this little dear comes into play.
89
204000
2000
Așa că aici întră în joc draga mea micuță.
03:41
This is my daughter.
90
206000
2000
Ea este fiica mea.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
Asta este la 9:00, azi dimineață.
03:45
She's playing a computer game.
92
210000
2000
Ea joacă un joc pe calculator.
03:47
She's only two years old,
93
212000
2000
Ea are numai doi ani,
03:49
and she's having a blast.
94
214000
2000
și se distrează copios.
03:51
So she's really the driving force
95
216000
3000
Deci ea este forța motoare
03:54
behind the development of graphics-processing units.
96
219000
3000
din spatele dezvoltării unităților de procesare grafice.
03:58
As long as kids are playing computer games,
97
223000
2000
Cât timp puștii se joacă pe calculator,
04:00
graphics is getting better and better and better.
98
225000
2000
grafica devine tot mai bună și mai bună.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
Așa că vă rog să mergeți acasă, spuneți copiilor să joace mai multe jocuri,
04:04
because that's what I need.
100
229000
2000
fiindcă eu de asta am nevoie.
04:06
So what's inside of this machine
101
231000
2000
Deci ce este în această mașină
04:08
is what enables me to do the things that I'm doing
102
233000
2000
îmi permite să fac lucrurile pe care le fac
04:10
with the medical data.
103
235000
2000
cu datele medicale.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
De fapt folosesc aceste mici dispozitive fantastice.
04:15
And you know, going back
105
240000
2000
Și dacă mergem înapoi
04:17
maybe 10 years in time
106
242000
2000
în timp cu poate 10 ani
04:19
when I got the funding
107
244000
2000
când am primit finanțarea
04:21
to buy my first graphics computer --
108
246000
2000
să cumpăr primul meu calculator grafic.
04:23
it was a huge machine.
109
248000
2000
Era o mașină imensă.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
Avea dulapuri de procesoare și de stocare și de toate.
04:28
I paid about one million dollars for that machine.
111
253000
3000
Am plătit cam un milion de dolari pentru acea mașină.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
Azi, acea mașină este cam la fel de rapidă ca iPhone-ul meu.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
În fiecare lună apar noi plăci grafice.
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
Și iată aici câteva din ultimele apărute --
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
NVIDIA, ATI, Intel sunt printre producători.
04:45
And you know, for a few hundred bucks
116
270000
2000
Și pentru câteva sute de dolari
04:47
you can get these things and put them into your computer,
117
272000
2000
poți obține aceste plăci și le montezi în calculatorul tău,
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
și poți face lucruri fantastice cu aceste plăci grafice.
04:52
So this is really what's enabling us
119
277000
2000
Deci acesta ne permite într-adevăr
04:54
to deal with the explosion of data in medicine,
120
279000
3000
să facem față exploziei de date în medicină,
04:57
together with some really nifty work
121
282000
2000
împreună cu niște lucrări elegante
04:59
in terms of algorithms --
122
284000
2000
în domeniul algoritmilor --
05:01
compressing data,
123
286000
2000
compresiei de date,
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
extragerii informației relevante căutate de oameni.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
Deci vă voi arăta câteva exemple de ce putem face.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
Acesta este un set de date capturat folosind un scanner CT.
05:12
You can see that this is a full data [set].
127
297000
3000
Puteți vedea că sunt date complete.
05:15
It's a woman. You can see the hair.
128
300000
3000
Este o femeie. Puteți vedea părul.
05:18
You can see the individual structures of the woman.
129
303000
3000
Puteți vedea structurile individuale ale femeii.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
Puteți vedea că există o împrăștiere a razelor X
05:24
on the teeth, the metal in the teeth.
131
309000
2000
pe dinte, pe metalul din dinte.
05:26
That's where those artifacts are coming from.
132
311000
3000
De acolo provin acele artefacte.
05:29
But fully interactively
133
314000
2000
Dar este complet interactiv
05:31
on standard graphics cards on a normal computer,
134
316000
3000
pe o placă grafică standard pe un calculator normal,
05:34
I can just put in a clip plane.
135
319000
2000
și pot adăuga ușor o secțiune.
