TEDxGöteborg 2010
Anders Ynnerman: Visualizing the medical data explosion
Андерс Иннерман: Визуализация бума медицинских данных.
Filmed:
Readability: 3.4
539,883 views
Сегодня компьютерные и ультразвуковые медицинские приборы генерируют тысячи изображений и терабайты данных на одного пациента буквально за секунды, но как же доктора интерпретируют эту информацию и отбирают то, что нужно? На лекции TEDxGöteborg Андерс Иннерман, эксперт в области научной визуализации, показывает новейшие сложные приборы - например, виртуальную аутопсию (посмертное вскрытие и исследование тела) - для анализа мириада данных, и даёт нам возможность краешком глаза взглянуть на некоторые медицинские технологии из области научной фантастики, которые, однако, уже сейчас находятся в разработке. В этой лекции демонстрируются медицинские диагностические изображения.
Anders Ynnerman - Scientific visualization expert
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction. Full bio
Anders Ynnerman studies the fundamental aspects of computer graphics and visualization, in particular large scale and complex data sets with a focus on volume rendering and multi-modal interaction. Full bio
Double-click the English transcript below to play the video.
00:15
I will start by posing a little bit of a challenge:
0
0
4000
Я начну с постановки довольно сложной задачи -
00:19
the challenge of dealing with data,
1
4000
3000
задачи работы с данными,
00:22
data that we have to deal with
2
7000
2000
с теми данными, с которыми мы сталкиваемся
00:24
in medical situations.
3
9000
2000
в медицинском контексте.
00:26
It's really a huge challenge for us.
4
11000
2000
Это действительно очень сложная задача,
00:28
And this is our beast of burden --
5
13000
2000
над решением которой мы бьёмся день и ночь.
00:30
this is a Computer Tomography machine,
6
15000
2000
Это компьютерный томограф -
00:32
a CT machine.
7
17000
2000
или просто КТ.
00:34
It's a fantastic device.
8
19000
2000
Это фантастическое устройство.
00:36
It uses X-rays, X-ray beams,
9
21000
2000
Оно использует рентгеновские лучи,
00:38
that are rotating very fast around the human body.
10
23000
3000
которые очень быстро вращаются вокруг тела человека.
00:41
It takes about 30 seconds to go through the whole machine
11
26000
2000
Сканирование происходит за 30 секунд,
00:43
and is generating enormous amounts of information
12
28000
2000
и при этом томограф
00:45
that comes out of the machine.
13
30000
2000
генерирует невероятный объём информации.
00:47
So this is a fantastic machine
14
32000
2000
Это потрясающая машина,
00:49
that we can use
15
34000
2000
с помощью которой
00:51
for improving health care,
16
36000
2000
мы можем улучшить здравоохранение.
00:53
but as I said, it's also a challenge for us.
17
38000
2000
Но, как я уже сказал, это и сложная задача.
00:55
And the challenge is really found in this picture here.
18
40000
3000
На этом снимке можно увидеть эту задачу.
00:58
It's the medical data explosion
19
43000
2000
Это настоящий бум медицинских данных,
01:00
that we're having right now.
20
45000
2000
который мы наблюдаем в наше время.
01:02
We're facing this problem.
21
47000
2000
Мы активно ищем решение этой проблемы.
01:04
And let me step back in time.
22
49000
2000
Позвольте мне вернуться в недалёкое прошлое.
01:06
Let's go back a few years in time and see what happened back then.
23
51000
3000
Давайте вернёмся на несколько лет назад и посмотрим, что происходило тогда.
01:09
These machines that came out --
24
54000
2000
Машины которые были разработаны -
01:11
they started coming in the 1970s --
25
56000
2000
они начали появляться в 1970-е годы -
01:13
they would scan human bodies,
26
58000
2000
сканировали организм человека
01:15
and they would generate about 100 images
27
60000
2000
и генерировали порядка 100 изображений
01:17
of the human body.
28
62000
2000
человеческого организма.
01:19
And I've taken the liberty, just for clarity,
29
64000
2000
И я взял на себя смелость, просто для ясности,
01:21
to translate that to data slices.
30
66000
3000
перевести это в объёмы данных.
01:24
That would correspond to about 50 megabytes of data,
31
69000
2000
100 снимков соответствуют примерно 50 Мб данных,
01:26
which is small
32
71000
2000
что немного,
01:28
when you think about the data we can handle today
33
73000
3000
если подумать об объёме данных, с которыми мы работаем сегодня
01:31
just on normal mobile devices.
34
76000
2000
на обычных мобильных устройствах.
01:33
If you translate that to phone books,
35
78000
2000
Если представить эти 100 изображений в виде телефонных книг,
01:35
it's about one meter of phone books in the pile.
36
80000
3000
получится стопка телефонных справочников высотой 1 метр.
01:38
Looking at what we're doing today
37
83000
2000
Если мы вернёмся в сегодняшний день,
01:40
with these machines that we have,
38
85000
2000
с нынешними машинами
01:42
we can, just in a few seconds,
39
87000
2000
мы можем всего за несколько секунд
01:44
get 24,000 images out of a body,
40
89000
2000
получить 24000 изображений организма.
01:46
and that would correspond to about 20 gigabytes of data,
41
91000
3000
А это соответствует примерно 20 Гб данных
01:49
or 800 phone books,
42
94000
2000
или 800 телефонным книгам.
01:51
and the pile would then be 200 meters of phone books.
