Anders Ynnerman: Visualizing the medical data explosion

Översättare: Joakim Carlberg Granskare: Johan Luyckx

I will start by posing a little bit of a challenge:

Jag ska börja med att formulera en liten utmaning,

the challenge of dealing with data,

utmaningen att hantera data,

data that we have to deal with

data som vi måste hantera

in medical situations.

i medicinska situationer.

It's really a huge challenge for us.

Det är verkligen en enorm utmaning för oss.

And this is our beast of burden --

Detta är vårt lastdjur.

this is a Computer Tomography machine,

Det är en datortomograf --

a CT machine.

en CT-maskin.

It's a fantastic device.

Det är en fantastisk apparat.

It uses X-rays, X-ray beams,

Den använder röntgenstrålning,

that are rotating very fast around the human body.

som roterar väldigt snabbt kring människokroppen.

It takes about 30 seconds to go through the whole machine

Det tar omkring 30 sekunder att åka igenom hela maskinen

and is generating enormous amounts of information

och det genereras enorma mängder information

that comes out of the machine.

som kommer ut ur maskinen.

So this is a fantastic machine

Så det här är en fantastisk maskin

that we can use

som vi kan använda

for improving health care,

för att förbättra hälso- och sjukvården.

but as I said, it's also a challenge for us.

Men som jag sa, det är också en utmaning för oss.

And the challenge is really found in this picture here.

Och utmaningen kan man se i den här bilden.

It's the medical data explosion

Det är den medicinska dataexplosionen

that we're having right now.

som vi har just nu.

We're facing this problem.

Vi ställs inför detta problem.

And let me step back in time.

Låt mig gå tillbaka i tiden.

Let's go back a few years in time and see what happened back then.

Låt oss gå tillbaka några år i tiden och se vad som hände då.

These machines that came out --

De här maskinerna som kom ut --

they started coming in the 1970s --

de började komma under 1970-talet --

they would scan human bodies,

de scannade människokroppar,

and they would generate about 100 images

och de genererade omkring 100 bilder

of the human body.

av människokroppen.

And I've taken the liberty, just for clarity,

Jag har tagit mig friheten, för tydlighets skull,

to translate that to data slices.

att översätta det till dataenheter.

That would correspond to about 50 megabytes of data,

Det skulle motsvara ungefär 50 MB,

which is small

vilket är lite

when you think about the data we can handle today

när man tänker på informationen vi kan hantera idag

just on normal mobile devices.

bara på vanliga mobilenheter.

If you translate that to phone books,

Om man översätter det till telefonkataloger,

it's about one meter of phone books in the pile.

blir det ungefär en meterhög stapel av telefonkataloger.

Looking at what we're doing today

Ser man till det vi gör idag

with these machines that we have,

med de maskiner vi har,

we can, just in a few seconds,

kan vi, på bara några sekunder,

get 24,000 images out of a body,

få 24 000 bilder av en kropp.

and that would correspond to about 20 gigabytes of data,

Det skulle motsvara omkring 20 GB,

or 800 phone books,

eller 800 telefonkataloger.

and the pile would then be 200 meters of phone books.

Högen med telefonkataloger skulle då bli 200 meter hög.

What's about to happen --

Det som är på väg att hända --

and we're seeing this; it's beginning --

och vi ser att detta är på gång --

a technology trend that's happening right now

en tekniktrend som händer just nu

is that we're starting to look at time-resolved situations as well.

är att vi även börjar titta på resultat över tid.

So we're getting the dynamics out of the body as well.

Så vi får dynamiken av kroppen också.

And just assume

Anta bara

that we will be collecting data during five seconds,

att vi samlar data under fem sekunder,

and that would correspond to one terabyte of data --

det skulle motsvara en TB data.

that's 800,000 books

Det är 800 000 telefonkataloger

and 16 kilometers of phone books.

som skulle utgöra en 16 km hög stapel.

That's one patient, one data set.

Det är en patient, en uppsättning data.

And this is what we have to deal with.

Och det är detta vi måste handskas med.

So this is really the enormous challenge that we have.

Så det är egentligen detta som är den enorma utmaningen vi har.

And already today -- this is 25,000 images.

Redan idag -- detta är 25 000 bilder.

Imagine the days

Föreställ er

when we had radiologists doing this.

när vi hade röntgenläkare till detta.

