ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Anders Ynnerman | Speaker | TED.com
TEDxGöteborg 2010

Anders Ynnerman: Visualizing the medical data explosion

Anders Ynnerman: Visualisierung der medizinischen Datenflut

Filmed:
539,883 views

Bildgebende medizinische Verfahren liefern heute in Sekundenschnelle Tausende von Aufnahmen und Terabytes an Daten für einen einzigen Patienten. Aber wie analysieren Ärzte diese Datenmenge und wie entscheiden sie, was davon brauchbar ist? Auf der TEDxGöteborg zeigt der Wissenschaftler und Visualisierungsexperte Anders Ynnerman hochentwickelte neue Werkzeuge wie virtuelle Autopsien, mit denen komplexe Daten analysiert werden können. Außerdem ermöglicht er uns einen Einblick in futuristisch anmutende medizinische Technologien, die derzeit noch in der Entwicklung sind. Warnung: Dieser Vortrag enthält drastisches und für einige möglicherweise schockierendes medizinisches Bildmaterial.
- 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

Double-click the English transcript below to play the video.

00:15
I will startAnfang by posingposiert a little bitBit of a challengeHerausforderung:
0
0
4000
Ich möchte zu Beginn eine kleine Herausforderung darstellen:
00:19
the challengeHerausforderung of dealingUmgang with dataDaten,
1
4000
3000
die Analyse von Daten.
00:22
dataDaten that we have to dealDeal with
2
7000
2000
Daten, mit denen wir
00:24
in medicalmedizinisch situationsSituationen.
3
9000
2000
in medizinischem Kontext zu tun haben.
00:26
It's really a hugeenorm challengeHerausforderung for us.
4
11000
2000
Das ist wirklich eine sehr große Herausforderung für uns.
00:28
And this is our beastTier of burdenBelastung --
5
13000
2000
Das hier ist unser Lasttier.
00:30
this is a ComputerComputer TomographyTomographie machineMaschine,
6
15000
2000
Es ist ein Computertomograph,
00:32
a CTCT machineMaschine.
7
17000
2000
ein CT-Gerät.
00:34
It's a fantasticfantastisch deviceGerät.
8
19000
2000
Es ist eine fantastische Apparatur.
00:36
It usesVerwendungen X-raysRöntgenstrahlen, X-rayX-ray beamsBalken,
9
21000
2000
Sie benutzt Röntgenstrahlen,
00:38
that are rotatingrotierende very fastschnell around the humanMensch bodyKörper.
10
23000
3000
die sehr schnell um den menschlichen Körper kreisen.
00:41
It takes about 30 secondsSekunden to go throughdurch the wholeganze machineMaschine
11
26000
2000
Es dauert ungefähr 30 Sekunden, bis man einmal durch die gesamte Maschine durch ist.
00:43
and is generatingErzeugen enormousenorm amountsBeträge of informationInformation
12
28000
2000
Dabei werden ungeheure Mengen von Daten
00:45
that comeskommt out of the machineMaschine.
13
30000
2000
in der Maschine erzeugt.
00:47
So this is a fantasticfantastisch machineMaschine
14
32000
2000
Das ist also ein fantastisches Gerät,
00:49
that we can use
15
34000
2000
das uns helfen kann,
00:51
for improvingVerbesserung healthGesundheit carePflege,
16
36000
2000
die medizinische Versorgung zu verbessern.
00:53
but as I said, it's alsoebenfalls a challengeHerausforderung for us.
17
38000
2000
Wie ich aber schon sagte: Es ist auch eine Herausforderung für uns.
00:55
And the challengeHerausforderung is really foundgefunden in this pictureBild here.
18
40000
3000
Auf diesem Foto können Sie diese Herausforderung sehen.
00:58
It's the medicalmedizinisch dataDaten explosionExplosion
19
43000
2000
Es geht um die ungeheure Zunahme an medizinischen Daten,
01:00
that we're havingmit right now.
20
45000
2000
die wir im Moment erleben.
01:02
We're facinggegenüber this problemProblem.
21
47000
2000
Das ist das Problem, dem wir uns stellen müssen.
01:04
And let me stepSchritt back in time.
22
49000
2000
Lassen Sie mich ein paar Jahre zurück gehen.
01:06
Let's go back a fewwenige yearsJahre in time and see what happenedpassiert back then.
23
51000
3000
Lassen Sie uns ein paar Jahre zurück gehen und sehen, was damals los war.
01:09
These machinesMaschinen that camekam out --
24
54000
2000
Diese Geräte, die zuerst so
01:11
they startedhat angefangen comingKommen in the 1970s --
25
56000
2000
um 1970 auf den Markt kamen,
01:13
they would scanScan humanMensch bodiesKörper,
26
58000
2000
sie scannten menschliche Körper
01:15
and they would generategenerieren about 100 imagesBilder
27
60000
2000
und machten ungefähr 100 Aufnahmen
01:17
of the humanMensch bodyKörper.
28
62000
2000
des menschlichen Körpers.
01:19
And I've takengenommen the libertyFreiheit, just for clarityKlarheit,
29
64000
2000
Ich habe mir die Freiheit genommen, der Deutlichkeit zuliebe,
01:21
to translateÜbersetzen that to dataDaten slicesScheiben.
30
66000
3000
das in Bildschichten zu übersetzen.
01:24
That would correspondentsprechen to about 50 megabytesMegabyte of dataDaten,
31
69000
2000
Das entspricht ungefähr 50 MB an Daten,
01:26
whichwelche is smallklein
32
71000
2000
was nicht viel ist,
01:28
when you think about the dataDaten we can handleGriff todayheute
33
73000
3000
wenn man an die Datenmengen denkt,
01:31
just on normalnormal mobileMobile devicesGeräte.
34
76000
2000
die heute ein einfaches Mobiltelefon verarbeiten kann.
01:33
If you translateÜbersetzen that to phoneTelefon booksBücher,
35
78000
2000
Wenn wir das auf Telefonbücher übertragen,
01:35
it's about one meterMeter of phoneTelefon booksBücher in the pileHaufen.
36
80000
3000
kämen wir auf einen Stapel von ungefähr einem Meter Höhe .
01:38
Looking at what we're doing todayheute
37
83000
2000
Betrachten wir das, was wir heute
01:40
with these machinesMaschinen that we have,
38
85000
2000
mit den Geräten, die uns zur Verfügung stehen, machen.
01:42
we can, just in a fewwenige secondsSekunden,
39
87000
2000
Wir erhalten in nur wenigen Sekunden
01:44
get 24,000 imagesBilder out of a bodyKörper,
40
89000
2000
24.000 Aufnahmen eines Körper.
01:46
and that would correspondentsprechen to about 20 gigabytesGigabyte of dataDaten,
41
91000
3000
Das entspricht ungefähr 20 GB Daten
01:49
or 800 phoneTelefon booksBücher,
42
94000
2000
oder 800 Telefonbüchern.
01:51
and the pileHaufen would then be 200 metersMeter of phoneTelefon booksBücher.
43
96000
2000
Und der Stapel wäre 200 Meter hoch.
01:53
What's about to happengeschehen --
44
98000
2000
Was passieren wird
01:55
and we're seeingSehen this; it's beginningAnfang --
45
100000
2000
(und wir sehen es schon jetzt, es geht gerade los),
01:57
a technologyTechnologie trendTrend that's happeningHappening right now
46
102000
2000
ist ein aktueller Technologietrend:
01:59
is that we're startingbeginnend to look at time-resolvedzeitaufgelöste situationsSituationen as well.
47
104000
3000
Wir haben begonnen, Ergebnisse im Verlauf zu betrachten.