43
96000
2000
И стопка телефонных справочников будет высотой 200 метров.
01:53
What's about to happen --
44
98000
2000
То что произойдёт в скором времени -
01:55
and we're seeing this; it's beginning --
45
100000
2000
а мы уже видим начало этого процесса -
01:57
a technology trend that's happening right now
46
102000
2000
при нынешних технологических тенденциях
01:59
is that we're starting to look at time-resolved situations as well.
47
104000
3000
мы начинаем рассматривать ещё и временной фактор.
02:02
So we're getting the dynamics out of the body as well.
48
107000
3000
Т.е. мы получаем ещё и информацию о динамике в организме.
02:05
And just assume
49
110000
2000
И если только представить,
02:07
that we will be collecting data during five seconds,
50
112000
3000
что мы будем собирать данные в течение 5 секунд,
02:10
and that would correspond to one terabyte of data --
51
115000
2000
то это будет соответствовать терабайту данных.
02:12
that's 800,000 books
52
117000
2000
Это 800000 книг
02:14
and 16 kilometers of phone books.
53
119000
2000
или 16 км телефонных справочников.
02:16
That's one patient, one data set.
54
121000
2000
И это один пациент, один набор данных.
02:18
And this is what we have to deal with.
55
123000
2000
И с этим нам придётся справляться.
02:20
So this is really the enormous challenge that we have.
56
125000
3000
Поэтому перед нами стоит действительно сложнейшая задача.
02:23
And already today -- this is 25,000 images.
57
128000
3000
И уже сегодня это 25000 изображений.
02:26
Imagine the days
58
131000
2000
Представьте себе время,
02:28
when we had radiologists doing this.
59
133000
2000
когда рентгенологи анализировали снимки.
02:30
They would put up 25,000 images,
60
135000
2000
Они бы повесили 25000 снимков
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
и делали бы так: "25000, ну да, ну да.
02:35
There is the problem."
62
140000
2000
Вот, где проблема".
02:37
They can't do that anymore. That's impossible.
63
142000
2000
Они уже больше не могут так работать; это невозможно.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
144000
3000
Поэтому мы должны придумать что-то поумней.
02:43
So what we do is that we put all these slices together.
65
148000
2000
И вот что мы делаем: мы складываем все снимки вместе.
02:45
Imagine that you slice your body in all these directions,
66
150000
3000
Представьте, что вы разрезаете организм во всех этих направлениях,
02:48
and then you try to put the slices back together again
67
153000
3000
а потом вы пытаетесь собрать кусочки вместе
02:51
into a pile of data, into a block of data.
68
156000
2000
в стопку данных, в блок данных.
02:53
So this is really what we're doing.
69
158000
2000
Мы так и делаем.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
160000
3000
Мы берём гигабайт или терабайт данных и складываем их в блок.
02:58
But of course, the block of data
71
163000
2000
Этот блок данных
03:00
just contains the amount of X-ray
72
165000
2000
содержит только то количество рентгеновских лучей,
03:02
that's been absorbed in each point in the human body.
73
167000
2000
которое было поглощено каждой точкой тела.
03:04
So what we need to do is to figure out a way
74
169000
2000
Поэтому нам надо найти способ
03:06
of looking at the things we do want to look at
75
171000
3000
посмотреть на то, на что мы хотим посмотреть,
03:09
and make things transparent that we don't want to look at.
76
174000
3000
и сделать прозрачным то, что нам не нужно видеть.
03:12
So transforming the data set
77
177000
2000
Поэтому мы преобразуем набор данных
03:14
into something that looks like this.
78
179000
2000
во что-то, что выглядит примерно так.
03:16
And this is a challenge.
79
181000
2000
А вот это - непростая задача.
03:18
This is a huge challenge for us to do that.
80
183000
3000
Это очень серьёзная задача.
03:21
Using computers, even though they're getting faster and better all the time,
81
186000
3000
С помощью компьютеров, даже несмотря на их стремительное развитие,
03:24
it's a challenge to deal with gigabytes of data,
82
189000
2000
сложно иметь дело с гигабайтами данных,
03:26
terabytes of data
83
191000
2000
с терабайтами данных,
03:28
and extracting the relevant information.
84
193000
2000
и выуживать из них нужную информацию.
03:30
I want to look at the heart.
85
195000
2000
Я хочу взглянуть на сердце,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
197000
2000
на кровеносные сосуды, на печень,
03:34
Maybe even find a tumor,
87
199000
2000
может быть, даже обнаружить опухоль
03:36
in some cases.
88
201000
2000
в определённых случаях.
03:39
So this is where this little dear comes into play.
89
204000
2000
И вот здесь в игру вступает эта милашка.
03:41
This is my daughter.
90
206000
2000
Это моя дочка.
03:43
This is as of 9 a.m. this morning.
91
208000
2000
9 утра.
03:45
She's playing a computer game.
92
210000
2000
Она играет в компьютерную игру.
03:47
She's only two years old,
93
212000
2000
Ей всего два годика,
03:49
and she's having a blast.
94
214000
2000
и ей ужасно весело.
03:51
So she's really the driving force
95
216000
3000
Поэтому она - настоящая движущая сила
03:54
behind the development of graphics-processing units.
96
219000
3000
развития устройств для обработки графических изображений.
03:58
As long as kids are playing computer games,
97
223000
2000
Пока дети играют в компьютерные игры,
04:00
graphics is getting better and better and better.
98
225000
2000
графика будет становиться всё лучше и лучше.