They would put up 25,000 images,

Dom skulle ha satt upp 25 000 bilder,

they would go like this, "25,0000, okay, okay.

och gjort så här. "25 000, okej, okej...

There is the problem."

Där är problemet."

They can't do that anymore. That's impossible.

Dom kan inte göra så längre, det är omöjligt.

So we have to do something that's a little bit more intelligent than doing this.

Så vi måste göra nånting lite mer intelligent än detta.

So what we do is that we put all these slices together.

Vad vi gör är att vi sätter ihop alla dessa skikt.

Imagine that you slice your body in all these directions,

Föreställ dig att du skivar din kropp i alla riktningar,

and then you try to put the slices back together again

och sen försöker du sätta ihop alla skikt igen

into a pile of data, into a block of data.

till en hög med information, till ett datablock.

So this is really what we're doing.

Så det är egentligen det här vi gör.

So this gigabyte or terabyte of data, we're putting it into this block.

Så den här gigabyten eller terabyten med data stoppar vi i in i ett block.

But of course, the block of data

Men självklart är det så att datablocket

just contains the amount of X-ray

bara innehåller den mängd röntgenstrålning

that's been absorbed in each point in the human body.

som blivit absorberad i varje punkt av människokroppen.

So what we need to do is to figure out a way

Vad vi behöver göra är att komma på ett sätt

of looking at the things we do want to look at

att titta på de saker vi vill titta på

and make things transparent that we don't want to look at.

och göra saker genomskinliga som vi inte vill titta på.

So transforming the data set

Så att omvandla datauppsättningen

into something that looks like this.

till någonting som ser ut som detta.

And this is a challenge.

Detta är en utmaning.

This is a huge challenge for us to do that.

Det är en enorm utmaning för oss att göra det.

Using computers, even though they're getting faster and better all the time,

Att använda datorer, även om dom bli snabbare och bättre hela tiden,

it's a challenge to deal with gigabytes of data,

så är det en utmaning att handskas med flera gigabyte,

terabytes of data

eller terabyte

and extracting the relevant information.

och att extrahera den relevanta informationen.

I want to look at the heart.

Jag vill titta på hjärtat,

I want to look at the blood vessels. I want to look at the liver.

Jag vill titta på blodkärlen, jag vill titta på levern,

Maybe even find a tumor,

kanske till och med hitta en tumör

in some cases.

i vissa fall.

So this is where this little dear comes into play.

Låt mig visa ett exempel.

This is my daughter.

Detta är min dotter.

This is as of 9 a.m. this morning.

Detta var klockan nio i morse.

She's playing a computer game.

Hon spelar ett dataspel.

She's only two years old,

Hon är bara två år gammal,

and she's having a blast.

och har jätteroligt.

So she's really the driving force

Så hon är den egentliga drivkraften

behind the development of graphics-processing units.

bakom utvecklingen av grafikprocessorer.

As long as kids are playing computer games,

Så länge barn spelar dataspel,

graphics is getting better and better and better.

blir grafiken bättre och bättre.

So please go back home, tell your kids to play more games,

Så var snälla att gå hem och säg åt era barn att spela mer dataspel,

because that's what I need.

för det är det jag behöver.

So what's inside of this machine

Så det som är inuti den här maskinen

is what enables me to do the things that I'm doing

är det som gör det möjligt för mig att göra det jag gör

with the medical data.

med den medicinska datan.

So really what I'm doing is using these fantastic little devices.

Så vad jag gör är att använda dessa fantastiska små enheter.

And you know, going back

Går man tillbaka

maybe 10 years in time

omkring 10 år i tiden

when I got the funding

när jag fick finansiering

to buy my first graphics computer --

till min första grafikdator.

it was a huge machine.

Det var en enorm maskin.

It was cabinets of processors and storage and everything.

Det var stora skåp med processorer, lagring och allt.

I paid about one million dollars for that machine.

Jag betalade ungefär en miljon dollar för den maskinen.

That machine is, today, about as fast as my iPhone.

Den maskinen är idag ungefär lika snabb som min iPhone.

So every month there are new graphics cards coming out,

Varje månad kommer det ut nya grafikkort.

and here is a few of the latest ones from the vendors --

Här är några av de senaste från tillverkarna --

NVIDIA, ATI, Intel is out there as well.

NVIDIA, ATI och även Intel.

And you know, for a few hundred bucks

För bara några hundra dollar

you can get these things and put them into your computer,

kan man köpa såna här och stoppa in i sin dator,

and you can do fantastic things with these graphics cards.

och man kan göra fantastiska saker med dessa grafikkort.