05:36
And of course all the data is inside,
136
321000
2000
Și desigur toate datele sunt incluse,
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
așa că pot să încep să rotesc, pot privi din unghiuri diferite,
05:41
and I can see that this woman had a problem.
138
326000
3000
și pot vedea că această femeie a avut o problemă.
05:44
She had a bleeding up in the brain,
139
329000
2000
A avut o sângerare în creier,
05:46
and that's been fixed with a little stent,
140
331000
2000
și a fost rezolvată cu un mic stent,
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
o armătură metalică care întărește vasul de sânge.
05:50
And just by changing the functions,
142
335000
2000
Și doar prin schimbarea funcțiilor,
05:52
then I can decide what's going to be transparent
143
337000
3000
pot decide apoi ce va fi transparent
05:55
and what's going to be visible.
144
340000
2000
și ce va fi vizibil.
05:57
I can look at the skull structure,
145
342000
2000
Și pot vedea structura craniului,
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
și pot vedea că aici au deschis craniul acestei femei,
06:02
and that's where they went in.
147
347000
2000
și aici au intrat pentru intevenție.
06:04
So these are fantastic images.
148
349000
2000
Deci acestea sunt imagini fantastice.
06:06
They're really high resolution,
149
351000
2000
Ele au o rezoluție foarte mare,
06:08
and they're really showing us what we can do
150
353000
2000
și ele chiar ne arată ce putem face
06:10
with standard graphics cards today.
151
355000
3000
azi cu plăcile grafice standard.
06:13
Now we have really made use of this,
152
358000
2000
Acum folosim asta în realitate
06:15
and we have tried to squeeze a lot of data
153
360000
3000
și am încercat să înghesuim o mulțime de date
06:18
into the system.
154
363000
2000
în sistem.
06:20
And one of the applications that we've been working on --
155
365000
2000
Iar una din aplicațiile la care am lucrat --
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
și asta a început să se răspândească global --
06:25
is the application of virtual autopsies.
157
370000
2000
este aplicația pentru autopsii virtuale.
06:27
So again, looking at very, very large data sets,
158
372000
2000
Din nou, privim la seturi foarte, foarte mari de date,
06:29
and you saw those full-body scans that we can do.
159
374000
3000
și ați văzut acele scanări complete ale corpului pe care le putem face.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
Doar împingem corpul prin scannerul CT
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
și în numai câteva secunde avem un set date al întregului corp.
06:38
So this is from a virtual autopsy.
162
383000
2000
Asta este de la o autopsie virtuală.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
Și puteți vedea cum "descojesc" gradat corpul.
06:42
First you saw the body bag that the body came in,
164
387000
3000
Întâi ați văzut sacul în care a sosit corpul,
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
apoi am eliminat pielea -- puteți vedea mușchii --
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
și în final puteți vedea structura osoasă a femeii.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
Ajuns aici, aș vrea să accentuez că,
06:54
that, with the greatest respect
168
399000
2000
cu cel mai mare respect
06:56
for the people that I'm now going to show --
169
401000
2000
pentru oamenii pe care îi voi arăta --
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
vă voi arăta câteva cazuri de autopsii virtuale --
07:00
so it's with great respect for the people
171
405000
2000
deci cu mare respect pentru oamenii
07:02
that have died under violent circumstances
172
407000
2000
care au murit în circumstanțe violente,
07:04
that I'm showing these pictures to you.
173
409000
3000
oameni despre care vă voi arăta aceste imagini.
07:08
In the forensic case --
174
413000
2000
În cazul criminalistic --
07:10
and this is something
175
415000
2000
iar asta este ceva din care
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
au fost aproximativ 400 de cazuri până acum,
07:14
just in the part of Sweden that I come from
177
419000
2000
numai în acea parte a Suediei de unde vin eu
07:16
that has been undergoing virtual autopsies
178
421000
2000
în care au folosit autopsii virtuale
07:18
in the past four years.
179
423000
2000
în ultimii patru ani.
07:20
So this will be the typical workflow situation.
180
425000
3000
Deci asta este o situație tipică de flux de activitate.
07:23
The police will decide --
181
428000
2000
Poliția va decide --
07:25
in the evening, when there's a case coming in --
182
430000
2000
seara, când sosește un caz --
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
ei vor decide că în acest caz este nevoie de o autopsie.
