아래 영문자막을 더블클릭하시면 영상이 재생됩니다.
번역: Ji-Hyuk Park
검토: JI HUN HAN
00:15
I will start by posing a little bit of a challenge:
0
15260
4000
저는 데이터를 다루는데 있어서
00:19
the challenge of dealing with data,
1
19260
3000
도전에 대한 이야기로 시작할까합니다.
00:22
data that we have to deal with
2
22260
2000
의료적 상황에 관련된
00:24
in medical situations.
3
24260
2000
데이터 말이죠.
00:26
It's really a huge challenge for us.
4
26260
2000
우리에게 큰 도전입니다.
00:28
And this is our beast of burden --
5
28260
2000
또한 무거운 짐이기도 합니다.
00:30
this is a Computer Tomography machine,
6
30260
2000
이건 컴퓨터 단층 촬영기 입니다.
00:32
a CT machine.
7
32260
2000
씨티 장비예요.
00:34
It's a fantastic device.
8
34260
2000
아주 좋은 도구예요.
00:36
It uses X-rays, X-ray beams,
9
36260
2000
엑스레이를 이용하는데
00:38
that are rotating very fast around the human body.
10
38260
3000
사람 몸 주변을 매우 빨리 돌면서 빔을 쏘죠.
00:41
It takes about 30 seconds to go through the whole machine
11
41260
2000
모든 촬영을 마치는데 30초 밖에 걸리지 않아요.
00:43
and is generating enormous amounts of information
12
43260
2000
그리고 엄청난 양의 정보를 쏟아냅니다.
00:45
that comes out of the machine.
13
45260
2000
그 장비에서 말이죠.
00:47
So this is a fantastic machine
14
47260
2000
대단한 장비입니다.
00:49
that we can use
15
49260
2000
이것을 이용해서
00:51
for improving health care,
16
51260
2000
보건을 향상 시킵니다.
00:53
but as I said, it's also a challenge for us.
17
53260
2000
하지만 이것 또한 하나의 도전입니다.
00:55
And the challenge is really found in this picture here.
18
55260
3000
이 영상에서 그 도전을 찾을 수 있습니다.
00:58
It's the medical data explosion
19
58260
2000
의료 데이터는 쏟아져 나옵니다.
01:00
that we're having right now.
20
60260
2000
현제 우리가 가지고 있는것들 말이예요.
01:02
We're facing this problem.
21
62260
2000
우리가 직면한 문제입니다.
01:04
And let me step back in time.
22
64260
2000
과거로로 돌아가 보죠.
01:06
Let's go back a few years in time and see what happened back then.
23
66260
3000
몇년 전으로 돌아가서 어떤일이 있어는지 봅시다.
01:09
These machines that came out --
24
69260
2000
이런 장비들은 1970년대에
01:11
they started coming in the 1970s --
25
71260
2000
나오기 시작했습니다.
01:13
they would scan human bodies,
26
73260
2000
사람 몸을 촬영하면
01:15
and they would generate about 100 images
27
75260
2000
한사람에게서 약 100개의 영상을
01:17
of the human body.
28
77260
2000
추출해줍니다.
01:19
And I've taken the liberty, just for clarity,
29
79260
2000
저는 정확성을 보장하기 위해
01:21
to translate that to data slices.
30
81260
3000
그것을 데이터 조각으로 바꿉니다.
01:24
That would correspond to about 50 megabytes of data,
31
84260
2000
아마도 약 50메가 정도 됩니다.
01:26
which is small
32
86260
2000
작은 크기죠
01:28
when you think about the data we can handle today
33
88260
3000
요즘 휴대기기에서 사용하는 데이터를 생각해보시면,
01:31
just on normal mobile devices.
34
91260
2000
작은 데이터 입니다.
01:33
If you translate that to phone books,
35
93260
2000
전화번호부로 생각한다면,
01:35
it's about one meter of phone books in the pile.
36
95260
3000
전화번호부 책이 1미터 정도 쌓여있는 양이죠.
01:38
Looking at what we're doing today
37
98260
2000
오늘날 우리는
01:40
with these machines that we have,
38
100260
2000
이러한 기계들로
01:42
we can, just in a few seconds,
39
102260
2000
단몇초만에
01:44
get 24,000 images out of a body,
40
104260
2000
24,000개의 신체 영상을 얻죠.
01:46
and that would correspond to about 20 gigabytes of data,
41
106260
3000
데이터의 크기가 약 20기가바이트 정도죠.
01:49
or 800 phone books,
42
109260
2000
800여권의 전화번호부와 같은 양이죠.
01:51
and the pile would then be 200 meters of phone books.
43
111260
2000
전화번호부를 200미터 쌓아놓은 양이구요.
01:53
What's about to happen --
44
113260
2000
어떤일이 일어날까요?
01:55
and we're seeing this; it's beginning --
45
115260
2000
우리가 보고 있는 이것은
01:57
a technology trend that's happening right now
46
117260
2000
지금 시작되고 있는 기술의 경향입니다.
01:59
is that we're starting to look at time-resolved situations as well.
47
119260
3000
또한 그 결과에 대한 상황을 보게 될 것입니다.
02:02
So we're getting the dynamics out of the body as well.
48
122260
3000
그리고 신체로 부터 역동성을 보게 될 것입니다.
02:05
And just assume
49
125260
2000
추축하건데,
02:07
that we will be collecting data during five seconds,
50
127260
3000
우리는 5초 동안
02:10
and that would correspond to one terabyte of data --
51
130260
2000
테라바이트의 데이터를 수집 할 수 있을 것입니다.
02:12
that's 800,000 books
52
132260
2000
800,000권의 전화번호부 양이며,
02:14
and 16 kilometers of phone books.
53
134260
2000
전화번호부가 16km쌓인 것입니다.
02:16
That's one patient, one data set.
54
136260
2000
이것은 한명의 환자에게서나온 데이터 입니다.