So this is really what's enabling us

Så det är egentligen detta som gör det möjligt för oss

to deal with the explosion of data in medicine,

att hantera med explosionen av data inom medicin,

together with some really nifty work

tillsammans med en del riktigt fiffigt arbete

in terms of algorithms --

i form av algoritmer --

compressing data,

datakomprimering,

extracting the relevant information that people are doing research on.

och extrahering av den relevanta informationen som folk forskar om.

So I'm going to show you a few examples of what we can do.

Jag ska visa er några exempel av vad vi kan göra.

This is a data set that was captured using a CT scanner.

Detta är en datauppsättning som erhållits med datortomografi.

You can see that this is a full data [set].

Man kan se att det finns mycket information.

It's a woman. You can see the hair.

Det är en kvinna. Man kan se håret.

You can see the individual structures of the woman.

Man kan se de individuella strukturerna av kvinnan.

You can see that there is [a] scattering of X-rays

Man kan se viss diffraktion av röntgenstrålar

on the teeth, the metal in the teeth.

på tänderna, metallen i tänderna.

That's where those artifacts are coming from.

Det är därifrån artefakterna kommer.

But fully interactively

Men helt interaktivt

on standard graphics cards on a normal computer,

med ett vanligt grafikkort på en vanlig dator,

I can just put in a clip plane.

kan jag bara lägga in ett beskärningsplan.

And of course all the data is inside,

Självklart finns all data där,

so I can start rotating, I can look at it from different angles,

så jag kan börja rotera, jag kan titta på det från olika vinklar,

and I can see that this woman had a problem.

och jag kan se att den här kvinnan hade problem.

She had a bleeding up in the brain,

Hon hade en blödning uppe i hjärnan,

and that's been fixed with a little stent,

och den har blivit fixad med en liten stent,

a metal clamp that's tightening up the vessel.

en metallklämma som drar ihop blodkärlet.

And just by changing the functions,

Bara genom att ändra i funktionerna,

then I can decide what's going to be transparent

kan jag bestämma vad som ska vara genomskinligt

and what's going to be visible.

och vad som ska vara synligt.

I can look at the skull structure,

Jag kan titta på skallstrukturen,

and I can see that, okay, this is where they opened up the skull on this woman,

och jag kan se att det var här dom öppnade skallen på den här kvinnan,

and that's where they went in.

och det var där dom gick in.

So these are fantastic images.

Så detta är fantastiska bilder.

They're really high resolution,

Dom är väldigt högupplösta

and they're really showing us what we can do

och dom visar oss verkligen vad vi kan göra

with standard graphics cards today.

med vanliga grafikkort idag.

Now we have really made use of this,

Nu har vi verkligen dragit nytta av detta,

and we have tried to squeeze a lot of data

och vi har försökt att klämma in massvis med data

into the system.

in i systemet.

And one of the applications that we've been working on --

En av tillämpningarna som vi har arbetat på --

and this has gotten a little bit of traction worldwide --

och detta har fått ett visst fäste över hela världen --

is the application of virtual autopsies.

är tillämpningen med virtuella obduktioner.

So again, looking at very, very large data sets,

Så återigen, framför oss har vi väldigt, väldigt stora uppsättningar data,

and you saw those full-body scans that we can do.

och ni såg helkroppsscanningarna vi kan göra.

We're just pushing the body through the whole CT scanner,

Vi för bara kroppen genom datortomografen,

and just in a few seconds we can get a full-body data set.

och på bara några sekunder kan vi få en helkroppsdatauppsättning.

So this is from a virtual autopsy.

Så detta är från en virtuell obduktion.

And you can see how I'm gradually peeling off.

Ni kan se hur jag gradvis skalar av.

First you saw the body bag that the body came in,

Först såg ni liksäcken kroppen kom i,

then I'm peeling off the skin -- you can see the muscles --

sen skalar jag av huden -- ni kan se musklerna --

and eventually you can see the bone structure of this woman.

och slutligen kan ni se kvinnans skelett.

Now at this point, I would also like to emphasize

Vid det här laget skulle jag också vilja passa på att understryka

that, with the greatest respect

att, med den största respekt

for the people that I'm now going to show --

för människorna som jag nu ska visa --

I'm going to show you a few cases of virtual autopsies --

Jag ska visa några fall av virtuella obduktioner --

so it's with great respect for the people

så det är med största respekt för människorna

that have died under violent circumstances

som dött under våldsamma omständigheter

that I'm showing these pictures to you.

som jag ska visa dessa bilder för er.