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
Dimineața, între orele șase și șapte,
07:33
the body is then transported inside of the body bag
185
438000
2000
sacul care conține corpul este transportat
07:35
to our center
186
440000
2000
la centrul nostru
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
și este scanat de unul din scanerele CT.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
Apoi radiologul împreună cu patologul
07:41
and sometimes the forensic scientist,
189
446000
2000
și câteodată cu un investigator criminalist,
07:43
looks at the data that's coming out,
190
448000
2000
privesc la datele care rezultă,
07:45
and they have a joint session.
191
450000
2000
și au o sesiune comună.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
Și apoi ei decid ce se va face după asta în autopsia reală.
07:52
Now looking at a few cases,
193
457000
2000
Acum să privim la câteva cazuri,
07:54
here's one of the first cases that we had.
194
459000
2000
iată unul din primele cazuri pe care le-am avut.
07:56
You can really see the details of the data set.
195
461000
3000
Puteți vedea realmente detaliile setului de date,
07:59
It's very high-resolution,
196
464000
2000
este o rezoluție foarte mare.
08:01
and it's our algorithms that allow us
197
466000
2000
Iar algoritmul nostru ne permite
08:03
to zoom in on all the details.
198
468000
2000
să mărim toate detaliile.
08:05
And again, it's fully interactive,
199
470000
2000
Și este complet interactiv,
08:07
so you can rotate and you can look at things in real time
200
472000
2000
așa că poți roti și privi la lucruri în timp real
08:09
on these systems here.
201
474000
2000
pe aceste sisteme.
08:11
Without saying too much about this case,
202
476000
2000
Fără să spun prea multe despre acest caz,
08:13
this is a traffic accident,
203
478000
2000
acesta este un accident rutier,
08:15
a drunk driver hit a woman.
204
480000
2000
un șofer beat a lovit o femeie.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
Și sunt foarte, foarte ușor de văzut stricăciunile structurii osoase.
08:20
And the cause of death is the broken neck.
206
485000
3000
Iar cauza morții este gâtul rupt.
08:23
And this women also ended up under the car,
207
488000
2000
Și femeia asta a ajuns sub mașină,
08:25
so she's quite badly beaten up
208
490000
2000
așa că ea este destul maltrată
08:27
by this injury.
209
492000
2000
de acest accident.
08:29
Here's another case, a knifing.
210
494000
3000
Iată aici un alt caz, un omor cu cuțitul.
08:32
And this is also again showing us what we can do.
211
497000
2000
Și asta ne arată din nou ce putem face.
08:34
It's very easy to look at metal artifacts
212
499000
2000
Este foarte ușor să te uiți la obiectele de metal
08:36
that we can show inside of the body.
213
501000
3000
pe care le putem arăta în interiorul corpului.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
Puteți vedea deasemenea unele obiecte din dinți --
08:42
that's actually the filling of the teeth --
215
507000
2000
astea sunt de fapt plombele din dinți --
08:44
but because I've set the functions to show me metal
216
509000
3000
fiindcă am reglat funcțiile ca să arate metalul
08:47
and make everything else transparent.
217
512000
2000
și să facă orice altceva transparent.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
Iată un alt caz violent. Asta nu a ucis de fapt persoana.
08:52
The person was killed by stabs in the heart,
219
517000
2000
Persoana a fost ucisă prin lovituri de cuțit în inimă,
08:54
but they just deposited the knife
220
519000
2000
dar ei au depozitat arma
08:56
by putting it through one of the eyeballs.
221
521000
2000
prin străpungerea unuia din ochi.
08:58
Here's another case.
222
523000
2000
Iată un alt caz.
09:00
It's very interesting for us
223
525000
2000
Este foarte interesant pentru noi
09:02
to be able to look at things like knife stabbings.
224
527000
2000
să fim în stare să privim la lucruri ca loviturile de cuțit.
09:04
Here you can see that knife went through the heart.
225
529000
3000
Aici puteți vedea că, cuțitul a străpuns inima.
09:07
It's very easy to see how air has been leaking
226
532000
2000
Este foarte ușor de văzut cum scurge aerul
09:09
from one part to another part,
227
534000
2000
dintr-o parte spre altă parte,
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
ceea ce este dificil de făcut într-o autopsie normală, fizică.