02:18
And this is what we have to deal with.
55
138260
2000
이것이 우리가 다뤄야할 데이터입니다.
02:20
So this is really the enormous challenge that we have.
56
140260
3000
이것은 우리가 가지고 있는 큰 도전입니다.
02:23
And already today -- this is 25,000 images.
57
143260
3000
이미 오늘날, 25,000개의 영상을 다루죠.
02:26
Imagine the days
58
146260
2000
생각해보십시오
02:28
when we had radiologists doing this.
59
148260
2000
방사선사가 촬영한 날을 말이죠.
02:30
They would put up 25,000 images,
60
150260
2000
25000개의 이미지를 걸어두고,
02:32
they would go like this, "25,0000, okay, okay.
61
152260
3000
이렇게 하겠죠, 25,000 괜찮고 괜찮고
02:35
There is the problem."
62
155260
2000
여기 문제가 있군
02:37
They can't do that anymore. That's impossible.
63
157260
2000
이제 더이상 이런식은 불가능 합니다.
02:39
So we have to do something that's a little bit more intelligent than doing this.
64
159260
3000
그래서 우리는 이런것들을 좀 더 현명하게 해야합니다.
02:43
So what we do is that we put all these slices together.
65
163260
2000
그래서 우리는 이 영상들을 모두 합칩니다.
02:45
Imagine that you slice your body in all these directions,
66
165260
3000
당신의 몸을 모든 방향에서 촬영했다고 생각해보세요.
02:48
and then you try to put the slices back together again
67
168260
3000
그리고 그 영상들을 다시 합치는 거죠.
02:51
into a pile of data, into a block of data.
68
171260
2000
하나의 데이터로 혹은 데이터 뭉치로요.
02:53
So this is really what we're doing.
69
173260
2000
이것이 우리가 하려고 하는 것이죠.
02:55
So this gigabyte or terabyte of data, we're putting it into this block.
70
175260
3000
이 기가바이트나 테라바이트 데이터를 이 블럭에 집어넣습니다.
02:58
But of course, the block of data
71
178260
2000
하지만, 물론 그 블럭데이터는
03:00
just contains the amount of X-ray
72
180260
2000
엑스레이를 담고 있는데요.
03:02
that's been absorbed in each point in the human body.
73
182260
2000
몸 각부위에서 흡수된 엑스레이를 말하죠.
03:04
So what we need to do is to figure out a way
74
184260
2000
그런 다음 우리가 해야할 것은
03:06
of looking at the things we do want to look at
75
186260
3000
우리가 원하는 부위를 어떻게 봐야할 것인가 입니다.
03:09
and make things transparent that we don't want to look at.
76
189260
3000
필요없는 부위를 투명하게 하는 것이죠.
03:12
So transforming the data set
77
192260
2000
그래서 데이터들을
03:14
into something that looks like this.
78
194260
2000
이와 같이 변형시켜야 합니다.
03:16
And this is a challenge.
79
196260
2000
이것이 하나의 도전이죠.
03:18
This is a huge challenge for us to do that.
80
198260
3000
우리에게 커다란 도전이죠.
03:21
Using computers, even though they're getting faster and better all the time,
81
201260
3000
컴퓨터를 이용하더라도 아무리 빠르고 좋은 컴퓨터라 할지라도,
03:24
it's a challenge to deal with gigabytes of data,
82
204260
2000
기가바이트나 테라바이트의 데이터에서
03:26
terabytes of data
83
206260
2000
관련된 정보를
03:28
and extracting the relevant information.
84
208260
2000
찾아내는건 도전입니다.
03:30
I want to look at the heart.
85
210260
2000
심장을 살펴보고 싶고,
03:32
I want to look at the blood vessels. I want to look at the liver.
86
212260
2000
혈관들을 보고싶죠, 간도 보고싶죠.
03:34
Maybe even find a tumor,
87
214260
2000
암도 여러 사례들에서
03:36
in some cases.
88
216260
2000
발견하고 싶죠.
03:39
So this is where this little dear comes into play.
89
219260
2000
작은 사슴이 놀고 있네요.
03:41
This is my daughter.
90
221260
2000
제 딸입니다.
03:43
This is as of 9 a.m. this morning.
91
223260
2000
아침 9시죠.
03:45
She's playing a computer game.
92
225260
2000
딸애는 컴퓨터 게임을 하고 있습니다.
03:47
She's only two years old,
93
227260
2000
이제 2살이죠.
03:49
and she's having a blast.
94
229260
2000
아주 즐거워 하고 있죠.
03:51
So she's really the driving force
95
231260
3000
그녀는 그래픽 기술 발전에 있어
03:54
behind the development of graphics-processing units.
96
234260
3000
추진력이라고 할 수 있습니다.
03:58
As long as kids are playing computer games,
97
238260
2000
아이들이 컴퓨터 게임을 하는 한
04:00
graphics is getting better and better and better.
98
240260
2000
그래픽 기술을 계속 발전하죠.
04:02
So please go back home, tell your kids to play more games,
99
242260
2000
집에 가시면 제발 아이들에게 게임을 더 하라고 하세요.
04:04
because that's what I need.
100
244260
2000
왜냐면 게임이 필요하거든요.
04:06
So what's inside of this machine
101
246260
2000
그 기계 안에 있는 것이
04:08
is what enables me to do the things that I'm doing
102
248260
2000
의료적 데이터를 가지고 무언가를 할 수 있게
04:10
with the medical data.
103
250260
2000
합니다.
04:12
So really what I'm doing is using these fantastic little devices.
104
252260
3000
그래서 저는 이 작고 멋진 기계를 사용하려고 합니다.
04:15
And you know, going back
105
255260
2000
여러분도 아다시피
04:17
maybe 10 years in time
106
257260
2000
10년전쯤에
04:19
when I got the funding
107
259260
2000
제가 처음 연구비를 받아
04:21
to buy my first graphics computer --
108
261260
2000
저의 첫 그래픽 컴퓨터를 샀죠.