In the forensic case --

I rättsmedicinska fall --

and this is something

och detta är något

that ... there's been approximately 400 cases so far

som det funnits cirka 400 fall av hittills

just in the part of Sweden that I come from

bara i den delen av Sverige som jag kommer ifrån

that has been undergoing virtual autopsies

som har undergått virtuella obduktioner

in the past four years.

de senaste fyra åren.

So this will be the typical workflow situation.

Så detta är den typiska arbetsgången.

The police will decide --

Polisen avgör --

in the evening, when there's a case coming in --

under kvällen, när ett fall kommer in --

they will decide, okay, is this a case where we need to do an autopsy?

så avgör dom om detta är ett fall som kräver obduktion.

So in the morning, in between six and seven in the morning,

På morgonen, mellan klockan sex och sju,

the body is then transported inside of the body bag

transporteras sedan kroppen inuti liksäcken

to our center

till vårt center

and is being scanned through one of the CT scanners.

och scannas genom en av datortomograferna.

And then the radiologist, together with the pathologist

Sen tittar röntgenläkaren, tillsammans med rättsläkaren

and sometimes the forensic scientist,

och ibland en annan rättsmedicinsk specialist,

looks at the data that's coming out,

på datan som kommer ut,

and they have a joint session.

och dom har ett gemensamt sammanträde.

And then they decide what to do in the real physical autopsy after that.

Efter detta bestämmer dom vad som sedan ska göras i den riktiga, fysiska obduktionen.

Now looking at a few cases,

Låt oss titta på några fall,

here's one of the first cases that we had.

här är ett av de första fallen som vi hade.

You can really see the details of the data set.

Man kan verkligen se detaljerna av datauppsättningen,

It's very high-resolution,

det är väldigt högupplöst.

and it's our algorithms that allow us

Och det är våra algoritmer som låter oss

to zoom in on all the details.

zooma in på alla detaljer.

And again, it's fully interactive,

Återigen, det är helt interaktivt,

so you can rotate and you can look at things in real time

så man kan rotera och man kan titta på saker i realtid

on these systems here.

på dessa system.

Without saying too much about this case,

Utan att säga för mycket om detta fallet,

this is a traffic accident,

det är en trafikolycka,

a drunk driver hit a woman.

en berusad förare som kört på en kvinna.

And it's very, very easy to see the damages on the bone structure.

Det är väldigt lätt att se skadorna på skelettet.

And the cause of death is the broken neck.

Dödsorsaken är den brutna nacken.

And this women also ended up under the car,

Den här kvinnan hamnade dessutom under bilen,

so she's quite badly beaten up

så hon är i ganska dåligt skick

by this injury.

på grund av olyckan.

Here's another case, a knifing.

Här är ett annat fall, ett fall av knivvåld.

And this is also again showing us what we can do.

Detta visar oss igen vad vi kan göra.

It's very easy to look at metal artifacts

Det är väldigt lätt att se metallartefakter

that we can show inside of the body.

som vi kan visa inuti kroppen.

You can also see some of the artifacts from the teeth --

Man kan också se lite artefakter från tänderna --

that's actually the filling of the teeth --

det är faktiskt tandfyllningarna --

but because I've set the functions to show me metal

men eftersom jag har satt inställningarna att visa metall

and make everything else transparent.

och göra allt annat genomskinligt.

Here's another violent case. This really didn't kill the person.

Här är ett annat våldsamt fall. Det här dödade inte personen.

The person was killed by stabs in the heart,

Personen dog av knivhugg i hjärtat,

but they just deposited the knife

men dom gjorde bara sig av med kniven

by putting it through one of the eyeballs.

genom att sätta den i en av ögonhålorna.

Here's another case.

Här är ett annat fall.

It's very interesting for us

Det är väldigt intressant för oss

to be able to look at things like knife stabbings.

att kunna undersöka saker som knivhugg.

Here you can see that knife went through the heart.

Här kan man se att kniven gick genom hjärtat.

It's very easy to see how air has been leaking

Det är väldigt lätt att se hur luften har läckt

from one part to another part,

från en del till en annan del,

which is difficult to do in a normal, standard, physical autopsy.

vilket är svårt att se i en vanlig fysisk obduktion.