02:02
So we're gettingbekommen the dynamicsDynamik out of the bodyKörper as well.
48
107000
3000
Wir erhalten also auch dynamische Informationen über einen Körper.
02:05
And just assumeannehmen
49
110000
2000
Nehmen wir an,
02:07
that we will be collectingSammeln dataDaten duringwährend fivefünf secondsSekunden,
50
112000
3000
dass wir Daten über einen Zeitraum von fünf Sekunden sammeln.
02:10
and that would correspondentsprechen to one terabyteTerabyte of dataDaten --
51
115000
2000
Das würde einem Terabyte Daten entsprechen.
02:12
that's 800,000 booksBücher
52
117000
2000
Das sind 800.000 Bücher
02:14
and 16 kilometersKilometer of phoneTelefon booksBücher.
53
119000
2000
und 16 km Telefonbücher.
02:16
That's one patientgeduldig, one dataDaten setSet.
54
121000
2000
Das ist ein Patient, ein einziger Datensatz.
02:18
And this is what we have to dealDeal with.
55
123000
2000
Das ist es, womit wir es zu tun haben.
02:20
So this is really the enormousenorm challengeHerausforderung that we have.
56
125000
3000
Das ist also die ungeheure Herausforderung, die vor uns liegt.
02:23
And alreadybereits todayheute -- this is 25,000 imagesBilder.
57
128000
3000
Und schon heute: Das hier sind 25.000 Aufnahmen.
02:26
ImagineStellen Sie sich vor the daysTage
58
131000
2000
Denken Sie daran, wie es war,
02:28
when we had radiologistsRadiologen doing this.
59
133000
2000
als wir das noch von Radiologen haben machen lassen.
02:30
They would put up 25,000 imagesBilder,
60
135000
2000
Die hätten 25.000 Aufnahmen aufgehängt,
02:32
they would go like this, "25,0000, okay, okay.
61
137000
3000
die hätten das so gemacht: »25.0000, gut, gut.
02:35
There is the problemProblem."
62
140000
2000
Hier ist das Problem.«
02:37
They can't do that anymorenicht mehr. That's impossibleunmöglich.
63
142000
2000
Die können das nicht mehr leisten; das ist unmöglich.
02:39
So we have to do something that's a little bitBit more intelligentintelligent than doing this.
64
144000
3000
Wir müssen uns also etwas Schlaueres ausdenken.
02:43
So what we do is that we put all these slicesScheiben togetherzusammen.
65
148000
2000
Was wir also tun, ist Folgendes: Wir legen alle diese Schichten aufeinander.
02:45
ImagineStellen Sie sich vor that you sliceSlice your bodyKörper in all these directionsRichtungen,
66
150000
3000
Stellen Sie sich vor, dass Sie einen Körper in alle diese Richtungen zerschneiden
02:48
and then you try to put the slicesScheiben back togetherzusammen again
67
153000
3000
und dann versuchen, diese Scheiben wieder
02:51
into a pileHaufen of dataDaten, into a blockBlock of dataDaten.
68
156000
2000
zu einem Stapel von Daten zusammenzufügen, zu einem Datenblock.
02:53
So this is really what we're doing.
69
158000
2000
Das ist also, was wir wirklich tun.
02:55
So this gigabyteGigabyte or terabyteTerabyte of dataDaten, we're puttingPutten it into this blockBlock.
70
160000
3000
Wir nehmen ein Giga- oder Terabyte Daten und packen es auf einen Stapel.
02:58
But of courseKurs, the blockBlock of dataDaten
71
163000
2000
Aber natürlich beinhaltet dieser Datensatz
03:00
just containsenthält the amountMenge of X-rayX-ray
72
165000
2000
nur die Anzahl an Röntgenstrahlung,
03:02
that's been absorbedabsorbiert in eachjede einzelne pointPunkt in the humanMensch bodyKörper.
73
167000
2000
die an einem bestimmtem Punkt des menschlichen Körper absorbiert wurde.
03:04
So what we need to do is to figureZahl out a way
74
169000
2000
Wir müssen also einen Weg finden,
03:06
of looking at the things we do want to look at
75
171000
3000
die Dinge zu sehen, die wir sehen möchten.
03:09
and make things transparenttransparent that we don't want to look at.
76
174000
3000
und Dinge, die wir nicht sehen wollen, auszublenden.
03:12
So transformingtransformierend the dataDaten setSet
77
177000
2000
Den Datensatz zu verwandeln,
03:14
into something that lookssieht aus like this.
78
179000
2000
in etwas, das so aussieht.
03:16
And this is a challengeHerausforderung.
79
181000
2000
Und das ist eine Herausforderung.
03:18
This is a hugeenorm challengeHerausforderung for us to do that.
80
183000
3000
Es ist eine ungeheure Herausforderung.
03:21
UsingMit Hilfe computersComputer, even thoughobwohl they're gettingbekommen fasterschneller and better all the time,
81
186000
3000
Selbst mit Computern, die immer schneller und besser werden,
03:24
it's a challengeHerausforderung to dealDeal with gigabytesGigabyte of dataDaten,
82
189000
2000
ist es eine Herausforderung, mit Gigabytes an Daten,
03:26
terabytesTerabyte of dataDaten
83
191000
2000
Terabytes an Daten, zu arbeiten
03:28
and extractingExtrahieren von the relevantrelevant informationInformation.
84
193000
2000
und die relevanten Informationen herauszufischen.
03:30
I want to look at the heartHerz.
85
195000
2000
Ich will das Herz sehen können,
03:32
I want to look at the bloodBlut vesselsSchiffe. I want to look at the liverLeber.
86
197000
2000
Ich will die Blutgefässe sehen, die Leber.
03:34
Maybe even find a tumorTumor,
87
199000
2000
Vielleicht kann ich sogar einen Tumor
03:36
in some casesFälle.
88
201000
2000
finden.
03:39
So this is where this little dearsehr geehrter comeskommt into playspielen.
89
204000
2000
Hier kommt dieser kleine Spatz ins Spiel.
03:41
This is my daughterTochter.
90
206000
2000
Das ist meine Tochter.
03:43
This is as of 9 a.m. this morningMorgen.
91
208000
2000
Das ist von heute früh 9:00 Uhr.
03:45
She's playingspielen a computerComputer gameSpiel.
92
210000
2000
Sie spielt ein Computerspiel.
03:47
She's only two yearsJahre oldalt,
93
212000
2000
Sie ist erst zwei Jahre alt,
03:49
and she's havingmit a blastsprengen.
94
214000
2000
und sie hat einen Heidenspaß.
03:51
So she's really the drivingFahren forceKraft
95
216000
3000
Sie ist die eigentliche Antriebskraft
03:54
behindhinter the developmentEntwicklung of graphics-processingGrafik-Verarbeitung unitsEinheiten.
96
219000
3000
hinter der Entwicklung von Grafikprozessoren.
03:58
As long as kidsKinder are playingspielen computerComputer gamesSpiele,
97
223000
2000
Solange Kinder Computerspiele spielen,
04:00
graphicsGrafik is gettingbekommen better and better and better.
98
225000
2000
wird deren Grafik besser und besser und besser.
04:02
So please go back home, tell your kidsKinder to playspielen more gamesSpiele,
99
227000
2000
Gehen Sie also nach Hause und bitten Sie Ihre Kinder, mehr Spiele zu spielen,
04:04
because that's what I need.
100
229000
2000
denn das ist es, was ich brauche.
04:06
So what's insideinnen of this machineMaschine
101
231000
2000
Das, was in dieser Maschine steckt,
04:08
is what enablesermöglicht me to do the things that I'm doing
102
233000
2000
ermöglicht es mir, das zu tun, was ich
04:10
with the medicalmedizinisch dataDaten.