04:02
So please go back home, tell your kids to play more games,
99
227000
2000
Поэтому, пожалуйста, скажите детям, пусть побольше играют
04:04
because that's what I need.
100
229000
2000
в компьютерные игры, потому что мне это на руку.
04:06
So what's inside of this machine
101
231000
2000
Внутренности этой машины
04:08
is what enables me to do the things that I'm doing
102
233000
2000
позволяют мне обрабатывать
04:10
with the medical data.
103
235000
2000
медицинские данные.
04:12
So really what I'm doing is using these fantastic little devices.
104
237000
3000
И моя работа состоит в использовании этих фантастических мелких устройств.
04:15
And you know, going back
105
240000
2000
Знаете, если мы вернёмся
04:17
maybe 10 years in time
106
242000
2000
назад лет на 10,
04:19
when I got the funding
107
244000
2000
когда я получил грант
04:21
to buy my first graphics computer --
108
246000
2000
на покупку первого графического компьютера,
04:23
it was a huge machine.
109
248000
2000
это была здоровая машина.
04:25
It was cabinets of processors and storage and everything.
110
250000
3000
Она занимала несколько комнат под процессоры, хранилища и т.д.
04:28
I paid about one million dollars for that machine.
111
253000
3000
Я заплатил около миллиона долларов за ту машину.
04:32
That machine is, today, about as fast as my iPhone.
112
257000
3000
Сейчас эта машина быстра, как мой iPhone.
04:37
So every month there are new graphics cards coming out,
113
262000
2000
Каждый месяц выходят новые видеокарты
04:39
and here is a few of the latest ones from the vendors --
114
264000
3000
Вот несколько новейших моделей -
04:42
NVIDIA, ATI, Intel is out there as well.
115
267000
3000
здесь есть NVIDIA, ATI, Intel.
04:45
And you know, for a few hundred bucks
116
270000
2000
И теперь эти видеокарты можно купить
04:47
you can get these things and put them into your computer,
117
272000
2000
за несколько сотен баксов, установить на компьютер.
04:49
and you can do fantastic things with these graphics cards.
118
274000
3000
А с такими видеокартами можно делать потрясающие вещи.
04:52
So this is really what's enabling us
119
277000
2000
Они помогают нам справляться
04:54
to deal with the explosion of data in medicine,
120
279000
3000
с бумом медицинских данных,
04:57
together with some really nifty work
121
282000
2000
а также с по-настоящему тонкой работой,
04:59
in terms of algorithms --
122
284000
2000
с точки зрения алгоритмов:
05:01
compressing data,
123
286000
2000
сжатие данных,
05:03
extracting the relevant information that people are doing research on.
124
288000
3000
извлечение нужной информации, на основе которой проводится исследование.
05:06
So I'm going to show you a few examples of what we can do.
125
291000
3000
Я хочу показать вам несколько примеров того, что теперь возможно.
05:09
This is a data set that was captured using a CT scanner.
126
294000
3000
Это набор данных, снятых при помощи КТ-сканера.
05:12
You can see that this is a full data [set].
127
297000
3000
Вы видите, что он полон данных.
05:15
It's a woman. You can see the hair.
128
300000
3000
Это женщина. Вы можете видеть волосы.
05:18
You can see the individual structures of the woman.
129
303000
3000
Вы видите отдельные части тела женщины.
05:21
You can see that there is [a] scattering of X-rays
130
306000
3000
Вы видите, как разбросаны рентгеновские лучи -
05:24
on the teeth, the metal in the teeth.
131
309000
2000
на зубах, на металле в зубах.
05:26
That's where those artifacts are coming from.
132
311000
3000
Вот откуда здесь помехи.
05:29
But fully interactively
133
314000
2000
Это происходит совершенно интерактивно,
05:31
on standard graphics cards on a normal computer,
134
316000
3000
на стандартной видеокарте на обычном компьютере.
05:34
I can just put in a clip plane.
135
319000
2000
Я могу просто вставить плоскость отсечения.
05:36
And of course all the data is inside,
136
321000
2000
И, конечно, все эти данные находятся внутри,
05:38
so I can start rotating, I can look at it from different angles,
137
323000
3000
поэтому я могу начать вращение, я могу посмотреть под любым углом,
05:41
and I can see that this woman had a problem.
138
326000
3000
и я вижу, что у этой женщины были проблемы.
05:44
She had a bleeding up in the brain,
139
329000
2000
У неё было кровотечение в мозгу,
05:46
and that's been fixed with a little stent,
140
331000
2000
и его вылечили с помощью стента,
05:48
a metal clamp that's tightening up the vessel.
141
333000
2000
металлической скобки, которая пережала сосуд.
05:50
And just by changing the functions,
142
335000
2000
Просто поменяв функции,
05:52
then I can decide what's going to be transparent
143
337000
3000
я могу решить, что должно быть прозрачным,
05:55
and what's going to be visible.
144
340000
2000
а что должно быть видимым.
05:57
I can look at the skull structure,
145
342000
2000
Я могу взглянуть на структуру черепа,
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
344000
3000
и я вижу, что вот здесь череп был вскрыт,
06:02
and that's where they went in.
147
347000
2000
а здесь произошло проникновение внутрь.
06:04
So these are fantastic images.
148
349000
2000
Это потрясающие изображения.
06:06
They're really high resolution,
149
351000
2000
Очень высокого разрешения,
06:08
and they're really showing us what we can do
150
353000
2000
и они показывают нам, что мы можем сделать
06:10
with standard graphics cards today.