09:14
So it really, really helps
229
539000
2000
Deci ajută foarte mult
09:16
the criminal investigation
230
541000
2000
investigația criminală
09:18
to establish the cause of death,
231
543000
2000
să stabilească cauza morții,
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
și în unele cazuri să orienteze investigația în direcția corectă
09:23
to find out who the killer really was.
233
548000
2000
pentru a afla cine a fost de fapt ucigașul.
09:25
Here's another case that I think is interesting.
234
550000
2000
Iată un alt caz despre care cred că este interesant.
09:27
Here you can see a bullet
235
552000
2000
Aici puteți vedea un glonț
09:29
that has lodged just next to the spine on this person.
236
554000
3000
care s-a înfipt exact lângă coloana vertebrală a persoanei.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
Și noi am transformat glonțul într-o sursă de lumină,
09:35
so that bullet is actually shining,
238
560000
2000
deci glonțul chiar strălucește,
09:37
and it makes it really easy to find these fragments.
239
562000
3000
iar astfel aceste fragmente sunt foarte ușor de găsit.
09:40
During a physical autopsy,
240
565000
2000
Într-o autopsie fizică,
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
dacă trebuie să cauți prin corp aceste fragmente,
09:44
that's actually quite hard to do.
242
569000
2000
asta este foarte de greu de făcut.
09:48
One of the things that I'm really, really happy
243
573000
2000
Unul din lucrurile care vi le arăt azi aici
09:50
to be able to show you here today
244
575000
3000
cu foarte, foarte multă bucurie
09:53
is our virtual autopsy table.
245
578000
2000
este masa noastră de autopsie virtuală.
09:55
It's a touch device that we have developed
246
580000
2000
Este un dispozitiv tactil care a fost dezvoltat
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
pe baza acestor algoritmi, folosind procesoare grafice standard.
10:00
It actually looks like this,
248
585000
2000
De fapt arată așa,
10:02
just to give you a feeling for what it looks like.
249
587000
3000
doar pentru a vă da o impresie despre cum arată.
10:05
It really just works like a huge iPhone.
250
590000
3000
Funcționează de fapt ca un iPhone imens.
10:08
So we've implemented
251
593000
2000
Deci am implementat
10:10
all the gestures you can do on the table,
252
595000
3000
toate gesturile pe care le poți face pe masă,
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
și te poţi gândi la ea ca la o imensă interfață tactilă.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
Așa că dacă vă gândeați să cumpărați un iPad,
10:19
forget about it. This is what you want instead.
255
604000
3000
uitați-l, veți dori asta în locul lui.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
Steve, sper că asculți asta, în regulă.
10:26
So it's a very nice little device.
257
611000
2000
Deci este un dispozitiv foarte drăguț.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
Dacă aveți posibilitatea, vă rog să-l încercați.
10:30
It's really a hands-on experience.
259
615000
3000
Este o experiență realmente interactivă.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
A câștigat popularitate și încercăm s-o prezentăm
10:36
and trying to use it for educational purposes,
261
621000
2000
și s-o încercăm pentru scopuri educative,
10:38
but also, perhaps in the future,
262
623000
2000
și poate în viitor,
10:40
in a more clinical situation.
263
625000
3000
într-o situație mai clinică.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
Există un video pe YouTube pe care-l puteți descărca,
10:45
if you want to convey the information to other people
265
630000
2000
dacă vreți să comunicați informația despre autopsiile
10:47
about virtual autopsies.
266
632000
3000
virtuale și altora.
10:50
Okay, now that we're talking about touch,
267
635000
2000
În regulă, acum că vorbim despre atingere,
10:52
let me move on to really "touching" data.
268
637000
2000
vă voi vorbi despre atingerea reală a datelor.
10:54
And this is a bit of science fiction now,
269
639000
2000
Iar asta este un pic de science fiction,
10:56
so we're moving into really the future.
270
641000
3000
deci ne mișcăm spre viitor.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
Asta nu este tocmai ceea ce utilizează medicii chiar acum,
11:02
but I hope they will in the future.
272
647000
2000
dar sper că o vor face în viitor.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
Ceea ce vedeți în stânga este un dispozitiv tactil.