103
235000
2000
mit medizinischen Daten tue.
04:12
So really what I'm doing is usingmit these fantasticfantastisch little devicesGeräte.
104
237000
3000
Ich benutze also diese fantastischen kleinen Geräte.
04:15
And you know, going back
105
240000
2000
Und wissen Sie, vor zehn Jahren,
04:17
maybe 10 yearsJahre in time
106
242000
2000
es war vor ungefähr 10 Jahren,
04:19
when I got the fundingFinanzierung
107
244000
2000
als ich die Fördergelder bekam,
04:21
to buykaufen my first graphicsGrafik computerComputer --
108
246000
2000
um meinen ersten Grafikcomputer zu kaufen.
04:23
it was a hugeenorm machineMaschine.
109
248000
2000
Es war eine riesige Maschine.
04:25
It was cabinetsSchränke of processorsProzessoren and storageLager and everything.
110
250000
3000
Es war ein Schrank voll mit Prozessoren und Speicher und allem Möglichen.
04:28
I paidbezahlt about one millionMillion dollarsDollar for that machineMaschine.
111
253000
3000
Ich habe rund eine Million Dollar für diese Maschine bezahlt.
04:32
That machineMaschine is, todayheute, about as fastschnell as my iPhoneiPhone.
112
257000
3000
Heute ist sie ungefähr so schnell wie mein iPhone.
04:37
So everyjeden monthMonat there are newneu graphicsGrafik cardsKarten comingKommen out,
113
262000
2000
Jeden Monat kommen neue Grafikkarten heraus.
04:39
and here is a fewwenige of the latestneueste onesEinsen from the vendorsKreditoren --
114
264000
3000
Hier sind einige der neuesten:
04:42
NVIDIANVIDIA, ATIATI, IntelIntel is out there as well.
115
267000
3000
NVIDIA, ATI, Intel ist auch dabei.
04:45
And you know, for a fewwenige hundredhundert bucksBöcke
116
270000
2000
Und wissen Sie, für ein paar Hunderter
04:47
you can get these things and put them into your computerComputer,
117
272000
2000
kann man diese Dinge kaufen und in einen Computer einbauen
04:49
and you can do fantasticfantastisch things with these graphicsGrafik cardsKarten.
118
274000
3000
und fantastische Sachen damit tun.
04:52
So this is really what's enablingAktivieren us
119
277000
2000
Das also ist es, was es uns wirklich erlaubt,
04:54
to dealDeal with the explosionExplosion of dataDaten in medicineMedizin,
120
279000
3000
die Explosion von Daten in der Medizin aufzufangen;
04:57
togetherzusammen with some really niftyNifty work
121
282000
2000
dies und ein wenig wirklich raffinierter Arbeit
04:59
in termsBegriffe of algorithmsAlgorithmen --
122
284000
2000
hinsichtlich Algorithmen
05:01
compressingkomprimieren dataDaten,
123
286000
2000
und Datenkompression.
05:03
extractingExtrahieren von the relevantrelevant informationInformation that people are doing researchForschung on.
124
288000
3000
So beziehen wir die relevanten Informationen aus dem, woran Menschen forschen.
05:06
So I'm going to showShow you a fewwenige examplesBeispiele of what we can do.
125
291000
3000
Ich werde Ihnen einige Beispiele zeigen von dem, was möglich ist.
05:09
This is a dataDaten setSet that was capturedgefangen usingmit a CTCT scannerScanner.
126
294000
3000
Dies hier ist ein Datensatz, der mittels eines CT-Scanners erfasst wurde.
05:12
You can see that this is a fullvoll dataDaten [setSet].
127
297000
3000
Wie Sie sehen, ist es ein vollständiger Datensatz.
05:15
It's a womanFrau. You can see the hairHaar.
128
300000
3000
Es ist eine Frau. Sie können ihr Haar sehen.
05:18
You can see the individualPerson structuresStrukturen of the womanFrau.
129
303000
3000
Man kann jeden einzelnen Knochen sehen.
05:21
You can see that there is [a] scatteringStreuung of X-raysRöntgenstrahlen
130
306000
3000
Man kann sehen, dass Röntgenstrahlung gestreut werden:
05:24
on the teethZähne, the metalMetall in the teethZähne.
131
309000
2000
von den Zähnen, dem Metall in den Zähnen.
05:26
That's where those artifactsArtefakte are comingKommen from.
132
311000
3000
Daher kommen also diese Artefakte.
05:29
But fullyvöllig interactivelyinteraktiv
133
314000
2000
Aber wirklich interaktiv wird es
05:31
on standardStandard graphicsGrafik cardsKarten on a normalnormal computerComputer,
134
316000
3000
mit Standard-Grafikkarten in ganz normalen Rechnern.
05:34
I can just put in a clipKlammer planeEbene.
135
319000
2000
Ich kann einfach eine Schnittebene anlegen
05:36
And of courseKurs all the dataDaten is insideinnen,
136
321000
2000
Und natürlich stecken alle Daten da drin.
05:38
so I can startAnfang rotatingrotierende, I can look at it from differentanders anglesWinkel,
137
323000
3000
Ich kann anfangen, sie zu drehen, ich kann sie von verschiedenen Winkeln betrachten,
05:41
and I can see that this womanFrau had a problemProblem.
138
326000
3000
und ich kann sehen, dass diese Frau ein Problem hatte.
05:44
She had a bleedingBlutung up in the brainGehirn,
139
329000
2000
Sie hatte eine Blutung im Gehirn,
05:46
and that's been fixedFest with a little stentStent,
140
331000
2000
und die wurde mit ein kleinen Stent repariert,
05:48
a metalMetall clampKlemme that's tighteningfestziehen up the vesselSchiff.
141
333000
2000
einer Metallklammer, die das Gefäß zusammenpresst.
05:50
And just by changingÄndern the functionsFunktionen,
142
335000
2000
Und nur dadurch, dass ich die Einstellungen verändere,
05:52
then I can decideentscheiden what's going to be transparenttransparent
143
337000
3000
kann ich dann entscheiden, was transparent
05:55
and what's going to be visiblesichtbar.
144
340000
2000
und was sichtbar sein wird.
05:57
I can look at the skullSchädel structureStruktur,
145
342000
2000
Ich kann die Schädelknochen betrachten.
05:59
and I can see that, okay, this is where they openedgeöffnet up the skullSchädel on this womanFrau,
146
344000
3000
Das sieht okay aus, hier haben sie den Schädel dieser Frau geöffnet,
06:02
and that's where they wentging in.
147
347000
2000
und hier sind sie reingegangen.
06:04
So these are fantasticfantastisch imagesBilder.
148
349000
2000
Dies sind also fantastische Aufnahmen
06:06
They're really highhoch resolutionAuflösung,
149
351000
2000
mit einer wirklich guten Auflösung.
06:08
and they're really showingzeigt us what we can do
150
353000
2000
Sie zeigen uns, was wir
06:10
with standardStandard graphicsGrafik cardsKarten todayheute.
151
355000
3000
heute mit Standard-Grafikkarten alles machen können.
06:13
Now we have really madegemacht use of this,
152
358000
2000
Wir haben versucht, das auszunutzen, so gut es geht,
06:15
and we have triedversucht to squeezedrücken a lot of dataDaten
153
360000
3000
und wir haben versucht, eine große Menge Daten ins
06:18
into the systemSystem.
154
363000
2000
System zu bekommen.