151
355000
3000
с обычными видеокартами уже сегодня.
06:13
Now we have really made use of this,
152
358000
2000
Итак, мы воспользовались видеокартой
06:15
and we have tried to squeeze a lot of data
153
360000
3000
и попробовали впихнуть кучу данных
06:18
into the system.
154
363000
2000
в систему.
06:20
And one of the applications that we've been working on --
155
365000
2000
Одно из приложений, над которым мы работали
06:22
and this has gotten a little bit of traction worldwide --
156
367000
3000
оно уже начинает использоваться по всему миру -
06:25
is the application of virtual autopsies.
157
370000
2000
это приложение виртуальной аутопсии (вскрытия).
06:27
So again, looking at very, very large data sets,
158
372000
2000
И снова, глядя на огромные наборы данных,
06:29
and you saw those full-body scans that we can do.
159
374000
3000
а вы видели, какие виды сканирования всего тела мы можем делать.
06:32
We're just pushing the body through the whole CT scanner,
160
377000
3000
Мы проводим тело через компьютерный томограф,
06:35
and just in a few seconds we can get a full-body data set.
161
380000
3000
и через несколько секунд получаем полный набор данных.
06:38
So this is from a virtual autopsy.
162
383000
2000
Виртуальная аутопсия позволяет получить эту информацию.
06:40
And you can see how I'm gradually peeling off.
163
385000
2000
Вы видите, как я постепенно снимаю слой за слоем.
06:42
First you saw the body bag that the body came in,
164
387000
3000
Сначала вы видите мешок для перевозки трупа, в котором поступило тело,
06:45
then I'm peeling off the skin -- you can see the muscles --
165
390000
3000
затем я снимаю кожу - вы видите мускулы,
06:48
and eventually you can see the bone structure of this woman.
166
393000
3000
и, наконец, вы видите костную структуру этой женщины.
06:51
Now at this point, I would also like to emphasize
167
396000
3000
Здесь я бы хотел подчеркнуть,
06:54
that, with the greatest respect
168
399000
2000
что испытываю огромное уважение к людям,
06:56
for the people that I'm now going to show --
169
401000
2000
которых я сейчас покажу -
06:58
I'm going to show you a few cases of virtual autopsies --
170
403000
2000
я собираюсь показать несколько виртуальных аутопсий,
07:00
so it's with great respect for the people
171
405000
2000
я делаю это с огромным уважением к людям,
07:02
that have died under violent circumstances
172
407000
2000
которые погибли при страшных обстоятельствах,
07:04
that I'm showing these pictures to you.
173
409000
3000
и чьи снимки я покажу вам.
07:08
In the forensic case --
174
413000
2000
В судебной медицине
07:10
and this is something
175
415000
2000
до сих пор у нас было
07:12
that ... there's been approximately 400 cases so far
176
417000
2000
около 400 таких случаев
07:14
just in the part of Sweden that I come from
177
419000
2000
только в той части Швеции, откуда я родом,
07:16
that has been undergoing virtual autopsies
178
421000
2000
в последние 4 года в таких случаях
07:18
in the past four years.
179
423000
2000
проводится виртуальная аутопсия.
07:20
So this will be the typical workflow situation.
180
425000
3000
Поэтому это типичный рабочий процесс.
07:23
The police will decide --
181
428000
2000
Полиция принимает решение -
07:25
in the evening, when there's a case coming in --
182
430000
2000
вечером, когда произошло происшествие,
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
432000
3000
они решают, что в этом случае им понадобится аутопсия.
07:30
So in the morning, in between six and seven in the morning,
184
435000
3000
И утром, между 6 и 7 часами,
07:33
the body is then transported inside of the body bag
185
438000
2000
тело привозят в мешке для перевозки трупов
07:35
to our center
186
440000
2000
в наш центр,
07:37
and is being scanned through one of the CT scanners.
187
442000
2000
его сканируют при помощи компьютерного томографа.
07:39
And then the radiologist, together with the pathologist
188
444000
2000
И потом рентгенолог вместе с патологоанатомом
07:41
and sometimes the forensic scientist,
189
446000
2000
и иногда судебным экспертом
07:43
looks at the data that's coming out,
190
448000
2000
смотрят на полученные данные
07:45
and they have a joint session.
191
450000
2000
и проводят консилиум.
07:47
And then they decide what to do in the real physical autopsy after that.
192
452000
3000
И после этого они решают, что нужно сделать во время реальной аутопсии.
07:52
Now looking at a few cases,
193
457000
2000
Посмотрим на несколько случаев:
07:54
here's one of the first cases that we had.
194
459000
2000
это один из первых.
07:56
You can really see the details of the data set.
195
461000
3000
Вы видите подробности набора данных;
07:59
It's very high-resolution,
196
464000
2000
это очень высокое разрешение.
08:01
and it's our algorithms that allow us
197
466000
2000
И наши алгоритмы позволяют нам
08:03
to zoom in on all the details.
198
468000
2000
приблизить любую деталь.
08:05
And again, it's fully interactive,
199
470000
2000
Повторю, это полностью интерактивный процесс,
08:07
so you can rotate and you can look at things in real time
200
472000
2000
поэтому на этих системах изображение можно повернуть
08:09
on these systems here.
201
474000
2000
и посмотреть в реальном времени.