So it really, really helps

Så det underlättar verkligen

the criminal investigation

brottsutredningen

to establish the cause of death,

att fastställa dödsorsaken,

and in some cases also directing the investigation in the right direction

och i vissa fall att leda utredningen i rätt riktning

to find out who the killer really was.

för att ta reda på vem gärningsmannen egentligen var.

Here's another case that I think is interesting.

Här är ett annat fall som jag tycker är intressant.

Here you can see a bullet

Här kan man se en kula

that has lodged just next to the spine on this person.

som har fastnat precis intill ryggraden på den här personen.

And what we've done is that we've turned the bullet into a light source,

Vad vi har gjort är att vi har gjort om kulan till en ljuskälla,

so that bullet is actually shining,

så att kulan faktiskt skiner,

and it makes it really easy to find these fragments.

och det gör det väldigt enkelt att hitta såna här fragment.

During a physical autopsy,

Under en fysisk obduktion,

if you actually have to dig through the body to find these fragments,

om du verkligen måste gräva genom hela kroppen för att finna dessa fragment,

that's actually quite hard to do.

så är det faktiskt rätt svårt.

One of the things that I'm really, really happy

En sak som jag är väldigt glad

to be able to show you here today

att kunna visa er här idag

is our virtual autopsy table.

är vårt virtuella obduktionsbord.

It's a touch device that we have developed

Det är en touch-enhet som vi har utvecklat

based on these algorithms, using standard graphics GPUs.

baserat på dom här algoritmerna och med vanliga grafikkort.

It actually looks like this,

Det ser i själva verket ut så här,

just to give you a feeling for what it looks like.

bara för att ge er en känsla av hur det ser ut.

It really just works like a huge iPhone.

Det fungerar precis som en enorm iPhone.

So we've implemented

Så vi har implementerat

all the gestures you can do on the table,

alla rörelser man kan göra på bordet,

and you can think of it as an enormous touch interface.

och man kan se det som ett enormt touch-gränssnitt.

So if you were thinking of buying an iPad,

Så om du funderade på att köpa en iPad,

forget about it. This is what you want instead.

glöm det - detta är vad du vill ha istället.

Steve, I hope you're listening to this, all right.

Steve, jag hoppas du lyssnar på detta.

So it's a very nice little device.

Så det är en väldigt trevlig liten enhet.

So if you have the opportunity, please try it out.

Om ni får tillfälle, pröva det gärna.

It's really a hands-on experience.

Det är verkligen en fysisk känsla.

So it gained some traction, and we're trying to roll this out

Den har fått visst fäste och vi försöker lansera den

and trying to use it for educational purposes,

och testar den i undervisningssyften,

but also, perhaps in the future,

men också, eventuellt i framtiden,

in a more clinical situation.

i mer kliniska sammanhang.

There's a YouTube video that you can download and look at this,

Det finns en YouTube-video som man kan se för mer information,

if you want to convey the information to other people

om man vill förmedla informationen till andra människor

about virtual autopsies.

om virtuella obduktioner.

Okay, now that we're talking about touch,

Okej, nu när vi pratar om "touch",

let me move on to really "touching" data.

låt mig gå över till verkligt "rörande" data.

And this is a bit of science fiction now,

Och detta är lite science fiction nu,

so we're moving into really the future.

så vi går verkligen in i framtiden.

This is not really what the medical doctors are using right now,

Detta är inte vad läkare egentligen använder sig av just nu,

but I hope they will in the future.

men jag hoppas dom gör det i framtiden.

So what you're seeing on the left is a touch device.

Det ni ser till vänster är en touch-enhet.

It's a little mechanical pen

Det är en liten mekanisk penna

that has very, very fast step motors inside of the pen.

som har väldigt snabba stegmotorer inuti pennan.

And so I can generate a force feedback.

På så sätt kan jag skapa en "kraftåterkoppling" (force feedback).

So when I virtually touch data,

Så när jag virtuellt vidrör data,

it will generate forces in the pen, so I get a feedback.

skapas rörelsekrafter i pennan, så jag får en återkoppling.

So in this particular situation,

I det här fallet

it's a scan of a living person.

är det en scanning av en levande person.

I have this pen, and I look at the data,

Jag har den här pennan och jag tittar på datan,

and I move the pen towards the head,

och jag rör pennan mot huvudet,

and all of a sudden I feel resistance.

och helt plötsligt känner jag ett motstånd.