06:20
And one of the applicationsAnwendungen that we'vewir haben been workingArbeiten on --
155
365000
2000
Eine der Anwendungen, mit denen wir gearbeitet haben
06:22
and this has gottenbekommen a little bitBit of tractionTraktion worldwideweltweit --
156
367000
3000
(und das hat weltweit immerhin für etwas Wirbel gesorgt),
06:25
is the applicationAnwendung of virtualvirtuell autopsiesAutopsien.
157
370000
2000
sind virtuelle Autopsien.
06:27
So again, looking at very, very largegroß dataDaten setssetzt,
158
372000
2000
Also nochmal, es geht um sehr, sehr große Datenmengen:
06:29
and you saw those full-bodyGanzkörper- scansScans that we can do.
159
374000
3000
Sie haben ja diese Ganzkörperscans gesehen, die wir machen können.
06:32
We're just pushingDrücken the bodyKörper throughdurch the wholeganze CTCT scannerScanner,
160
377000
3000
Wir schicken den Körper einfach nur durch den gesamten CT-Scanner
06:35
and just in a fewwenige secondsSekunden we can get a full-bodyGanzkörper- dataDaten setSet.
161
380000
3000
und in nur wenigen Sekunden erhalten wir einen Datensatz für einen kompletten Körper.
06:38
So this is from a virtualvirtuell autopsyAutopsie.
162
383000
2000
Diese Aufnahmen stammen von einer virtuellen Autopsie.
06:40
And you can see how I'm graduallyallmählich peelingPeeling off.
163
385000
2000
Sie können sehen, wie ich Schicht um Schicht ablöse.
06:42
First you saw the bodyKörper bagTasche that the bodyKörper camekam in,
164
387000
3000
Zuerst haben Sie den Leichensack mit dem Körper gesehen.
06:45
then I'm peelingPeeling off the skinHaut -- you can see the musclesMuskeln --
165
390000
3000
Nun löse ich die Haut ab. Sie können die Muskeln sehen.
06:48
and eventuallyschließlich you can see the boneKnochen structureStruktur of this womanFrau.
166
393000
3000
Schließlich sehen Sie die Knochenstruktur dieser Frau.
06:51
Now at this pointPunkt, I would alsoebenfalls like to emphasizebetonen
167
396000
3000
An dieser Stelle möchte ich betonen,
06:54
that, with the greatestgrößte respectdie Achtung
168
399000
2000
dass ich mit dem allergrößten Respekt
06:56
for the people that I'm now going to showShow --
169
401000
2000
für die Menschen, die ich Ihnen gleich zeigen werde
06:58
I'm going to showShow you a fewwenige casesFälle of virtualvirtuell autopsiesAutopsien --
170
403000
2000
(Ich werde Ihnen einige Beispiele von virtuelle Autopsien zeigen),
07:00
so it's with great respectdie Achtung for the people
171
405000
2000
es geschieht also mit großen Respekt für die Menschen,
07:02
that have diedist verstorben underunter violentheftig circumstancesUmstände
172
407000
2000
die unter gewalttätigen Umständen gestorben sind,
07:04
that I'm showingzeigt these picturesBilder to you.
173
409000
3000
dass ich Ihnen die folgenden Aufnahmen zeige.
07:08
In the forensicforensisch caseFall --
174
413000
2000
In einem forensischen Fall ...
07:10
and this is something
175
415000
2000
und davon
07:12
that ... there's been approximatelyca 400 casesFälle so farweit
176
417000
2000
gab es bis jetzt ungefähr 400 Fälle,
07:14
just in the partTeil of SwedenSchweden that I come from
177
419000
2000
allein in dem Teil von Schweden, woher ich komme,
07:16
that has been undergoingderzeit virtualvirtuell autopsiesAutopsien
178
421000
2000
bei denen in den letzten vier Jahren
07:18
in the pastVergangenheit fourvier yearsJahre.
179
423000
2000
virtuelle Autopsien durchgeführt wurden.
07:20
So this will be the typicaltypisch workflowArbeitsablauf situationLage.
180
425000
3000
So sieht also ein typischer Arbeitsablauf aus.
07:23
The policePolizei will decideentscheiden --
181
428000
2000
Die Polizei wird entscheiden
07:25
in the eveningAbend, when there's a caseFall comingKommen in --
182
430000
2000
(am selben Abend, wenn ein Fall hereinkommt)
07:27
they will decideentscheiden, okay, is this a caseFall where we need to do an autopsyAutopsie?
183
432000
3000
werden sie entscheiden, okay, das ist ein Fall, bei dem wir eine Autopsie durchführen müssen.
07:30
So in the morningMorgen, in betweenzwischen sixsechs and sevenSieben in the morningMorgen,
184
435000
3000
Am Morgen, so zwischen sechs und sieben Uhr,
07:33
the bodyKörper is then transportedtransportiert insideinnen of the bodyKörper bagTasche
185
438000
2000
wird der Körper dann im Leichensack
07:35
to our centerCenter
186
440000
2000
zu unserer Abteilung gebracht
07:37
and is beingSein scannedgescannt throughdurch one of the CTCT scannersScanner.
187
442000
2000
und in einem der CT-Scanner gescannt.
07:39
And then the radiologistRadiologe, togetherzusammen with the pathologistPathologe
188
444000
2000
Dann sieht sich ein Radiologe zusammen mit einem Pathologen
07:41
and sometimesmanchmal the forensicforensisch scientistWissenschaftler,
189
446000
2000
und manchmal auch ein forensicher Wissenschaftler,
07:43
lookssieht aus at the dataDaten that's comingKommen out,
190
448000
2000
die Daten an, die dabei herauskommen.
07:45
and they have a jointJoint sessionSession.
191
450000
2000
Gemeinsam entscheiden sie,
07:47
And then they decideentscheiden what to do in the realecht physicalphysisch autopsyAutopsie after that.
192
452000
3000
was in der anschließenden echten Autopsie getan werden muss.
07:52
Now looking at a fewwenige casesFälle,
193
457000
2000
Lassen Sie uns einige Fälle ansehen;
07:54
here'shier ist one of the first casesFälle that we had.
194
459000
2000
dies ist einer unserer ersten Fälle.
07:56
You can really see the detailsDetails of the dataDaten setSet.
195
461000
3000
Sie können die genauen Einzelheiten sehen,
07:59
It's very high-resolutionhohe Auflösung,
196
464000
2000
es ist eine Aufnahme mit wirklich hoher Auflösung.
08:01
and it's our algorithmsAlgorithmen that allowzulassen us
197
466000
2000
Und es sind unsere Algorithmen, die es uns ermöglichen
08:03
to zoomZoomen in on all the detailsDetails.
198
468000
2000
an diese Details heranzuzoomen.
08:05
And again, it's fullyvöllig interactiveinteraktiv,
199
470000
2000
Noch mal, es ist komplett interaktiv,
08:07
so you can rotatedrehen and you can look at things in realecht time
200
472000
2000
man kann es drehen und sich die Dinge in Echtzeit ansehen
08:09
on these systemsSysteme here.
201
474000
2000
auf diesen Systemen.
08:11
WithoutOhne sayingSprichwort too much about this caseFall,
202
476000
2000
Ohne zu viel über diesen Fall zu sagen,
08:13
this is a trafficder Verkehr accidentUnfall,
203
478000
2000
dies ist ein Verkehrsunfall:
08:15
a drunkbetrunken driverTreiber hitschlagen a womanFrau.
204
480000
2000
Ein betrunkener Fahrer überfuhr eine Frau.
08:17
And it's very, very easyeinfach to see the damagesSchäden on the boneKnochen structureStruktur.
205
482000
3000
Und es ist sehr, sehr leicht, die Schäden an der Knochenstruktur zu sehen.