08:11
Without saying too much about this case,
202
476000
2000
Не говоря лишних слов о происшествии,
08:13
this is a traffic accident,
203
478000
2000
это было ДТП,
08:15
a drunk driver hit a woman.
204
480000
2000
пьяный водитель сбил женщину.
08:17
And it's very, very easy to see the damages on the bone structure.
205
482000
3000
И здесь очень просто увидеть повреждения костной структуры.
08:20
And the cause of death is the broken neck.
206
485000
3000
Причиной смерти стал перелом шеи.
08:23
And this women also ended up under the car,
207
488000
2000
Женщина оказалась под машиной,
08:25
so she's quite badly beaten up
208
490000
2000
поэтому на теле довольно много
08:27
by this injury.
209
492000
2000
повреждений.
08:29
Here's another case, a knifing.
210
494000
3000
Вот другой случай, поножовщина.
08:32
And this is also again showing us what we can do.
211
497000
2000
Он тоже показателен, с точки зрения того, что мы можем сделать.
08:34
It's very easy to look at metal artifacts
212
499000
2000
Очень просто рассматривать металлические предметы,
08:36
that we can show inside of the body.
213
501000
3000
которые мы можем показать внутри тела.
08:39
You can also see some of the artifacts from the teeth --
214
504000
3000
Вы видите помехи из-за зубов -
08:42
that's actually the filling of the teeth --
215
507000
2000
это зубные пломбы -
08:44
but because I've set the functions to show me metal
216
509000
3000
поскольку я настроил функции на показ металла,
08:47
and make everything else transparent.
217
512000
2000
а всё остальное сделал прозрачным.
08:49
Here's another violent case. This really didn't kill the person.
218
514000
3000
Это другой жуткий случай. Не это убило этого человека.
08:52
The person was killed by stabs in the heart,
219
517000
2000
Человек был убит ударами ножом в сердце,
08:54
but they just deposited the knife
220
519000
2000
но убийцы оставили нож,
08:56
by putting it through one of the eyeballs.
221
521000
2000
воткнув его в одно из глазных яблок.
08:58
Here's another case.
222
523000
2000
Это другой случай.
09:00
It's very interesting for us
223
525000
2000
Очень интересный для нас,
09:02
to be able to look at things like knife stabbings.
224
527000
2000
поскольку мы можем разглядеть удары ножом.
09:04
Here you can see that knife went through the heart.
225
529000
3000
Здесь вы видите, что нож прошёл через сердце.
09:07
It's very easy to see how air has been leaking
226
532000
2000
Хорошо видно, как воздух перетекал
09:09
from one part to another part,
227
534000
2000
из одной части в другую,
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
536000
3000
это очень сложно увидеть в нормальной, стандартной, физической аутопсии.
09:14
So it really, really helps
229
539000
2000
Поэтому виртуальная аутопсия по-настоящему помогает
09:16
the criminal investigation
230
541000
2000
уголовным расследованиям
09:18
to establish the cause of death,
231
543000
2000
установить причину смерти,
09:20
and in some cases also directing the investigation in the right direction
232
545000
3000
а в некоторых случаях также задаёт следствию нужное направление
09:23
to find out who the killer really was.
233
548000
2000
для установления настоящего убийцы.
09:25
Here's another case that I think is interesting.
234
550000
2000
Это ещё один, на мой взгляд, интересный случай.
09:27
Here you can see a bullet
235
552000
2000
Здесь вы видите пулю
09:29
that has lodged just next to the spine on this person.
236
554000
3000
которая оказалась рядом с позвоночником.
09:32
And what we've done is that we've turned the bullet into a light source,
237
557000
3000
Что мы сделали? Мы превратили пулю в источник света,
09:35
so that bullet is actually shining,
238
560000
2000
так что она светилась,
09:37
and it makes it really easy to find these fragments.
239
562000
3000
и нам было легко обнаружить эти фрагменты.
09:40
During a physical autopsy,
240
565000
2000
Во время физической аутопсии,
09:42
if you actually have to dig through the body to find these fragments,
241
567000
2000
приходится копаться в теле, чтобы найти эти фрагменты,
09:44
that's actually quite hard to do.
242
569000
2000
это довольно сложно сделать.
09:48
One of the things that I'm really, really happy
243
573000
2000
Предмет моей особенной гордости,
09:50
to be able to show you here today
244
575000
3000
который я счастлив представить вам сегодня, -
09:53
is our virtual autopsy table.
245
578000
2000
это наш стол для виртуальной аутопсии.
09:55
It's a touch device that we have developed
246
580000
2000
Это сенсорное устройство, которое мы разработали
09:57
based on these algorithms, using standard graphics GPUs.
247
582000
3000
на основе этих алгоритмов на стандартном графическом процессоре.
10:00
It actually looks like this,
248
585000
2000
Вот как он выглядит.
10:02
just to give you a feeling for what it looks like.
249
587000
3000
просто чтобы дать вам представление о том, как он выглядит.
10:05
It really just works like a huge iPhone.
250
590000
3000
Он работает, как огромный iPhone.
10:08
So we've implemented
251
593000
2000
И мы сумели смоделировать
10:10
all the gestures you can do on the table,
252
595000
3000
все жесты, которые можно сделать на столе,
10:13
and you can think of it as an enormous touch interface.
253
598000
4000
и получился как бы огромный сенсорный интерфейс.
10:17
So if you were thinking of buying an iPad,
254
602000
2000
Если вы подумываете, не купить ли вам iPad,
10:19
forget about it. This is what you want instead.