11:07
It's a little mechanical pen
274
652000
2000
Este un mic stilou mecanic
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
care are în interior motoare pas cu pas foarte rapide.
11:12
And so I can generate a force feedback.
276
657000
2000
Și așa pot genera un răspuns la forță.
11:14
So when I virtually touch data,
277
659000
2000
Deci când ating virtual datele,
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
el va genera forțe de atingere în stilou, deci voi obține o reacție.
11:19
So in this particular situation,
279
664000
2000
Așa că în această situație anume
11:21
it's a scan of a living person.
280
666000
2000
este o scanare a unei persoane în viață.
11:23
I have this pen, and I look at the data,
281
668000
3000
Am acest stilou și mă uit la date,
11:26
and I move the pen towards the head,
282
671000
2000
și mișc stiloul spre cap,
11:28
and all of a sudden I feel resistance.
283
673000
2000
și deodată simt o rezistență.
11:30
So I can feel the skin.
284
675000
2000
Deci pot simți pielea.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
Dacă împing un pic mai tare, voi trece prin piele,
11:34
and I can feel the bone structure inside.
286
679000
3000
și pot simți structura osoasă înăuntru.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
Dacă împing și mai tare, voi trece prin structura osoasă,
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
mai ales aproape de ureche, unde osul este foarte moale.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
Și apoi pot simți înăuntru creierul, iar asta va fi moale, cam așa.
11:45
So this is really nice.
290
690000
2000
Deci asta este foarte drăguț.
11:47
And to take that even further, this is a heart.
291
692000
3000
Pentru a mai merge și mai departe, iată o inimă.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
Iar asta se datorează acestor noi scanere fantastice,
11:53
that just in 0.3 seconds,
293
698000
2000
cu care în doar 0,3 secunde,
11:55
I can scan the whole heart,
294
700000
2000
pot scana întreaga inimă,
11:57
and I can do that with time resolution.
295
702000
2000
și o pot face cu rezoluție în timp.
11:59
So just looking at this heart,
296
704000
2000
Doar privind la această inimă,
12:01
I can play back a video here.
297
706000
2000
pot derula înapoi acest video.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
Și acesta este Karljohan, unul din studenții mei licențiați
12:05
who's been working on this project.
299
710000
2000
care lucrează la acest proiect.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
El stă în fața dispozitivului tactil, sistemul de forțe de reacție,
12:10
and he's moving his pen towards the heart,
301
715000
3000
și el își mută stiloul spre inimă,
12:13
and the heart is now beating in front of him,
302
718000
2000
iar inima bate acum chiar în fața lui,
12:15
so he can see how the heart is beating.
303
720000
2000
așa că poate vedea cum bate inima.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
El ia stiloul și îl mișcă spre inimă,
12:19
and he's putting it on the heart,
305
724000
2000
și pune stiloul pe inimă,
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
și atunci simte bătăile inimii de la un pacient real, în viață.
12:24
Then he can examine how the heart is moving.
307
729000
2000
Apoi el poate examina cum se mișcă inima.
12:26
He can go inside, push inside of the heart,
308
731000
2000
Poate merge înăuntru, în interiorul inimii,
12:28
and really feel how the valves are moving.
309
733000
3000
și poate simți cum se mișcă valvele.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
Iar asta, cred că este într-adevăr viitorul pentru chirurgii inimii.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
Vreau să spun că probabil este visul viselor pentru un chirurg al inimii
12:37
to be able to go inside of the patient's heart
312
742000
3000
să fie în stare să intre în inima pacientului
12:40
before you actually do surgery,
313
745000
2000
înainte de a face operația reală,
12:42
and do that with high-quality resolution data.
314
747000
2000
și să facă asta cu date de înaltă rezoluție.
12:44
So this is really neat.
315
749000
2000
Deci asta este foarte frumos.
12:47
Now we're going even further into science fiction.
316
752000
3000
Acum vom intra și mai mult în science fiction.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
Am auzit puțin despre MRI-ul funcțional.
12:53
Now this is really an interesting project.
318
758000
3000
Asta este un proiect foarte interesant.