04:23
it was a huge machine.
109
263260
2000
덩치가 엄청나게 컸었죠.
04:25
It was cabinets of processors and storage and everything.
110
265260
3000
캐비넷안에 처리장치,저장장치 모든것이 있었죠.
04:28
I paid about one million dollars for that machine.
111
268260
3000
가격은 백만불이었습니다.
04:32
That machine is, today, about as fast as my iPhone.
112
272260
3000
그 기계는 오늘날의 아이폰과 같은 속도였습니다.
04:37
So every month there are new graphics cards coming out,
113
277260
2000
매달 새로운 그래픽 카드가 출시됩니다.
04:39
and here is a few of the latest ones from the vendors --
114
279260
3000
이것들은 가장 최신의 제품들입니다.
04:42
NVIDIA, ATI, Intel is out there as well.
115
282260
3000
NVIDIA, ATI, Intel도 제품을 내놓습니다.
04:45
And you know, for a few hundred bucks
116
285260
2000
아시다시피 몇 백불이면
04:47
you can get these things and put them into your computer,
117
287260
2000
이 그래픽카들을 여러분의 컴퓨터에 달 수 있습니다.
04:49
and you can do fantastic things with these graphics cards.
118
289260
3000
그리고 멋진일들을 그래픽카드로 할 수 있죠.
04:52
So this is really what's enabling us
119
292260
2000
이런 그래픽카드들이
04:54
to deal with the explosion of data in medicine,
120
294260
3000
거대한 데이터를 처리할 수 있게하고,
04:57
together with some really nifty work
121
297260
2000
멋진 작업들을 해낼 수 있죠.
04:59
in terms of algorithms --
122
299260
2000
알고리즘에서 처럼
05:01
compressing data,
123
301260
2000
데이터를 압축하고,
05:03
extracting the relevant information that people are doing research on.
124
303260
3000
사람들이 연구하는 것과 관련정보들을 추출하죠.
05:06
So I'm going to show you a few examples of what we can do.
125
306260
3000
자 이제 여러분에게 우리가 할 수 있는 몇가지 예를 보여드리죠.
05:09
This is a data set that was captured using a CT scanner.
126
309260
3000
이것을 CT 스캐너로 촬영한 데이터입니다.
05:12
You can see that this is a full data [set].
127
312260
3000
전체 데이터를 보고 있습니다.
05:15
It's a woman. You can see the hair.
128
315260
3000
여자고 머리카락도 보입니다.
05:18
You can see the individual structures of the woman.
129
318260
3000
이 여성의 각각의 조직들이 보이죠.
05:21
You can see that there is [a] scattering of X-rays
130
321260
3000
엑스레이의 잔상이 보이는데,
05:24
on the teeth, the metal in the teeth.
131
324260
2000
이빨에 금속성분에 잔상이 나타났죠.
05:26
That's where those artifacts are coming from.
132
326260
3000
엑스레인 잔상이 보인 부분이죠.
05:29
But fully interactively
133
329260
2000
하지만, 완전히 상호적이죠
05:31
on standard graphics cards on a normal computer,
134
331260
3000
보통 컴퓨터에 평범한 그래픽 카드에서 말이예요.
05:34
I can just put in a clip plane.
135
334260
2000
횡단면을 볼 수가 있습니다.
05:36
And of course all the data is inside,
136
336260
2000
물론 모든 데이터는 안에 있죠.
05:38
so I can start rotating, I can look at it from different angles,
137
338260
3000
회전시켜 볼수도 있고 다른 각도로 볼수도 있죠.
05:41
and I can see that this woman had a problem.
138
341260
3000
이 여성에게 어떤 문제가 있는지 알 수있죠.
05:44
She had a bleeding up in the brain,
139
344260
2000
뇌에 출혈이 보이네요.
05:46
and that's been fixed with a little stent,
140
346260
2000
기구로 출혈을 막았군요.
05:48
a metal clamp that's tightening up the vessel.
141
348260
2000
금속 꺽쇠로 혈관을 묶었어요.
05:50
And just by changing the functions,
142
350260
2000
단지 기능을 바꾸는 것만으로
05:52
then I can decide what's going to be transparent
143
352260
3000
어떤 구조물을 투명하게 할 수 있으며,
05:55
and what's going to be visible.
144
355260
2000
어떤 걸 보이게 할 수도 있죠.
05:57
I can look at the skull structure,
145
357260
2000
두개골을 볼 수도 있고,
05:59
and I can see that, okay, this is where they opened up the skull on this woman,
146
359260
3000
그래서 이 여성의 두개골에 어디가 밖으로 열려있고,
06:02
and that's where they went in.
147
362260
2000
어디가 안쪽으로 들어갔는지 알 수 있죠.
06:04
So these are fantastic images.
148
364260
2000
멋진 영상들이죠.
06:06
They're really high resolution,
149
366260
2000
해상도가 굉장히 높습니다.
06:08
and they're really showing us what we can do
150
368260
2000
이것들은 우리가 오늘날
06:10
with standard graphics cards today.
151
370260
3000
일반적 그래픽 카드로 할 수 있는 것들이죠.
06:13
Now we have really made use of this,
152
373260
2000
이제 이걸좀 이용해 보도록하죠
06:15
and we have tried to squeeze a lot of data
153
375260
3000
많은 데이터들을 짜서 이 시스템에
06:18
into the system.
154
378260
2000
넣었습니다.
06:20
And one of the applications that we've been working on --
155
380260
2000
우리가 작업하고 있는 프로그램 중 하나로
06:22
and this has gotten a little bit of traction worldwide --
156
382260
3000
지금 세계적으로도 첨단인
06:25
is the application of virtual autopsies.
157
385260
2000
가상 부검 프로그램 입니다.
06:27
So again, looking at very, very large data sets,
158
387260
2000
다시 말씀드리지만 굉장히 큰 데이터입니다.