So I can feel the skin.

Så jag kan känna huden.

If I push a little bit harder, I'll go through the skin,

Om jag trycker lite hårdare kommer jag igenom huden,

and I can feel the bone structure inside.

och jag kan känna benstrukturen inuti.

If I push even harder, I'll go through the bone structure,

Om jag trycker ännu hårdare kommer jag igenom skelettet,

especially close to the ear where the bone is very soft.

särskilt i närheten av örat där benet är väldigt mjukt.

And then I can feel the brain inside, and this will be the slushy like this.

Sen kan jag känna hjärnan inuti, och den kommer vara slaskig som så här.

So this is really nice.

Så det här är väldigt trevligt.

And to take that even further, this is a heart.

För att ta det ännu längre, detta är ett hjärta.

And this is also due to these fantastic new scanners,

Och detta är också tack vare dom här fantastiska nya maskinerna,

that just in 0.3 seconds,

som på bara 0,3 sekunder,

I can scan the whole heart,

kan scanna hela hjärtat,

and I can do that with time resolution.

och jag kan göra det med tidsupplösning.

So just looking at this heart,

Så bara genom att titta på det här hjärtat --

I can play back a video here.

Jag kan spela upp en video här.

And this is Karljohan, one of my graduate students

Detta är Karl-Johan, en av mina doktorander

who's been working on this project.

som har arbetat på det här projektet.

And he's sitting there in front of the Haptic device, the force feedback system,

Han sitter där framför haptikkontrollen, force feedback-systemet,

and he's moving his pen towards the heart,

och han rör pennan mot hjärtat,

and the heart is now beating in front of him,

och hjärtat slår nu framför honom,

so he can see how the heart is beating.

så han kan se hur hjärtat slår.

He's taken the pen, and he's moving it towards the heart,

Han tar pennan och rör den mot hjärtat,

and he's putting it on the heart,

och han sätter den på hjärtat,

and then he feels the heartbeats from the real living patient.

och sen känner han hjärtslagen från den levande patienten.

Then he can examine how the heart is moving.

Sedan kan han undersöka hur hjärtat rör sig.

He can go inside, push inside of the heart,

Han kan trycka sig in inuti hjärtat,

and really feel how the valves are moving.

och riktigt känna hur klaffarna rör sig.

And this, I think, is really the future for heart surgeons.

Och detta, tror jag, är framtiden för hjärtkirurger.

I mean it's probably the wet dream for a heart surgeon

Jag menar det är förmodligen en våt dröm för en hjärtkirurg

to be able to go inside of the patient's heart

att kunna gå inuti en patients hjärta

before you actually do surgery,

innan du gör det riktiga kirurgiska ingreppet,

and do that with high-quality resolution data.

och gör det med högkvalitativ, högupplöst data.

So this is really neat.

Så det här är jättebra.

Now we're going even further into science fiction.

Nu rör vi oss ännu längre in i framtidens science fiction.

And we heard a little bit about functional MRI.

Vi hörde lite om funktionell MRI.

Now this is really an interesting project.

Det här är ett riktigt intressant projekt.

MRI is using magnetic fields

MRI använder sig av magnetfält

and radio frequencies

och radiofrekvenser

to scan the brain, or any part of the body.

för att scanna hjärnan, eller vilken kroppsdel som helst.

So what we're really getting out of this

Så vad vi egentligen får ut av detta

is information of the structure of the brain,

är information om hjärnans struktur,

but we can also measure the difference

men vi kan också mäta skillnaden

in magnetic properties of blood that's oxygenated

av magnetiska egenskaper mellan blod som är syresatt

and blood that's depleted of oxygen.

och blod som är syrefattigt.

That means that it's possible

Det innebär att det är möjligt

to map out the activity of the brain.

att kartlägga hjärnaktiviteten.

So this is something that we've been working on.

Så detta är något vi har jobbat på.

And you just saw Motts the research engineer, there,

Och ni såg precis forskningsingenjören Mats

going into the MRI system,

åka in i MRI-systemet,

and he was wearing goggles.

och han hade på sig ett par glasögon.

So he could actually see things in the goggles.

Så han kunde se saker i dom här glasögonen.

So I could present things to him while he's in the scanner.

Så jag kunde visa saker för honom medan han låg i scannern.