255
604000
3000
забудьте о нём; вот, что вам нужно на самом деле.
10:22
Steve, I hope you're listening to this, all right.
256
607000
3000
Стив, я надеюсь, ты это слышишь.
10:26
So it's a very nice little device.
257
611000
2000
Итак, это милое крошечное устройство.
10:28
So if you have the opportunity, please try it out.
258
613000
2000
Если у вас есть возможность, пожалуйста, испытайте его.
10:30
It's really a hands-on experience.
259
615000
3000
Здесь важен практический опыт.
10:33
So it gained some traction, and we're trying to roll this out
260
618000
3000
Этот проект набирает ход, мы надеемся его раскрутить
10:36
and trying to use it for educational purposes,
261
621000
2000
и использовать в образовательных целях,
10:38
but also, perhaps in the future,
262
623000
2000
а тажке, возможно, в будущем
10:40
in a more clinical situation.
263
625000
3000
чаще применять его в клинических условиях.
10:43
There's a YouTube video that you can download and look at this,
264
628000
2000
Вот ролик на YouTube, который вы можете скачать и посмотреть,
10:45
if you want to convey the information to other people
265
630000
2000
если вы хотите рассказать другим людям
10:47
about virtual autopsies.
266
632000
3000
о виртуальной аутопсии.
10:50
Okay, now that we're talking about touch,
267
635000
2000
Раз уж мы заговорили об устройствах, работающих от прикосновения,
10:52
let me move on to really "touching" data.
268
637000
2000
давайте перейдём к данным, получаемым с помощью этих устройств.
10:54
And this is a bit of science fiction now,
269
639000
2000
Сейчас начнётся научная фантастика,
10:56
so we're moving into really the future.
270
641000
3000
и мы переместимся в будущее.
10:59
This is not really what the medical doctors are using right now,
271
644000
3000
Врачи пока используют не совсем такое оборудование,
11:02
but I hope they will in the future.
272
647000
2000
но, я надеюсь, в будущем ситуация изменится.
11:04
So what you're seeing on the left is a touch device.
273
649000
3000
Слева вы видите сенсорное устройство.
11:07
It's a little mechanical pen
274
652000
2000
Это маленькая механическая ручка,
11:09
that has very, very fast step motors inside of the pen.
275
654000
3000
внутри которой находятся исключительно быстрые шаговые регуляторы.
11:12
And so I can generate a force feedback.
276
657000
2000
И я могу сгенерировать силовую обратную связь.
11:14
So when I virtually touch data,
277
659000
2000
Поэтому когда я виртуально касаюсь данных,
11:16
it will generate forces in the pen, so I get a feedback.
278
661000
3000
я генерирую силу прикосновения в ручке и получаю обратную связь.
11:19
So in this particular situation,
279
664000
2000
В этом случае мы видим
11:21
it's a scan of a living person.
280
666000
2000
результат сканирования живого человека.
11:23
I have this pen, and I look at the data,
281
668000
3000
У меня есть ручка, я смотрю на данные,
11:26
and I move the pen towards the head,
282
671000
2000
и я двигаю ручку к голове,
11:28
and all of a sudden I feel resistance.
283
673000
2000
и вдруг я чувствую сопротивление.
11:30
So I can feel the skin.
284
675000
2000
И я могу пощупать кожу.
11:32
If I push a little bit harder, I'll go through the skin,
285
677000
2000
Если я надавлю чуть сильнее, я пройду через кожу
11:34
and I can feel the bone structure inside.
286
679000
3000
и смогу увидеть костную структуру изнутри.
11:37
If I push even harder, I'll go through the bone structure,
287
682000
2000
Если я надавлю ещё сильнее, я пройду сквозь костную структуру,
11:39
especially close to the ear where the bone is very soft.
288
684000
3000
особенно рядом с ухом, где кость очень мягкая.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
687000
3000
И тогда я увижу мозг внутри, он выглядит, как слякоть.
11:45
So this is really nice.
290
690000
2000
И это очень здорово.
11:47
And to take that even further, this is a heart.
291
692000
3000
Пойдёмте дальше, вот сердце.
11:50
And this is also due to these fantastic new scanners,
292
695000
3000
Снова благодаря этим фантастическим сканнерам
11:53
that just in 0.3 seconds,
293
698000
2000
всего за 0,3 секунды
11:55
I can scan the whole heart,
294
700000
2000
я могу просканировать всё сердце,
11:57
and I can do that with time resolution.
295
702000
2000
более того, я могу сделать это с временным разрешением.
11:59
So just looking at this heart,
296
704000
2000
Глядя на это сердце,
12:01
I can play back a video here.
297
706000
2000
Вот здесь я могу снова просмотреть видео.
12:03
And this is Karljohan, one of my graduate students
298
708000
2000
А это Карл-Йохан, один из моих аспирантов,
12:05
who's been working on this project.
299
710000
2000
который работает над этим проектом.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
712000
3000
Он сидит за тактильным устройством, системой силовой обратной связи,
12:10
and he's moving his pen towards the heart,
301
715000
3000
и ведёт ручку к сердцу,
12:13
and the heart is now beating in front of him,
302
718000
2000
и теперь сердце бьётся перед ним,
12:15
so he can see how the heart is beating.
303
720000
2000
и он может наблюдать, как бьётся сердце.
12:17
He's taken the pen, and he's moving it towards the heart,
304
722000
2000
Он берёт ручку и двигает её к сердцу,
12:19
and he's putting it on the heart,
305
724000
2000
ставит её на сердце
12:21
and then he feels the heartbeats from the real living patient.