06:29
and you saw those full-body scans that we can do.
159
389260
3000
한사람의 몸전체를 촬영한 것이죠.
06:32
We're just pushing the body through the whole CT scanner,
160
392260
3000
우린 대상자를 CT 기계에 넣기만 하면,
06:35
and just in a few seconds we can get a full-body data set.
161
395260
3000
몇 초 후에 몸전체에 대한 데이터를 얻을 수 있습니다.
06:38
So this is from a virtual autopsy.
162
398260
2000
이것이 가상 부검의 시작입니다.
06:40
And you can see how I'm gradually peeling off.
163
400260
2000
여러분은 제가 어떻게 하나씩 벗겨가는지 보게될것입니다.
06:42
First you saw the body bag that the body came in,
164
402260
3000
먼저 보실것은 사체가 들어있는 주머니 입니다.
06:45
then I'm peeling off the skin -- you can see the muscles --
165
405260
3000
다음은 피부를 벗겨내죠. 근육이 보이시죠.
06:48
and eventually you can see the bone structure of this woman.
166
408260
3000
그리고 이 여성의 골격구조가 보이시죠.
06:51
Now at this point, I would also like to emphasize
167
411260
3000
지금 제가 강조하고 싶은 것은
06:54
that, with the greatest respect
168
414260
2000
가장 큰 경외감을
06:56
for the people that I'm now going to show --
169
416260
2000
지금 보시게 될 분들에게 돌린다는 것입니다.
06:58
I'm going to show you a few cases of virtual autopsies --
170
418260
2000
전 지금 가상부검의 몇몇 사례를 보여드릴려고합니다.
07:00
so it's with great respect for the people
171
420260
2000
대상자 분들에게 경외감을 돌리며,
07:02
that have died under violent circumstances
172
422260
2000
이분들은 처참한 환경에서 돌아가셨습니다.
07:04
that I'm showing these pictures to you.
173
424260
3000
여러분께 그 영상을 보여드리겠습니다.
07:08
In the forensic case --
174
428260
2000
법의학적 사례에서
07:10
and this is something
175
430260
2000
이것들은 중요합니다.
07:12
that ... there's been approximately 400 cases so far
176
432260
2000
지금까지 약 400건의 사례들이
07:14
just in the part of Sweden that I come from
177
434260
2000
스웨덴의 일부 지역에서
07:16
that has been undergoing virtual autopsies
178
436260
2000
가상 부검이 이루어 졌습니다.
07:18
in the past four years.
179
438260
2000
지난 4년간 말이죠.
07:20
So this will be the typical workflow situation.
180
440260
3000
그렇다면, 이것은 일반적인 작업이 될 것입니다.
07:23
The police will decide --
181
443260
2000
경찰이 저녁에
07:25
in the evening, when there's a case coming in --
182
445260
2000
자신들이 사건을 맡은 시간에
07:27
they will decide, okay, is this a case where we need to do an autopsy?
183
447260
3000
부검이 필요하다고 생각되는 사건을 맡았다면,
07:30
So in the morning, in between six and seven in the morning,
184
450260
3000
아침 6시에서 7시 사이에
07:33
the body is then transported inside of the body bag
185
453260
2000
그 사체는 사체가방에 담겨서 저희 센터로
07:35
to our center
186
455260
2000
오게 됩니다.
07:37
and is being scanned through one of the CT scanners.
187
457260
2000
그런다음 CT로 촬영을 하게 되죠.
07:39
And then the radiologist, together with the pathologist
188
459260
2000
그리고 나서 방사선사는 병리사와 같이
07:41
and sometimes the forensic scientist,
189
461260
2000
가끔은 법의학자와 같이
07:43
looks at the data that's coming out,
190
463260
2000
그 데이터를 살펴 보게 됩니다.
07:45
and they have a joint session.
191
465260
2000
그들은 회의를 합니다.
07:47
And then they decide what to do in the real physical autopsy after that.
192
467260
3000
그런다음 실제적인 부검에서 뭘 할 것인지를 결정합니다.
07:52
Now looking at a few cases,
193
472260
2000
이제 몇몇 사례들을 보죠.
07:54
here's one of the first cases that we had.
194
474260
2000
여기 첫번째 사체를 보시죠.
07:56
You can really see the details of the data set.
195
476260
3000
우리는 굉장히 자세하게 들여다 볼수 있습니다.
07:59
It's very high-resolution,
196
479260
2000
해상도가 매우 높으니까요.
08:01
and it's our algorithms that allow us
197
481260
2000
그리고 저희의 연산프로그램은
08:03
to zoom in on all the details.
198
483260
2000
모든 세세한 부분들을 확대할 수 있습니다.
08:05
And again, it's fully interactive,
199
485260
2000
강조하자면, 완벽하게 상호적이죠.
08:07
so you can rotate and you can look at things in real time
200
487260
2000
그래서 회전시킬 수도 있고, 실시간으로 살펴볼 수 있죠.
08:09
on these systems here.
201
489260
2000
이 시스템을 이용해서요.
08:11
Without saying too much about this case,
202
491260
2000
간단하게 이 사건에 대해 말씀드리면
08:13
this is a traffic accident,
203
493260
2000
교통사고 이고,
08:15
a drunk driver hit a woman.
204
495260
2000
음주운전자가 여성을 치었습니다.
08:17
And it's very, very easy to see the damages on the bone structure.
205
497260
3000
뼈에 대한 손상은 굉장히 잘 보입니다.
08:20
And the cause of death is the broken neck.
206
500260
3000
사인은 경추골절입니다.
08:23
And this women also ended up under the car,
207
503260
2000
여성은 차에 깔려 있었습니다.
08:25
so she's quite badly beaten up
208
505260
2000
여성은 심각한 상해를 입었죠.
08:27
by this injury.
209
507260
2000
손상이 심했어요.
08:29
Here's another case, a knifing.