08:20
And the causeUrsache of deathTod is the brokengebrochen neckHals.
206
485000
3000
Die Todesursache ist der gebrochene Hals.
08:23
And this womenFrau alsoebenfalls endedendete up underunter the carAuto,
207
488000
2000
Und diese Frau ist auch unter das Auto geraten,
08:25
so she's quiteganz badlyschlecht beatengeschlagen up
208
490000
2000
sie ist wirklich schwer zugerichtet worden
08:27
by this injuryVerletzung.
209
492000
2000
durch diese Verletzung.
08:29
Here'sHier ist anotherein anderer caseFall, a knifingMesserstecherei.
210
494000
3000
Hier ist ein anderer Fall, eine Messerstecherei.
08:32
And this is alsoebenfalls again showingzeigt us what we can do.
211
497000
2000
Und das zeigt uns noch mal, was wir tun können.
08:34
It's very easyeinfach to look at metalMetall artifactsArtefakte
212
499000
2000
Metallartefakte können
08:36
that we can showShow insideinnen of the bodyKörper.
213
501000
3000
im Körper sehr leicht nachgewiesen werden.
08:39
You can alsoebenfalls see some of the artifactsArtefakte from the teethZähne --
214
504000
3000
Sie können auch einige der Artefakte sehen, die durch die Zähne verursacht werden,
08:42
that's actuallytatsächlich the fillingFüllung of the teethZähne --
215
507000
2000
besser gesagt, die Zahnfüllungen.
08:44
but because I've setSet the functionsFunktionen to showShow me metalMetall
216
509000
3000
Aber weil ich die Einstellungen so vorgenommen habe, dass sie mir Metall zeigen,
08:47
and make everything elsesonst transparenttransparent.
217
512000
2000
und alles andere unsichtbar wird ...
08:49
Here'sHier ist anotherein anderer violentheftig caseFall. This really didn't killtöten the personPerson.
218
514000
3000
Hier ist noch ein sehr brutaler Fall. Das Opfer wurde aber nicht umgebracht.
08:52
The personPerson was killedermordet by stabsersticht in the heartHerz,
219
517000
2000
Dieses Opfer wurde durch Stiche ins Herz getötet,
08:54
but they just depositedhinterlegt the knifeMesser
220
519000
2000
Aber die Täter ließen das Messer zurück.
08:56
by puttingPutten it throughdurch one of the eyeballsAugäpfel.
221
521000
2000
Sie bohrten es durch einen der Augäpfel.
08:58
Here'sHier ist anotherein anderer caseFall.
222
523000
2000
Hier ist noch ein Fall.
09:00
It's very interestinginteressant for us
223
525000
2000
Es ist sehr interessant für uns,
09:02
to be ablefähig to look at things like knifeMesser stabbingsMesserstechereien.
224
527000
2000
Verbrechen wie Messerstechereien zu analysieren.
09:04
Here you can see that knifeMesser wentging throughdurch the heartHerz.
225
529000
3000
Hier können Sie sehen, wie das Messer ins Herz eingedrungen ist.
09:07
It's very easyeinfach to see how airLuft has been leakingundicht
226
532000
2000
Man kann leicht sehen, wie Luft
09:09
from one partTeil to anotherein anderer partTeil,
227
534000
2000
von einem Teil zum anderen gewandert ist,
09:11
whichwelche is difficultschwer to do in a normalnormal, standardStandard, physicalphysisch autopsyAutopsie.
228
536000
3000
was in einer normalen, klassischen Autopsie schwer auszumachen ist.
09:14
So it really, really helpshilft
229
539000
2000
Dieses Vorgehen hilft also
09:16
the criminalKriminelle investigationErmittlung
230
541000
2000
bei einer kriminellen Untersuchung wirklich sehr,
09:18
to establishGründen the causeUrsache of deathTod,
231
543000
2000
die Todesursache festzustellen,
09:20
and in some casesFälle alsoebenfalls directingRegie the investigationErmittlung in the right directionRichtung
232
545000
3000
und in einigen Fällen die Untersuchung in die richtige Richtung zu lenken,
09:23
to find out who the killerMörder really was.
233
548000
2000
und herauszufinden, wer wirklich der Mörder ist.
09:25
Here'sHier ist anotherein anderer caseFall that I think is interestinginteressant.
234
550000
2000
Hier ist noch ein Fall, den ich interessant finde.
09:27
Here you can see a bulletKugel
235
552000
2000
Hier sehen Sie eine Gewehrkugel,
09:29
that has lodgedeingereicht just nextNächster to the spineRücken on this personPerson.
236
554000
3000
die dicht neben der Wirbelsäule dieses Menschen eingedrungen ist.
09:32
And what we'vewir haben doneerledigt is that we'vewir haben turnedgedreht the bulletKugel into a lightLicht sourceQuelle,
237
557000
3000
Was wir also gemacht haben, war, diese Gewehrkugel in eine Lichtquelle zu verwandeln,
09:35
so that bulletKugel is actuallytatsächlich shiningleuchtenden,
238
560000
2000
so dass die Gewehrkugel richtig leuchtet.
09:37
and it makesmacht it really easyeinfach to find these fragmentsFragmente.
239
562000
3000
Das macht es sehr leicht, diese Fragmente
09:40
DuringWährend a physicalphysisch autopsyAutopsie,
240
565000
2000
während einer physischen Autopsie zu finden,
09:42
if you actuallytatsächlich have to diggraben throughdurch the bodyKörper to find these fragmentsFragmente,
241
567000
2000
Wenn Sie sich durch den Körper wühlen müssten, um diese Fragmente zu finden,
09:44
that's actuallytatsächlich quiteganz hardhart to do.
242
569000
2000
Das ist schon ziemlich schwierig.
09:48
One of the things that I'm really, really happyglücklich
243
573000
2000
Eines der Dinge, die ich Ihnen hier und heute
09:50
to be ablefähig to showShow you here todayheute
244
575000
3000
wirklich gerne zeige,
09:53
is our virtualvirtuell autopsyAutopsie tableTabelle.
245
578000
2000
ist unser virtueller Autopsietisch.
09:55
It's a touchberühren deviceGerät that we have developedentwickelt
246
580000
2000
Es ist ein Touch-Device, das wir
09:57
basedbasierend on these algorithmsAlgorithmen, usingmit standardStandard graphicsGrafik GPUsGPUs.
247
582000
3000
mit Standard-Grafikkarten basierend auf diesen Algorithmen entwickelt haben.
10:00
It actuallytatsächlich lookssieht aus like this,
248
585000
2000
Es sieht so aus:
10:02
just to give you a feelingGefühl for what it lookssieht aus like.
249
587000
3000
nur um Ihnen ein Gefühl zu geben dafür, wie es aussieht.
10:05
It really just worksWerke like a hugeenorm iPhoneiPhone.
250
590000
3000
Es funktioniert eigentlich so wie ein großes iPhone.
10:08
So we'vewir haben implementedimplementiert
251
593000
2000
Wir haben also
10:10
all the gesturesGesten you can do on the tableTabelle,
252
595000
3000
alle diese Gesten, die man direkt auf dem Tisch machen kann,
10:13
and you can think of it as an enormousenorm touchberühren interfaceSchnittstelle.
253
598000
4000
und Sie können es als ein riesiges Touch-Screen-Interface betrachten.
10:17
So if you were thinkingDenken of buyingKauf an iPadiPad,
254
602000
2000
Falls Sie also ein iPad kaufen wollen,
10:19
forgetvergessen about it. This is what you want insteadstattdessen.
255
604000
3000
vergessen Sie es; das hier ist, was Sie wirklich wollen.