306
726000
3000
и чувствует сердцебиение реального живого человека.
12:24
Then he can examine how the heart is moving.
307
729000
2000
Затем он может исследовать движения сердца.
12:26
He can go inside, push inside of the heart,
308
731000
2000
Он может зайти внутрь, толкнуть сердце изнутри
12:28
and really feel how the valves are moving.
309
733000
3000
и почувствовать, как двигаются клапаны.
12:31
And this, I think, is really the future for heart surgeons.
310
736000
3000
И я думаю, что это и есть будущее кардиохирургов.
12:34
I mean it's probably the wet dream for a heart surgeon
311
739000
3000
Я имею в виду, что кардиохирурги, возможно, только мечтают о том,
12:37
to be able to go inside of the patient's heart
312
742000
3000
чтобы иметь возможность зайти внутрь сердца пациента
12:40
before you actually do surgery,
313
745000
2000
до начала настоящей операции,
12:42
and do that with high-quality resolution data.
314
747000
2000
и сделать это на основе данных с разрешением высокого качества.
12:44
So this is really neat.
315
749000
2000
И это замечательно.
12:47
Now we're going even further into science fiction.
316
752000
3000
Теперь мы ещё глубже погрузимся в научную фантастику.
12:50
And we heard a little bit about functional MRI.
317
755000
3000
Все вы слышали о функциональной магнитно-резонансной томографии (МРТ).
12:53
Now this is really an interesting project.
318
758000
3000
Это по-настоящему интересный проект.
12:56
MRI is using magnetic fields
319
761000
2000
МРТ использует магнитные поля
12:58
and radio frequencies
320
763000
2000
и радиочастоты
13:00
to scan the brain, or any part of the body.
321
765000
3000
для сканирования мозга или других частей тела.
13:03
So what we're really getting out of this
322
768000
2000
В результате мы получаем данные
13:05
is information of the structure of the brain,
323
770000
2000
о структуре мозга,
13:07
but we can also measure the difference
324
772000
2000
а также мы можем измерить разницу
13:09
in magnetic properties of blood that's oxygenated
325
774000
3000
магнитных свойств крови, насыщенной кислородом,
13:12
and blood that's depleted of oxygen.
326
777000
3000
и крови, ненасыщенной кислородом.
13:15
That means that it's possible
327
780000
2000
Это означает, что возможно составить карту
13:17
to map out the activity of the brain.
328
782000
2000
активности мозга.
13:19
So this is something that we've been working on.
329
784000
2000
Вот над этим мы и работаем.
13:21
And you just saw Motts the research engineer, there,
330
786000
3000
Только что вы видели Моттса, инженера-исследователя,
13:24
going into the MRI system,
331
789000
2000
который проходит МРТ
13:26
and he was wearing goggles.
332
791000
2000
в дисплейных очках.
13:28
So he could actually see things in the goggles.
333
793000
2000
Он мог видеть в этих дисплейных очках.
13:30
So I could present things to him while he's in the scanner.
334
795000
3000
Поэтому я мог показывать ему кое-что, пока он был внутри сканера.
13:33
And this is a little bit freaky,
335
798000
2000
Это довольно удивительно,
13:35
because what Motts is seeing is actually this.
336
800000
2000
потому что Моттс видит вот это:
13:37
He's seeing his own brain.
337
802000
3000
он видит свой собственный мозг.
13:40
So Motts is doing something here,
338
805000
2000
Моттс что-то делает здесь.
13:42
and probably he is going like this with his right hand,
339
807000
2000
И, возможно, он собирается показать вот такой жест правой рукой,
13:44
because the left side is activated
340
809000
2000
потому что слева активирована двигательная область
13:46
on the motor cortex.
341
811000
2000
коры головного мозга.
13:48
And then he can see that at the same time.
342
813000
2000
И в то же время он всё это видит.
13:50
These visualizations are brand new.
343
815000
2000
Такие визуализации - это новая разработка.
13:52
And this is something that we've been researching for a little while.
344
817000
3000
Мы проводим исследования в этой области.
13:55
This is another sequence of Motts' brain.
345
820000
3000
Это ещё одна сессия исследования мозга Моттса.
13:58
And here we asked Motts to calculate backwards from 100.
346
823000
3000
Здесь мы попросили его считать обратно со 100.
14:01
So he's going "100, 97, 94."
347
826000
2000
И он начал: "100, 97, 94"
14:03
And then he's going backwards.
348
828000
2000
И считал назад.
14:05
And you can see how the little math processor is working up here in his brain
349
830000
3000
И вы видите, как маленький математический процессор работает вот здесь в мозгу
14:08
and is lighting up the whole brain.
350
833000
2000
и озаряет весь мозг.
14:10
Well this is fantastic. We can do this in real time.
351
835000
2000
Это потрясающе. Мы можем проделать это в реальном времени.
14:12
We can investigate things. We can tell him to do things.
352
837000
2000
Мы можем исследовать. Мы можем говорить ему, что делать.
14:14
You can also see that his visual cortex
353
839000
2000
Вы видите, что в задней части головы
14:16
is activated in the back of the head,
354
841000
2000
активирована зрительная кора головного мозга,
14:18
because that's where he's seeing, he's seeing his own brain.
355
843000
2000
потому что ею он видит, видит свой собственный мозг.