210
509260
3000
다른 사례를 보죠. 칼로 찔린거죠.
08:32
And this is also again showing us what we can do.
211
512260
2000
우리가 무엇을 할 수 있는지 보여주고 있습니다.
08:34
It's very easy to look at metal artifacts
212
514260
2000
금속으로 된 물체들은 잘 보이죠.
08:36
that we can show inside of the body.
213
516260
3000
몸안에 무엇이 있는지 보이죠.
08:39
You can also see some of the artifacts from the teeth --
214
519260
3000
여기 보시면 이빨에도 뭔가 있죠.
08:42
that's actually the filling of the teeth --
215
522260
2000
사실 이빨에 사용된 충전물입니다.
08:44
but because I've set the functions to show me metal
216
524260
3000
제가 금속물체를 보이게 하고, 다른 것들은
08:47
and make everything else transparent.
217
527260
2000
모두 투명으로 보이게 했기 때문입니다.
08:49
Here's another violent case. This really didn't kill the person.
218
529260
3000
다른 폭력사건입니다. 이것이 사망원인은 아닙니다.
08:52
The person was killed by stabs in the heart,
219
532260
2000
심장이 찔려서 사망하였습니다.
08:54
but they just deposited the knife
220
534260
2000
하지만, 그들이 찌른 칼은
08:56
by putting it through one of the eyeballs.
221
536260
2000
한쪽 안구를 관통했죠.
08:58
Here's another case.
222
538260
2000
또다른 사례를 보죠.
09:00
It's very interesting for us
223
540260
2000
매우 흥미로운 사례입니다.
09:02
to be able to look at things like knife stabbings.
224
542260
2000
칼에 찔린 듯한 물체가 보이죠.
09:04
Here you can see that knife went through the heart.
225
544260
3000
보시다시피 칼이 심장을 관통했습니다.
09:07
It's very easy to see how air has been leaking
226
547260
2000
공기가 세는 것일 쉽게 볼 수 있죠.
09:09
from one part to another part,
227
549260
2000
한부분에서 다른 부분으로 말이죠.
09:11
which is difficult to do in a normal, standard, physical autopsy.
228
551260
3000
일반적 실제 부검에서는 보기 힘든 것입니다.
09:14
So it really, really helps
229
554260
2000
이 것은 진정으로
09:16
the criminal investigation
230
556260
2000
범죄 수사에 도움이 됩니다.
09:18
to establish the cause of death,
231
558260
2000
사인을 알아내는데 말이죠.
09:20
and in some cases also directing the investigation in the right direction
232
560260
3000
어떤경우 수사를 바른 방향으로 이끕니다.
09:23
to find out who the killer really was.
233
563260
2000
누가 진짜 범인인가를 가리는 것이죠.
09:25
Here's another case that I think is interesting.
234
565260
2000
또 하나의 흥미로운 사례입니다.
09:27
Here you can see a bullet
235
567260
2000
여기 총알이 보이죠.
09:29
that has lodged just next to the spine on this person.
236
569260
3000
이 사람의 척추 옆에 밖혀있죠.
09:32
And what we've done is that we've turned the bullet into a light source,
237
572260
3000
우리가 한 것은 그 총알에 빛을 비춰봤습니다.
09:35
so that bullet is actually shining,
238
575260
2000
총알이 빛나고 있죠.
09:37
and it makes it really easy to find these fragments.
239
577260
3000
이렇게 함으로써 조각들을 찾기 쉽게 합니다.
09:40
During a physical autopsy,
240
580260
2000
실제 부검동안에
09:42
if you actually have to dig through the body to find these fragments,
241
582260
2000
조각들을 찾기 위해서 사체를 파헤쳐서
09:44
that's actually quite hard to do.
242
584260
2000
조각을 찾기는 매우 힙듭니다.
09:48
One of the things that I'm really, really happy
243
588260
2000
제가 기쁘게 생각하는 것중 하나는
09:50
to be able to show you here today
244
590260
3000
여러분께 이것을 보여드릴 수 있어서 입니다.
09:53
is our virtual autopsy table.
245
593260
2000
저희 가상부검 테이블 입니다.
09:55
It's a touch device that we have developed
246
595260
2000
우리가 개발한 터치스크린 테이블입니다.
09:57
based on these algorithms, using standard graphics GPUs.
247
597260
3000
저희의 연산프로그램을 바탕으로 일반 그래픽카드를 사용했죠.
10:00
It actually looks like this,
248
600260
2000
이렇게 생겼습니다.
10:02
just to give you a feeling for what it looks like.
249
602260
3000
어떻게 생겼는지 보여드렸으면 했습니다.
10:05
It really just works like a huge iPhone.
250
605260
3000
말하자면, 큰 아이폰처럼 작동하죠.
10:08
So we've implemented
251
608260
2000
우리는 모든 동작들을
10:10
all the gestures you can do on the table,
252
610260
3000
이 테이블 위에서 할 수 있습니다.
10:13
and you can think of it as an enormous touch interface.
253
613260
4000
큰 터치 스크린을 가진 기계라고 생각하시면 됩니다.
10:17
So if you were thinking of buying an iPad,
254
617260
2000
아이패드를 사실 생각이라면,
10:19
forget about it. This is what you want instead.
255
619260
3000
잊으세요 여기 당신이 원하는 것이 있습니다.
10:22
Steve, I hope you're listening to this, all right.
256
622260
3000
스티브, 당신 듣고 있죠?, 그래요.
10:26
So it's a very nice little device.
257
626260
2000
이것은 굉장히 멋진 물건이죠.
10:28
So if you have the opportunity, please try it out.
258
628260
2000
만일 기회가 되신다면 한번 사용해 보세요.
10:30
It's really a hands-on experience.
259
630260
3000
정말 손으로 느낄 수 있습니다.
10:33
So it gained some traction, and we're trying to roll this out
260
633260
3000
여러 언론에 소개되었고, 이용해볼려고 하고 있으며,
10:36
and trying to use it for educational purposes,
261
636260
2000
교육적으로 사용할려고 합니다.