10:22
SteveSteve, I hopeHoffnung you're listeningHören to this, all right.
256
607000
3000
Steve, ich hoffe, dass du dir das hier anhörst, okay?
10:26
So it's a very nicenett little deviceGerät.
257
611000
2000
Es ist also ein sehr nettes, kleines Gerät.
10:28
So if you have the opportunityGelegenheit, please try it out.
258
613000
2000
Falls Sie jemals die Gelegenheit haben, dann probieren Sie es bitte aus.
10:30
It's really a hands-onHands-on experienceErfahrung.
259
615000
3000
Es ist wirklich eine praktische Erfahrung.
10:33
So it gainedgewonnen some tractionTraktion, and we're tryingversuchen to rollrollen this out
260
618000
3000
Es gibt schon einiges Interesse daran und wir wollen es auf den Markt zu bringen
10:36
and tryingversuchen to use it for educationalBildungs purposesZwecke,
261
621000
2000
und für Lehrzwecke einsetzen.
10:38
but alsoebenfalls, perhapsvielleicht in the futureZukunft,
262
623000
2000
Vielleicht können wir es auch auch demnächst
10:40
in a more clinicalklinisch situationLage.
263
625000
3000
in einer eher klinischen Situation anwenden.
10:43
There's a YouTubeYouTube videoVideo that you can downloadherunterladen and look at this,
264
628000
2000
Es gibt ein YouTube-Video, das Sie herunterladen und angucken können,
10:45
if you want to conveyvermitteln the informationInformation to other people
265
630000
2000
falls Sie Informationen über virtuelle Autopsien
10:47
about virtualvirtuell autopsiesAutopsien.
266
632000
3000
an andere Menschen weitergeben wollen.
10:50
Okay, now that we're talkingim Gespräch about touchberühren,
267
635000
2000
Okay, jetzt da wir über »Berühren« reden,
10:52
let me moveBewegung on to really "touchingBerühren" dataDaten.
268
637000
2000
lassen Sie mich über die wirklich anrührende Daten reden.
10:54
And this is a bitBit of scienceWissenschaft fictionFiktion now,
269
639000
2000
Das ist jetzt ein bisschen Science Fiction.
10:56
so we're movingbewegend into really the futureZukunft.
270
641000
3000
Wir bewegen uns also wirklich in die Zukunft.
10:59
This is not really what the medicalmedizinisch doctorsÄrzte are usingmit right now,
271
644000
3000
Dies ist nicht wirklich das, was die Ärzte momentan benutzen,
11:02
but I hopeHoffnung they will in the futureZukunft.
272
647000
2000
aber ich hoffe, dass sie es in Zukunft tun.
11:04
So what you're seeingSehen on the left is a touchberühren deviceGerät.
273
649000
3000
Was Sie da auf der linken Seite sehen, ist ein Touch Device.
11:07
It's a little mechanicalmechanisch penStift
274
652000
2000
Es ist ein kleiner, mechanischer Stift,
11:09
that has very, very fastschnell stepSchritt motorsMotoren insideinnen of the penStift.
275
654000
3000
der in seinem Inneren sehr, sehr schnelle Schrittmotoren eingebaut hat.
11:12
And so I can generategenerieren a forceKraft feedbackFeedback.
276
657000
2000
Ich kann also eine Kraftrückmeldung erzeugen.
11:14
So when I virtuallyvirtuell touchberühren dataDaten,
277
659000
2000
Wenn ich also Daten virtuell berühre,
11:16
it will generategenerieren forcesKräfte in the penStift, so I get a feedbackFeedback.
278
661000
3000
kann das Kräfte in dem Stift erzeugen, so dass ich eine Rückmeldung erhalte.
11:19
So in this particularinsbesondere situationLage,
279
664000
2000
Also in dieser besonderen Situation
11:21
it's a scanScan of a livingLeben personPerson.
280
666000
2000
ist das ein Scan von einer lebenden Person.
11:23
I have this penStift, and I look at the dataDaten,
281
668000
3000
Ich habe diesen Stift und ich sehe mir die Daten an,
11:26
and I moveBewegung the penStift towardsin Richtung the headKopf,
282
671000
2000
bewege den Stift in Richtung seines Kopfes
11:28
and all of a suddenplötzlich I feel resistanceWiderstand.
283
673000
2000
und plötzlich fühle ich eine Widerstand.
11:30
So I can feel the skinHaut.
284
675000
2000
Ich kann Haut fühlen.
11:32
If I pushdrücken a little bitBit harderSchwerer, I'll go throughdurch the skinHaut,
285
677000
2000
Wenn ich ein bisschen fester drücke, gehe ich durch die Haut
11:34
and I can feel the boneKnochen structureStruktur insideinnen.
286
679000
3000
und kann die Knochenstruktur im Inneren fühlen.
11:37
If I pushdrücken even harderSchwerer, I'll go throughdurch the boneKnochen structureStruktur,
287
682000
2000
Wenn ich noch fester drücke, werde ich durch die Knochenstruktur gehen,
11:39
especiallyinsbesondere closeschließen to the earOhr where the boneKnochen is very softweich.
288
684000
3000
besonders am Ohr, wo die Knochen sehr weich sind.
11:42
And then I can feel the brainGehirn insideinnen, and this will be the slushymatschigen like this.
289
687000
3000
Und dann kann ich das Gehirn im Inneren fühlen, und es wird schwammig sein, so wie hier.
11:45
So this is really nicenett.
290
690000
2000
Dies ist also wirklich klasse.
11:47
And to take that even furtherdes Weiteren, this is a heartHerz.
291
692000
3000
Und um einen Schritt weiter zu gehen, haben wir hier ein Herz.
11:50
And this is alsoebenfalls duefällig to these fantasticfantastisch newneu scannersScanner,
292
695000
3000
Und auch dies verdanken wir diesen fantastischen neuen Scannern,
11:53
that just in 0.3 secondsSekunden,
293
698000
2000
dass wir in nur 0,3 Sekunden
11:55
I can scanScan the wholeganze heartHerz,
294
700000
2000
das ganze Herz scannen können.
11:57
and I can do that with time resolutionAuflösung.
295
702000
2000
Ich kann das mit einer zeitlichen Auflösung machen.
11:59
So just looking at this heartHerz,
296
704000
2000
Ich schaue nur auf das Herz
12:01
I can playspielen back a videoVideo here.
297
706000
2000
und kann ein ein Video abspielen.
12:03
And this is KarljohanKarljohan, one of my graduateAbsolvent studentsStudenten
298
708000
2000
Und dies ist Karl Johan, einer meiner Magisterstudenten,
12:05
who'swer ist been workingArbeiten on this projectProjekt.
299
710000
2000
der an diesem Projekt arbeitet.
12:07
And he's sittingSitzung there in frontVorderseite of the HapticHaptische deviceGerät, the forceKraft feedbackFeedback systemSystem,
300
712000
3000
Und er sitzt da vor dem haptischen Apparat, dem Kraft-Rückmelde-System
12:10
and he's movingbewegend his penStift towardsin Richtung the heartHerz,
301
715000
3000
und er bewegt seinen Stift in Richtung Herz,
12:13
and the heartHerz is now beatingPrügel in frontVorderseite of him,
302
718000
2000
und das Herz schlägt direkt vor ihm.
12:15
so he can see how the heartHerz is beatingPrügel.
303
720000
2000
so dass er sehen kann, wie das Herz schlägt.
12:17
He's takengenommen the penStift, and he's movingbewegend it towardsin Richtung the heartHerz,
304
722000
2000
Er hat den Stift genommen und er bewegt ihn in Richtung Herz
12:19
and he's puttingPutten it on the heartHerz,
305
724000
2000
und er platziert ihn auf dem Herzen
12:21
and then he feelsfühlt sich the heartbeatsTakte from the realecht livingLeben patientgeduldig.