14:20
And he's also hearing our instructions
356
845000
2000
И он слышит наши инструкции,
14:22
when we tell him to do things.
357
847000
2000
когда мы говорим ему, что делать.
14:24
The signal is really deep inside of the brain as well,
358
849000
2000
Сигнал проходит вглубь мозга,
14:26
and it's shining through,
359
851000
2000
но он просвечивается,
14:28
because all of the data is inside this volume.
360
853000
2000
потому что все данные находятся внутри этого объёма.
14:30
And in just a second here you will see --
361
855000
2000
И через секунду вы увидите -
14:32
okay, here. Motts, now move your left foot.
362
857000
2000
вот, здесь. Моттс, пошевели левой ногой.
14:34
So he's going like this.
363
859000
2000
И он делает так.
14:36
For 20 seconds he's going like that,
364
861000
2000
20 секунд он делал так,
14:38
and all of a sudden it lights up up here.
365
863000
2000
а потом вдруг здесь озарение.
14:40
So we've got motor cortex activation up there.
366
865000
2000
Произошла активация двигательной зоны коры головного мозга вон там.
14:42
So this is really, really nice,
367
867000
2000
Это очень, очень интересно.
14:44
and I think this is a great tool.
368
869000
2000
И я думаю, что это прекрасный инструмент.
14:46
And connecting also with the previous talk here,
369
871000
2000
И, в связи с предыдущей речью TEDtalk,
14:48
this is something that we could use as a tool
370
873000
2000
это технология, которую мы можем использовать как инструмент,
14:50
to really understand
371
875000
2000
помогающий по-настоящему понять,
14:52
how the neurons are working, how the brain is working,
372
877000
2000
как работают нейроны, как работает мозг,
14:54
and we can do this with very, very high visual quality
373
879000
3000
и мы можем работать с очень, очень высоким качеством изображения
14:57
and very fast resolution.
374
882000
3000
и очень быстрым разрешением.
15:00
Now we're also having a bit of fun at the center.
375
885000
2000
Ну, а ещё у себя в центре мы любим повеселиться.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
887000
3000
Это КТ - кошачий томограф.
15:06
So this is a lion from the local zoo
377
891000
2000
А это львица Эльза из местного зоопарка
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
893000
3000
который находится недалеко от города Норркопинг в Кольмордене.
15:11
So she came to the center,
379
896000
2000
Её привезли в центр
15:13
and they sedated her
380
898000
2000
и дали ей успокоительное,
15:15
and then put her straight into the scanner.
381
900000
2000
а потом поместили прямо в сканер.
15:17
And then, of course, I get the whole data set from the lion.
382
902000
3000
А потом, конечно, я собрал все данные по льву.
15:20
And I can do very nice images like this.
383
905000
2000
И теперь я могу распечатывать такие классные фотографии.
15:22
I can peel off the layer of the lion.
384
907000
2000
И могу снять шкуру с неубитого льва.
15:24
I can look inside of it.
385
909000
2000
Я могу заглянуть внутрь животного.
15:26
And we've been experimenting with this.
386
911000
2000
Мы экспериментировали с этими данными.
15:28
And I think this is a great application
387
913000
2000
Я думаю, у этой технологии
15:30
for the future of this technology,
388
915000
2000
большое практическое будущее.
15:32
because there's very little known about the animal anatomy.
389
917000
3000
Потому что анатомия животных очень плохо изучена.
15:35
What's known out there for veterinarians is kind of basic information.
390
920000
3000
То что знают ветеринары - это базовая информация.
15:38
We can scan all sorts of things,
391
923000
2000
Мы можем сканировать что угодно,
15:40
all sorts of animals.
392
925000
2000
у любых животных.
15:42
The only problem is to fit it into the machine.
393
927000
3000
Единственная проблема - впихнуть животное в томограф.
15:45
So here's a bear.
394
930000
2000
Вот медведь.
15:47
It was kind of hard to get it in.
395
932000
2000
Было немного сложно его туда впихнуть.
15:49
And the bear is a cuddly, friendly animal.
396
934000
3000
Медведь - ласковое, дружелюбное создание.
15:52
And here it is. Here is the nose of the bear.
397
937000
3000
А вот и он. Вот медвежий нос.
15:55
And you might want to cuddle this one,
398
940000
3000
У вас возникнет желание его обнять,
15:58
until you change the functions and look at this.
399
943000
3000
пока вы не поменяете функции и не взглянете вот на это.
16:01
So be aware of the bear.
400
946000
2000
Опасайтесь медведей.
16:03
So with that,
401
948000
2000
И на этом
16:05
I'd like to thank all the people
402
950000
2000
я бы хотел поблагодарить всех,
16:07
who have helped me to generate these images.
403
952000
2000
кто помогал мне сгенерировать эти изображения.
16:09
It's a huge effort that goes into doing this,
404
954000
2000
Это огромный труд
16:11
gathering the data and developing the algorithms,
405
956000
3000
по сбору данных и разработке алгоритмов
16:14
writing all the software.
406
959000
2000
и написанию программ.
16:16
So, some very talented people.
407
961000
3000
Это очень талантливые люди.
16:19
My motto is always, I only hire people that are smarter than I am
408
964000
3000
Мой девиз - нанимать только тех, кто умнее меня,
16:22
and most of these are smarter than I am.
409
967000
2000
и большинство из них умней меня.
16:24
So thank you very much.
410
969000
2000
Большое спасибо.
16:26
(Applause)
411
971000
4000
(аплодисменты)
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