10:38
but also, perhaps in the future,
262
638260
2000
아마도 미래에는
10:40
in a more clinical situation.
263
640260
3000
좀 더 임상적으로 사용될 것입니다.
10:43
There's a YouTube video that you can download and look at this,
264
643260
2000
가상부검에 대한 유튜브 영상입니다..
10:45
if you want to convey the information to other people
265
645260
2000
만일 여러분이 가상 부검에 대해 알리고싶다면,
10:47
about virtual autopsies.
266
647260
3000
유용한 영상이죠.
10:50
Okay, now that we're talking about touch,
267
650260
2000
이제 터치에 대해 이야기 해봅시다.
10:52
let me move on to really "touching" data.
268
652260
2000
실제 데이터에 대해서 이야기 해보죠
10:54
And this is a bit of science fiction now,
269
654260
2000
지금은 공상과학 소설같은 이야기지만,
10:56
so we're moving into really the future.
270
656260
3000
미래에 가능한 이야기죠.
10:59
This is not really what the medical doctors are using right now,
271
659260
3000
지금 현재에 의사들이 사용하는 것은 아니지만,
11:02
but I hope they will in the future.
272
662260
2000
저는 미래에는 그러리라 생각합니다.
11:04
So what you're seeing on the left is a touch device.
273
664260
3000
왼쪽에 보시면 터치 기기가 있습니다.
11:07
It's a little mechanical pen
274
667260
2000
이것은 작은 기계적 팬입니다.
11:09
that has very, very fast step motors inside of the pen.
275
669260
3000
힘을 측정하는 센서가 펜안에 있습니다.
11:12
And so I can generate a force feedback.
276
672260
2000
그래서 제가 힘의 세기를 다르게 할 수 있습니다.
11:14
So when I virtually touch data,
277
674260
2000
가상데이터에 터치를 할때,
11:16
it will generate forces in the pen, so I get a feedback.
278
676260
3000
이것은 펜이 터치 힘을 만들기때문에 제가 느낄수 있습니다.
11:19
So in this particular situation,
279
679260
2000
지금 특정한 예를 들어보면,
11:21
it's a scan of a living person.
280
681260
2000
살아있는 사람을 스캔하여,
11:23
I have this pen, and I look at the data,
281
683260
3000
제가 이펜을 이용해 테이터를 보고 있죠.
11:26
and I move the pen towards the head,
282
686260
2000
제가 펜을 사람의 머리로 가지고가면,
11:28
and all of a sudden I feel resistance.
283
688260
2000
갑자기 딱딱한 것이 느껴집니다.
11:30
So I can feel the skin.
284
690260
2000
다시말해 피부를 느낄수 있죠.
11:32
If I push a little bit harder, I'll go through the skin,
285
692260
2000
제가 좀더 세게 누르면 피부를 통과할 수 있습니다.
11:34
and I can feel the bone structure inside.
286
694260
3000
그리고 안에 있는 딱딱한 뼈를 느낄수 있죠.
11:37
If I push even harder, I'll go through the bone structure,
287
697260
2000
좀더 세게 누르면 뼈도 뚫을 수 있죠.
11:39
especially close to the ear where the bone is very soft.
288
699260
3000
뼈가 매우 물렁한 귀근처의 뼈들은 특히 더 그렇죠.
11:42
And then I can feel the brain inside, and this will be the slushy like this.
289
702260
3000
그리고 전 뇌속을 느낄 수 있죠. 이렇게 뭉게질 수 있습니다.
11:45
So this is really nice.
290
705260
2000
굉장하죠.
11:47
And to take that even further, this is a heart.
291
707260
3000
좀 더 보면, 심장이죠.
11:50
And this is also due to these fantastic new scanners,
292
710260
3000
이런 것이 가능한것은 이런 멋찐 스캐너들 덕분입니다.
11:53
that just in 0.3 seconds,
293
713260
2000
0.3초밖에 걸리지 않죠.
11:55
I can scan the whole heart,
294
715260
2000
심장하나를 스캔하는데 말이죠.
11:57
and I can do that with time resolution.
295
717260
2000
스캔을 시간에 따라 할 수 있어요.
11:59
So just looking at this heart,
296
719260
2000
지금 이 심장을 보고 있지만,
12:01
I can play back a video here.
297
721260
2000
비디오를 뒤로 돌릴수 있죠.
12:03
And this is Karljohan, one of my graduate students
298
723260
2000
이건 제 대학원생중의 한명인 칼조한입니다.
12:05
who's been working on this project.
299
725260
2000
이 프로젝트에 참여하고있죠.
12:07
And he's sitting there in front of the Haptic device, the force feedback system,
300
727260
3000
그는 촉각 기기 앞에 앉아있습니다. 힘되먹임 시스템이죠.
12:10
and he's moving his pen towards the heart,
301
730260
3000
그가 팬을 심장쪽으로 가지고 가면,
12:13
and the heart is now beating in front of him,
302
733260
2000
그 심장이 지금부터 그 앞에서 뜁니다.
12:15
so he can see how the heart is beating.
303
735260
2000
심장이 어떻게 뛰는지 알수 있죠.
12:17
He's taken the pen, and he's moving it towards the heart,
304
737260
2000
팬을 다시 빼서 심장쪽으로 가지고 가면,
12:19
and he's putting it on the heart,
305
739260
2000
그것을 심장에 갖다대면,
12:21
and then he feels the heartbeats from the real living patient.
306
741260
3000
그는 그 심장이 뛰는 것을 느낄 수 있습니다.
12:24
Then he can examine how the heart is moving.
307
744260
2000
그는 심장이 어떻게 움직이는지 알 수 있죠.
12:26
He can go inside, push inside of the heart,
308
746260
2000
그리고 심장 안쪽으로 팬을 넣으면,
12:28
and really feel how the valves are moving.