306
726000
3000
und er kann den Herzschlag des lebenden Patienten fühlen.
12:24
Then he can examineprüfen how the heartHerz is movingbewegend.
307
729000
2000
Dann kann er untersuchen, wie das Herz sich bewegt.
12:26
He can go insideinnen, pushdrücken insideinnen of the heartHerz,
308
731000
2000
Er kann reingehen und das Innere des Herzen drücken,
12:28
and really feel how the valvesVentile are movingbewegend.
309
733000
3000
und er kann fühlen, wie die Herzklappen sich bewegen.
12:31
And this, I think, is really the futureZukunft for heartHerz surgeonsChirurgen.
310
736000
3000
Dies, so glaube ich, ist die Zukunft für Herzchirurgen.
12:34
I mean it's probablywahrscheinlich the wetnass dreamTraum for a heartHerz surgeonChirurg
311
739000
3000
Ich glaube, das ist der feuchteTraum eines Herzchirurgen, dass er
12:37
to be ablefähig to go insideinnen of the patient'sPatient heartHerz
312
742000
3000
ins Innere eines Herzens gelangt,
12:40
before you actuallytatsächlich do surgeryChirurgie,
313
745000
2000
noch bevor es zur eigentlichen Operation kommt,
12:42
and do that with high-qualityqualitativ hochwertige resolutionAuflösung dataDaten.
314
747000
2000
und das alles mit Daten höchster Auflösung.
12:44
So this is really neatordentlich.
315
749000
2000
Dass ist wirklich Klasse.
12:47
Now we're going even furtherdes Weiteren into scienceWissenschaft fictionFiktion.
316
752000
3000
Jetzt gehen wir weiter in den Science-Fiction-Bereich.
12:50
And we heardgehört a little bitBit about functionalfunktionell MRIMRI.
317
755000
3000
Wir wissen also ein klein wenig über funktionierende Magnetresonanztomografie.
12:53
Now this is really an interestinginteressant projectProjekt.
318
758000
3000
Das ist jetzt ein wirklich interessantes Projekt.
12:56
MRIMRI is usingmit magneticmagnetisch fieldsFelder
319
761000
2000
Magnetresonanztomografie benutzt Magnetfelder
12:58
and radioRadio frequenciesFrequenzen
320
763000
2000
und Radiowellen,
13:00
to scanScan the brainGehirn, or any partTeil of the bodyKörper.
321
765000
3000
um das Gehirn oder irgendeinen Teil des Körper zu scannen.
13:03
So what we're really gettingbekommen out of this
322
768000
2000
Was wir wirklich dabei herausbekommen,
13:05
is informationInformation of the structureStruktur of the brainGehirn,
323
770000
2000
sind Informationen über den Aufbau des Gehirns,
13:07
but we can alsoebenfalls measuremessen the differenceUnterschied
324
772000
2000
aber wir können auch den Unterschied messen
13:09
in magneticmagnetisch propertiesEigenschaften of bloodBlut that's oxygenatedSauerstoff
325
774000
3000
von Blut, das sauerstoffangereichert ist,
13:12
and bloodBlut that's depletederschöpft of oxygenSauerstoff.
326
777000
3000
und Blut, das nicht sauerstoffangereichert ist.
13:15
That meansmeint that it's possiblemöglich
327
780000
2000
Das bedeutet, dass es möglich ist,
13:17
to mapKarte out the activityAktivität of the brainGehirn.
328
782000
2000
eine Landkarte der Gehirnaktivitäten zu entwerfen.
13:19
So this is something that we'vewir haben been workingArbeiten on.
329
784000
2000
Das ist also etwas, woran wir an gearbeitet haben.
13:21
And you just saw MottsMotts the researchForschung engineerIngenieur, there,
330
786000
3000
Und Sie haben gerade gesehen, wie Motts, der Forschungsingenieur,
13:24
going into the MRIMRI systemSystem,
331
789000
2000
in den MRT gegangen ist und dabei
13:26
and he was wearingtragen gogglesSchutzbrille.
332
791000
2000
eine Brille trug.
13:28
So he could actuallytatsächlich see things in the gogglesSchutzbrille.
333
793000
2000
Also er kann mit dieser Brille richtig sehen.
13:30
So I could presentGeschenk things to him while he's in the scannerScanner.
334
795000
3000
Ich kann ihm Sachen zeigen, während er im Scanner ist.
13:33
And this is a little bitBit freakyausgeflippt,
335
798000
2000
Und das ist ein bisschen abgefahren,
13:35
because what MottsMotts is seeingSehen is actuallytatsächlich this.
336
800000
2000
weil das, was Motts sieht, das hier ist:
13:37
He's seeingSehen his ownbesitzen brainGehirn.
337
802000
3000
Er sieht sein eigenes Gehirn.
13:40
So MottsMotts is doing something here,
338
805000
2000
Motts macht da also etwas im MRT.
13:42
and probablywahrscheinlich he is going like this with his right handHand,
339
807000
2000
Wahrscheinlich macht er so mit seiner rechten Hand,
13:44
because the left sideSeite is activatedaktiviert
340
809000
2000
weil die linke Hälfte des
13:46
on the motorMotor- cortexKortex.
341
811000
2000
motorischen Kortex aktiv ist.
13:48
And then he can see that at the samegleich time.
342
813000
2000
Und er kann das gleichzeitig sehen.
13:50
These visualizationsVisualisierungen are brandMarke newneu.
343
815000
2000
Diese Veranschaulichungen sind brandneu.
13:52
And this is something that we'vewir haben been researchingforschen for a little while.
344
817000
3000
Und das ist etwas, woran wir schon seit einer Weile forschen.
13:55
This is anotherein anderer sequenceSequenz of Motts'Motts brainGehirn.
345
820000
3000
Dies ist noch eine Sequenz von Motts Gehirn.
13:58
And here we askedaufgefordert MottsMotts to calculateberechnen backwardsrückwärts from 100.
346
823000
3000
Hier baten wir ihn, von 100 rückwärts zu zählen.
14:01
So he's going "100, 97, 94."
347
826000
2000
Also zählt er: 100, 97, 94.
14:03
And then he's going backwardsrückwärts.
348
828000
2000
Er zählt rückwärts.
14:05
And you can see how the little mathMathe processorProzessor is workingArbeiten up here in his brainGehirn
349
830000
3000
Und Sie können sehen, wie der kleine Mathematikprozessor hier in seinem Gehirn arbeitet
14:08
and is lightingBeleuchtung up the wholeganze brainGehirn.
350
833000
2000
und das ganze Gehirn erhellt.
14:10
Well this is fantasticfantastisch. We can do this in realecht time.
351
835000
2000
Das ist fantastisch. Wir können das in Echtzeit machen.
14:12
We can investigateuntersuchen things. We can tell him to do things.
352
837000
2000
Wir können Sachen untersuchen. Wir können ihm befehlen, Dinge zu tun.
14:14
You can alsoebenfalls see that his visualvisuell cortexKortex
353
839000
2000
Wir können auch sehen, dass sein visueller Kortex
14:16
is activatedaktiviert in the back of the headKopf,
354
841000
2000
am Hinterkopf aktiv ist,
14:18
because that's where he's seeingSehen, he's seeingSehen his ownbesitzen brainGehirn.
355
843000
2000
denn dort sieht er, er sieht sein eigenes Gehirn.
14:20
And he's alsoebenfalls hearingHören our instructionsAnleitung
356
845000
2000
Er hört unsere Befehle auch,
14:22
when we tell him to do things.