12:56
MRI is using magnetic fields
319
761000
2000
MRI utilizează câmpuri magnetice
12:58
and radio frequencies
320
763000
2000
și frecvențe radio
13:00
to scan the brain, or any part of the body.
321
765000
3000
pentru a scana creierul sau orice parte a corpului.
13:03
So what we're really getting out of this
322
768000
2000
Rezultatul obținut din asta este
13:05
is information of the structure of the brain,
323
770000
2000
informație privind structura creierului,
13:07
but we can also measure the difference
324
772000
2000
dar putem măsura și diferențele de
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
proprietăți magnetice ale sângelui oxigenat
13:12
and blood that's depleted of oxygen.
326
777000
3000
și sângele fără oxigen.
13:15
That means that it's possible
327
780000
2000
Adică este posibil
13:17
to map out the activity of the brain.
328
782000
2000
să facem o hartă a activității creierului.
13:19
So this is something that we've been working on.
329
784000
2000
Asta este ceva la care lucrăm.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
Și doar l-ați văzut acolo pe Motts, inginerul cercetător,
13:24
going into the MRI system,
331
789000
2000
întrând în sistemul MRI,
13:26
and he was wearing goggles.
332
791000
2000
și el purta ochelari.
13:28
So he could actually see things in the goggles.
333
793000
2000
El putea chiar vedea lucruri în ochelari.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
Așa că i-am putut prezenta lucruri în timp ce era în scaner.
13:33
And this is a little bit freaky,
335
798000
2000
Și asta este un pic ciudat,
13:35
because what Motts is seeing is actually this.
336
800000
2000
fiindcă Motts vedea de fapt asta.
13:37
He's seeing his own brain.
337
802000
3000
Își vedea propriul creier.
13:40
So Motts is doing something here,
338
805000
2000
Deci Motts face ceva aici.
13:42
and probably he is going like this with his right hand,
339
807000
2000
Și probabil că face așa cu mâna dreaptă,
13:44
because the left side is activated
340
809000
2000
fiindcă partea stângă a creierului este activată
13:46
on the motor cortex.
341
811000
2000
în cortexul motor.
13:48
And then he can see that at the same time.
342
813000
2000
Și apoi el poate vedea asta simultan.
13:50
These visualizations are brand new.
343
815000
2000
Aceste vizualizări sunt complet noi.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
Și asta este ceva pe care-l cercetăm de puțin timp.
13:55
This is another sequence of Motts' brain.
345
820000
3000
Aceasta este o altă secvență a creierului lui Motts.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
Aici Motts a fost rugat să calculeze înapoi pornind de la 100.
14:01
So he's going "100, 97, 94."
347
826000
2000
Deci el începe "100, 97, 94."
14:03
And then he's going backwards.
348
828000
2000
Și apoi continuă înapoi.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
Și puteți vedea cum lucrează micul procesor matematic din creier
14:08
and is lighting up the whole brain.
350
833000
2000
și activează întregul creier.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
Asta este fantastic. Putem face asta în timp real.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
Putem investiga lucruri. Putem să-i spunem să facă lucruri.
14:14
You can also see that his visual cortex
353
839000
2000
Puteți vedea că și cortexul vizual
14:16
is activated in the back of the head,
354
841000
2000
este activat în partea din spate a capului,
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
fiindcă acolo vede el, își vede propriul creier.
14:20
And he's also hearing our instructions
356
845000
2000
Și el aude și instrucțiunile noastre
14:22
when we tell him to do things.
357
847000
2000
când îi spunem să facă lucruri.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
Semnalul este foarte adânc în interiorul creierului,
14:26
and it's shining through,
359
851000
2000
dar luminează prin el,
14:28
because all of the data is inside this volume.
360
853000
2000
fiindcă toate datele sunt în interiorul acestui volum.
14:30
And in just a second here you will see --
361
855000
2000
Și într-o secundă veți vedea --
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
În regulă, aici. Motts, acum mișcă-ți piciorul stâng.
14:34
So he's going like this.
363
859000
2000
Deci el face așa.
14:36
For 20 seconds he's going like that,
364
861000
2000
Face așa pentru 20 de secunde,
14:38
and all of a sudden it lights up up here.
365
863000
2000
și deodată se luminează aici sus.
14:40
So we've got motor cortex activation up there.