309
748260
3000
심판막이 어떻게 움직이는지 느낄 수 있습니다.
12:31
And this, I think, is really the future for heart surgeons.
310
751260
3000
제생각에는 미래의 심장외과에서 쓰여질 거라 생각합니다.
12:34
I mean it's probably the wet dream for a heart surgeon
311
754260
3000
아마도 심장외과의사들이 정말 바라는 것이
12:37
to be able to go inside of the patient's heart
312
757260
3000
환자의 심장 안을 직접 느껴보는 것이말이죠.
12:40
before you actually do surgery,
313
760260
2000
실제로 수술하기전에 말이예요.
12:42
and do that with high-quality resolution data.
314
762260
2000
고해상도 영상으로 이것을 하는 걸 원할꺼예요.
12:44
So this is really neat.
315
764260
2000
정말 굉장하죠.
12:47
Now we're going even further into science fiction.
316
767260
3000
공상과학소설만큼이나 앞서가고 있죠.
12:50
And we heard a little bit about functional MRI.
317
770260
3000
기능적 MRI에 대해서 말씀드리면,
12:53
Now this is really an interesting project.
318
773260
3000
현재 굉장히 흥미로운 프로젝트입니다.
12:56
MRI is using magnetic fields
319
776260
2000
MRI는 자기장을 이용하죠
12:58
and radio frequencies
320
778260
2000
방사선 주파수와 함께요.
13:00
to scan the brain, or any part of the body.
321
780260
3000
뇌나 몸을 스캔하게 됩니다.
13:03
So what we're really getting out of this
322
783260
2000
이것을 통해 얻을 수 있는 데이터는
13:05
is information of the structure of the brain,
323
785260
2000
뇌 구조에 대한 정보죠.
13:07
but we can also measure the difference
324
787260
2000
하지만, 또 다른 것들을 측정할 수 있는데,
13:09
in magnetic properties of blood that's oxygenated
325
789260
3000
산화된 혈액과 비산화혈액의 자기성의 차이를
13:12
and blood that's depleted of oxygen.
326
792260
3000
측정할 수 있습니다.
13:15
That means that it's possible
327
795260
2000
그것은 뇌의 활동을
13:17
to map out the activity of the brain.
328
797260
2000
지도화 할 수 있다는 이야기죠.
13:19
So this is something that we've been working on.
329
799260
2000
이것이 우리가 하고 있는 것들중 하나입니다.
13:21
And you just saw Motts the research engineer, there,
330
801260
3000
Motts라는 연구 기술자를 보고 계신데
13:24
going into the MRI system,
331
804260
2000
MRI시스템을 연구하고 있습니다.
13:26
and he was wearing goggles.
332
806260
2000
고글을 쓰고 있죠.
13:28
So he could actually see things in the goggles.
333
808260
2000
그는 고글을 통해 무언가를 보게 됩니다.
13:30
So I could present things to him while he's in the scanner.
334
810260
3000
그가 스캔하는 동안 저는 고글을 통해 어떤것들을 보여주죠.
13:33
And this is a little bit freaky,
335
813260
2000
이것이 좀 괴상하긴 하죠.
13:35
because what Motts is seeing is actually this.
336
815260
2000
사실 Motts은 지금 이것을 보고 있습니다.
13:37
He's seeing his own brain.
337
817260
3000
그 자신의 뇌를 보고 있는거죠.ㅣ
13:40
So Motts is doing something here,
338
820260
2000
Motts은 여기서 무엇을 하고 있네요.
13:42
and probably he is going like this with his right hand,
339
822260
2000
아마도 그는 오른속으로 이러고 있나봅니다.
13:44
because the left side is activated
340
824260
2000
좌뇌가 활성하 된것을 보고 알수 있죠.
13:46
on the motor cortex.
341
826260
2000
좌뇌의 운동영역이요.
13:48
And then he can see that at the same time.
342
828260
2000
그는 이걸 같이 보고 있죠.
13:50
These visualizations are brand new.
343
830260
2000
이것들은 새로운 영상기법이죠.
13:52
And this is something that we've been researching for a little while.
344
832260
3000
이것은 저희가 얼마간 연구회 왔던 것이죠.
13:55
This is another sequence of Motts' brain.
345
835260
3000
이건 Motts의 다른 뇌활동 패턴입니다.
13:58
And here we asked Motts to calculate backwards from 100.
346
838260
3000
100부터 꺼꾸로 계산하라고 시켰습니다.
14:01
So he's going "100, 97, 94."
347
841260
2000
그는 100 97. 94 이렇게 하죠.
14:03
And then he's going backwards.
348
843260
2000
그리고 그는 꺼꾸로 계산하죠.
14:05
And you can see how the little math processor is working up here in his brain
349
845260
3000
이러한 작은 계산이 그의 뇌를 얼마나 활성화시키는지 보이시죠.
14:08
and is lighting up the whole brain.
350
848260
2000
대부부의 뇌가 활성화 되었습니다.
14:10
Well this is fantastic. We can do this in real time.
351
850260
2000
굉장하죠 실시간으로 볼수 있어요.
14:12
We can investigate things. We can tell him to do things.
352
852260
2000
많은 것들을 조사할 수 있죠. 그에가 뭔가 해보라고 할 수 있죠.
14:14
You can also see that his visual cortex
353
854260
2000
그의 시각 영역도 볼 수 있습니다.
14:16
is activated in the back of the head,
354
856260
2000
뇌의 뒤쪽 시각영역이 활성화됬네요.
14:18
because that's where he's seeing, he's seeing his own brain.
355
858260
2000
거기가 그가 보고 있는 곳이죠 자신의뇌를 보고 있으니까요.
14:20
And he's also hearing our instructions
356
860260
2000
그는 지시도 듣고 있죠.
14:22
when we tell him to do things.
357
862260
2000
우리가 뭔가 하라고 할때요.