357
847000
2000
wenn wir ihm etwas befehlen.
14:24
The signalSignal is really deeptief insideinnen of the brainGehirn as well,
358
849000
2000
Das Signal sitzt sehr tief im Inneren des Gehirns,
14:26
and it's shiningleuchtenden throughdurch,
359
851000
2000
aber es leuchtet bis an die Oberfläche,
14:28
because all of the dataDaten is insideinnen this volumeVolumen.
360
853000
2000
weil alle Informationen sich im Innern dieses Bereichs befinden.
14:30
And in just a secondzweite here you will see --
361
855000
2000
Und in nur einer Sekunde hier können Sie sehen –
14:32
okay, here. MottsMotts, now moveBewegung your left footFuß.
362
857000
2000
Okay, hier. Motts, bewege deinen linken Fuß.
14:34
So he's going like this.
363
859000
2000
Also tut er es.
14:36
For 20 secondsSekunden he's going like that,
364
861000
2000
20 Sekunden lang macht er so.
14:38
and all of a suddenplötzlich it lightsBeleuchtung up up here.
365
863000
2000
Dann plötzlich leuchtet es hier.
14:40
So we'vewir haben got motorMotor- cortexKortex activationAktivierung up there.
366
865000
2000
Wir haben hier also eine Aktivierung des motorischen Kortex.
14:42
So this is really, really nicenett,
367
867000
2000
Das ist also wirklich, wirklich nett.
14:44
and I think this is a great toolWerkzeug.
368
869000
2000
Und ich glaube, dass dies ein fantastisches Werkzeug ist.
14:46
And connectingVerbindung alsoebenfalls with the previousbisherige talk here,
369
871000
2000
Um hier an den vorhergehenden Vortrag anzuknüpfen,
14:48
this is something that we could use as a toolWerkzeug
370
873000
2000
dies ist etwas, das uns helfen kann,
14:50
to really understandverstehen
371
875000
2000
wirklich zu verstehen,
14:52
how the neuronsNeuronen are workingArbeiten, how the brainGehirn is workingArbeiten,
372
877000
2000
wie Neuronen funktionieren, wie das Gehirn funktioniert.
14:54
and we can do this with very, very highhoch visualvisuell qualityQualität
373
879000
3000
Wir können das mit sehr, sehr hoher visueller Qualität
14:57
and very fastschnell resolutionAuflösung.
374
882000
3000
und sehr hoher Auflösung erreichen.
15:00
Now we're alsoebenfalls havingmit a bitBit of funSpaß at the centerCenter.
375
885000
2000
Wir haben aber auch ein bisschen Spaß am Institut.
15:02
So this is a CATKATZE scanScan -- ComputerComputer AidedUnterstützt TomographyTomographie.
376
887000
3000
Dies ist also ein CAT-Scan – »Computertomografie«.
15:06
So this is a lionLöwe from the locallokal zooZoo
377
891000
2000
Dies ist eine Löwin aus dem Zoo hier
15:08
outsidedraußen of NorrkopingNorrköping in KolmardenKolmarden, ElsaElsa.
378
893000
3000
außerhalb von Norrköping in Kolmarden, Elsa.
15:11
So she camekam to the centerCenter,
379
896000
2000
Sie kam also zu uns ans Institut
15:13
and they sedatedsediert her
380
898000
2000
und wurde betäubt und
15:15
and then put her straightGerade into the scannerScanner.
381
900000
2000
dann kam sie sofort in den Scanner.
15:17
And then, of courseKurs, I get the wholeganze dataDaten setSet from the lionLöwe.
382
902000
3000
Und dann, natürlich, bekomme ich den gesamten Datensatz der Löwin.
15:20
And I can do very nicenett imagesBilder like this.
383
905000
2000
Und ich kann sehr schöne Aufnahmen wie diese hier machen.
15:22
I can peelschälen off the layerSchicht of the lionLöwe.
384
907000
2000
Ich kann die Haut der Löwin ablösen.
15:24
I can look insideinnen of it.
385
909000
2000
Ich kann in ihr Innerstes sehen.
15:26
And we'vewir haben been experimentingexperimentieren with this.
386
911000
2000
Und damit experimentieren wir seit einiger Zeit.
15:28
And I think this is a great applicationAnwendung
387
913000
2000
Und ich glaube, dies eine der ganz großen zukünftigen Anwendungen
15:30
for the futureZukunft of this technologyTechnologie,
388
915000
2000
dieser Technologie.
15:32
because there's very little knownbekannt about the animalTier anatomyAnatomie.
389
917000
3000
Wir wissen noch sehr wenig über die Anatomie von Tieren ...
15:35
What's knownbekannt out there for veterinariansTierärzte is kindArt of basicBasic informationInformation.
390
920000
3000
Tierärzten steht eine Art Basisinformationen zur Verfügung.
15:38
We can scanScan all sortssortiert of things,
391
923000
2000
Wir können alles Mögliche scannen,
15:40
all sortssortiert of animalsTiere.
392
925000
2000
alle Arten von Tieren.
15:42
The only problemProblem is to fitpassen it into the machineMaschine.
393
927000
3000
Das einzige Problem ist, wie wir sie in die Maschine bekommen.
15:45
So here'shier ist a bearBär.
394
930000
2000
Hier ist also ein Bär.
15:47
It was kindArt of hardhart to get it in.
395
932000
2000
Es war schwer, ihn hinein zu bekommen.
15:49
And the bearBär is a cuddlykuschelige, friendlyfreundlich animalTier.
396
934000
3000
Und ein Bär ist ein kuscheliges, freundliches Tier.
15:52
And here it is. Here is the noseNase of the bearBär.
397
937000
3000
Und hier ist sie. Hier ist die Nase des Bären.
15:55
And you mightMacht want to cuddlekuscheln this one,
398
940000
3000
Und Sie wollen ihn vielleicht streicheln,
15:58
untilbis you changeVeränderung the functionsFunktionen and look at this.
399
943000
3000
bis Sie die Einstellungen ändern und das hier sehen.
16:01
So be awarebewusst of the bearBär.
400
946000
2000
Also: Achtung vor dem Bären.
16:03
So with that,
401
948000
2000
Hiermit
16:05
I'd like to thank all the people
402
950000
2000
möchte ich gerne allen Menschen danken,
16:07
who have helpedhalf me to generategenerieren these imagesBilder.
403
952000
2000
die mir geholfen haben, diese Aufnahmen zu machen.
16:09
It's a hugeenorm effortAnstrengung that goesgeht into doing this,
404
954000
2000
Es hat eines ungeheuren Aufwands bedurft,
16:11
gatheringVersammlung the dataDaten and developingEntwicklung the algorithmsAlgorithmen,
405
956000
3000
alle Daten zusammeln und die Algorithmen zu entwickeln,
16:14
writingSchreiben all the softwareSoftware.
406
959000
2000
die Software zu schreiben.
16:16
So, some very talentedtalentiert people.
407
961000
3000
Also, sehr begabte Menschen.
16:19
My mottoMotto is always, I only hiremieten people that are smarterintelligenter than I am
408
964000
3000
Mein Motto ist: Ich stelle nur Leute ein, die klüger sind als ich.
16:22
and mostdie meisten of these are smarterintelligenter than I am.
409
967000
2000
Und die meisten von ihnen sind klüger als ich.
16:24
So thank you very much.
410
969000
2000
Also, vielen Dank.
16:26
(ApplauseApplaus)
411
971000
4000
(Applaus)
Translated by Anke Tröder
Reviewed by Lex Asobo

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Anders Ynnerman | Speaker | TED.com