366
865000
2000
Deci avem activare de cortex motor aici sus.
14:42
So this is really, really nice,
367
867000
2000
Așa că asta este foarte, foarte drăguț.
14:44
and I think this is a great tool.
368
869000
2000
Eu cred că aceasta este o unealtă grozavă.
14:46
And connecting also with the previous talk here,
369
871000
2000
Și legând și de discursul anterior,
14:48
this is something that we could use as a tool
370
873000
2000
aceasta este ceva care o putem utiliza ca unealtă
14:50
to really understand
371
875000
2000
pentru a înțelege într-adevăr
14:52
how the neurons are working, how the brain is working,
372
877000
2000
cum lucrează neuronii, creierul,
14:54
and we can do this with very, very high visual quality
373
879000
3000
și putem face asta cu o calitate vizuală foarte, foarte înaltă
14:57
and very fast resolution.
374
882000
3000
și o rezoluție foarte rapidă.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
Ne mai și distrăm un pic la centru.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
Acesta este o scanare CAT [pisică] -- tomografie ajutată de calculator.
15:06
So this is a lion from the local zoo
377
891000
2000
Acesta este un leu din grădina zoologică locală
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
de la periferia Norrkoping, în Kolmarden, pe nume Elsa.
15:11
So she came to the center,
379
896000
2000
Deci ea a venit la centru,
15:13
and they sedated her
380
898000
2000
și au sedat-o,
15:15
and then put her straight into the scanner.
381
900000
2000
iar apoi au pus-o direct în scaner.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
Și apoi am avut întregul set de date al leului, desigur.
15:20
And I can do very nice images like this.
383
905000
2000
Și pot face imagini foarte drăguțe ca acesta.
15:22
I can peel off the layer of the lion.
384
907000
2000
Pot descoji straturile leului.
15:24
I can look inside of it.
385
909000
2000
Pot să mă uit în interiorul lui.
15:26
And we've been experimenting with this.
386
911000
2000
Și am experimentat cu asta.
15:28
And I think this is a great application
387
913000
2000
Cred că este o aplicație grozavă
15:30
for the future of this technology,
388
915000
2000
pentru viitorul acestei tehnologii.
15:32
because there's very little known about the animal anatomy.
389
917000
3000
Fiindcă se cunoaște foarte puțin despre anatomia animalelor.
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
Veterinarii cunosc doar informațiile de bază.
15:38
We can scan all sorts of things,
391
923000
2000
Scanăm tot felul de lucruri,
15:40
all sorts of animals.
392
925000
2000
tot felul de animale.
15:42
The only problem is to fit it into the machine.
393
927000
3000
Singura problemă este să încapă în aparat.
15:45
So here's a bear.
394
930000
2000
Deci iată un urs.
15:47
It was kind of hard to get it in.
395
932000
2000
A fost destul de greu de înghesuit.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
Iar ursul este un animal prietenos, de mângâiat.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
Iată aici nasul ursului.
15:55
And you might want to cuddle this one,
398
940000
3000
Și poate ai vrea să mângâi asta,
15:58
until you change the functions and look at this.
399
943000
3000
până când schimbi funcția și privești la asta.
16:01
So be aware of the bear.
400
946000
2000
Deci feriți-vă de urs.
16:03
So with that,
401
948000
2000
Cu asta,
16:05
I'd like to thank all the people
402
950000
2000
aș vrea să mulțumesc tuturor celor
16:07
who have helped me to generate these images.
403
952000
2000
care m-au ajutat să generez aceste imagini.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
Este nevoie de un efort imens pentru a face asta,
16:11
gathering the data and developing the algorithms,
405
956000
3000
strângerea datelor și dezvoltarea algoritmilor,
16:14
writing all the software.
406
959000
2000
scrierea softului.
16:16
So, some very talented people.
407
961000
3000
Deci sunt niște oameni foarte talentați.
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
Motoul meu permanent este: angajez doar oameni mai deștepți decât mine
16:22
and most of these are smarter than I am.
409
967000
2000
și majoritatea acestora sunt mai deștepți ca mine.
16:24
So thank you very much.
410
969000
2000
Vă mulțumesc foarte mult.
16:26
(Applause)
411
971000
4000
(Aplauze)
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