14:24
The signal is really deep inside of the brain as well,
358
864260
2000
그 신호는 뇌속 깊이 있습니다.
14:26
and it's shining through,
359
866260
2000
그렇다해도 빛나고 있죠.
14:28
because all of the data is inside this volume.
360
868260
2000
왜냐면 모든 데이터가 이 안에 있으니까요.
14:30
And in just a second here you will see --
361
870260
2000
여기서 보시는데 단 몇초밖에 안걸리죠
14:32
okay, here. Motts, now move your left foot.
362
872260
2000
그래 Motts 왼발을 움직여봐
14:34
So he's going like this.
363
874260
2000
그는 이렇게 할꺼예요.
14:36
For 20 seconds he's going like that,
364
876260
2000
20초동안 이렇게 할 겁니다.
14:38
and all of a sudden it lights up up here.
365
878260
2000
그리고 갑자기 여기가 활성화되죠.
14:40
So we've got motor cortex activation up there.
366
880260
2000
여기 운동영역이 활성화되죠.
14:42
So this is really, really nice,
367
882260
2000
진짜 멋지죠.
14:44
and I think this is a great tool.
368
884260
2000
전 이게 굉장한 기기라고 생각해요.
14:46
And connecting also with the previous talk here,
369
886260
2000
제가 앞에서 말씀드린것이랑 관련되어있죠.
14:48
this is something that we could use as a tool
370
888260
2000
이것을 이용함으로써 우리는
14:50
to really understand
371
890260
2000
진정으로 신경들이
14:52
how the neurons are working, how the brain is working,
372
892260
2000
어떻게 작용하는지 뇌가 어떻게 일을 하는지
14:54
and we can do this with very, very high visual quality
373
894260
3000
굉장한 고행상도와 빠르게
14:57
and very fast resolution.
374
897260
3000
알아낼 수 있습니다.
15:00
Now we're also having a bit of fun at the center.
375
900260
2000
다른 것들도 센터에 있습니다.
15:02
So this is a CAT scan -- Computer Aided Tomography.
376
902260
3000
이것은 CAT 스캔입니다. computer adided tomography
15:06
So this is a lion from the local zoo
377
906260
2000
이건 지역 동물원의 사자죠.
15:08
outside of Norrkoping in Kolmarden, Elsa.
378
908260
3000
콜마덴에 있는 노코핑 밖에 동물원이죠.
15:11
So she came to the center,
379
911260
2000
사자는 센터에 와서
15:13
and they sedated her
380
913260
2000
진정제를 맞추고
15:15
and then put her straight into the scanner.
381
915260
2000
스캐너에 넣었습니다.
15:17
And then, of course, I get the whole data set from the lion.
382
917260
3000
사자의 몸전체를 촬영했죠.
15:20
And I can do very nice images like this.
383
920260
2000
이와 같이 굉장히 좋은 영상을 가지고 있죠.
15:22
I can peel off the layer of the lion.
384
922260
2000
사자를 한겹식 벗길 수 있어요.
15:24
I can look inside of it.
385
924260
2000
그 안쪽도 볼 수 있죠.
15:26
And we've been experimenting with this.
386
926260
2000
이걸로 실험을 했습니다.
15:28
And I think this is a great application
387
928260
2000
이건 굉장한 기기라고 생각됩니다.
15:30
for the future of this technology,
388
930260
2000
미래를 위한 기술말이죠.
15:32
because there's very little known about the animal anatomy.
389
932260
3000
현재는 동물의 해부학적 지식이 많이 부족하죠.
15:35
What's known out there for veterinarians is kind of basic information.
390
935260
3000
현재 알려진 것들은 수의사들에게 아주 기본적인 것들이죠.
15:38
We can scan all sorts of things,
391
938260
2000
이런 것들을 스캔 할 수 있습니다.
15:40
all sorts of animals.
392
940260
2000
모든 동물들을요.
15:42
The only problem is to fit it into the machine.
393
942260
3000
문제는 스캐너에 들어갈 수 있는 거야한다는 것이죠.
15:45
So here's a bear.
394
945260
2000
여기 곰이 있죠
15:47
It was kind of hard to get it in.
395
947260
2000
기계에 넣기가 힘들죠.
15:49
And the bear is a cuddly, friendly animal.
396
949260
3000
곰은 미련하면서 친근한 동물이죠.
15:52
And here it is. Here is the nose of the bear.
397
952260
3000
여기보시면 곰의 코가 보이죠.
15:55
And you might want to cuddle this one,
398
955260
3000
아마 쓰다듬고 싶으시겠죠.
15:58
until you change the functions and look at this.
399
958260
3000
기능변경을 해서 이렇게 되기 전까지는요.
16:01
So be aware of the bear.
400
961260
2000
곰이라는걸 기억하고 있으세요.
16:03
So with that,
401
963260
2000
여기 보시면,
16:05
I'd like to thank all the people
402
965260
2000
제가 감사하고싶은 사람들입니다.
16:07
who have helped me to generate these images.
403
967260
2000
이런 영상을 만드는데 도움을 준 사람들입니다.
16:09
It's a huge effort that goes into doing this,
404
969260
2000
이렇게 하기까지는 굉장한 노력이 들었죠.
16:11
gathering the data and developing the algorithms,
405
971260
3000
데이터를 모으고 알고리즘을 짜고
16:14
writing all the software.
406
974260
2000
소프트웨어를 짰죠.
16:16
So, some very talented people.
407
976260
3000
매우 뛰어난 사람들입니다.
16:19
My motto is always, I only hire people that are smarter than I am
408
979260
3000
저의 모토는 저보다 똑똑한 사람을 고용하자는 것입니다.
16:22
and most of these are smarter than I am.
409
982260
2000
대부분의 사람이 저보다 똑똑하죠.
16:24
So thank you very much.
410
984260
2000
감사합니다.
16:26
(Applause)
411
986260
4000
박수
New videos
이 웹사이트 정보
이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.