And this is a little bit freaky,

Och det här är lite galet,

because what Motts is seeing is actually this.

för vad Mats ser är egentligen detta.

He's seeing his own brain.

Han ser sin egen hjärna.

So Motts is doing something here,

Så Mats gör någonting här.

and probably he is going like this with his right hand,

Troligtvis gör han så här med sin högerhand,

because the left side is activated

för den vänstra sidan aktiveras

on the motor cortex.

på den primära motoriska barken.

And then he can see that at the same time.

Och sen kan han se det samtidigt.

These visualizations are brand new.

Dessa visualiseringar är helt nya.

And this is something that we've been researching for a little while.

Detta är något som vi har forskat i ett tag.

This is another sequence of Motts' brain.

Det här är en annan sekvens av Mats hjärna.

And here we asked Motts to calculate backwards from 100.

Här bad vi Mats räkna baklänges från 100.

So he's going "100, 97, 94."

Så han tänker "100, 97, 94".

And then he's going backwards.

Och så fortsätter han.

And you can see how the little math processor is working up here in his brain

Man kan se hur den lilla matteprocessorn jobbar här uppe i hans hjärna

and is lighting up the whole brain.

och lyser upp hela hjärnan.

Well this is fantastic. We can do this in real time.

Det här är fantastiskt. Vi kan göra det här i realtid.

We can investigate things. We can tell him to do things.

Vi kan undersöka saker. Vi kan be honom göra saker.

You can also see that his visual cortex

Man kan också se att hans syncentrum

is activated in the back of the head,

är aktiverat på baksidan av huvudet,

because that's where he's seeing, he's seeing his own brain.

för det är där han ser, han ser sin egen hjärna.

And he's also hearing our instructions

Han hör också våra instruktioner

when we tell him to do things.

när vi ber honom göra saker.

The signal is really deep inside of the brain as well,

Signalen är väldigt djup inuti hjärnan också,

and it's shining through,

men den skiner igenom,

because all of the data is inside this volume.

för all data är inuti den här volymen.

And in just a second here you will see --

Om en sekund kommer ni få se --

okay, here. Motts, now move your left foot.

Okej, här. Mats, rör på din vänsterfot.

So he's going like this.

Så han gör så här.

For 20 seconds he's going like that,

I 20 sekunder gör han så,

and all of a sudden it lights up up here.

och helt plötsligt lyser det upp här uppe.

So we've got motor cortex activation up there.

Så vi har aktivering av den motoriska barken där uppe.

So this is really, really nice,

Så det här är riktigt bra.

and I think this is a great tool.

Och jag tycker det här är ett mycket bra redskap.

And connecting also with the previous talk here,

För att knyta an till den tidigare presentationen,

this is something that we could use as a tool

så är detta någonting vi skulle kunna använda som ett verktyg

to really understand

för att verkligen förstå

how the neurons are working, how the brain is working,

hur neuroner fungerar, hur hjärnan fungerar,

and we can do this with very, very high visual quality

och vi kan göra detta med väldigt hög visuell kvalitet

and very fast resolution.

och väldigt hög tidsupplösning.

Now we're also having a bit of fun at the center.

Vi har också lite roligt på vårt center.

So this is a CAT scan -- Computer Aided Tomography.

Det här är en CAT scan -- "Computer Aided Tomography" (datortomografi).

So this is a lion from the local zoo

Det här är ett lejon från den lokala djurparken

outside of Norrkoping in Kolmarden, Elsa.

utanför Norrköping - Kolmården. Elsa.

So she came to the center,

Så hon kom till centret,

and they sedated her

och dom gav henne bedövning

and then put her straight into the scanner.

innan hon åkte in i scannern.

And then, of course, I get the whole data set from the lion.

Sen får jag hela datauppsättningen av lejonet.

And I can do very nice images like this.

Och jag kan göra så här fina bilder.

I can peel off the layer of the lion.

Jag kan skala av lager av lejonet.

I can look inside of it.

Jag kan titta inuti det.

And we've been experimenting with this.

Vi har experimenterat med detta

And I think this is a great application

och jag tycker det är jättebra tillämpning

for the future of this technology,

för framtiden av den här teknologin.

because there's very little known about the animal anatomy.

För man vet väldigt lite om djurs anatomi.

What's known out there for veterinarians is kind of basic information.

Den vetskap som finns där ute för veterinärer är ganska enkel information.

We can scan all sorts of things,

Vi kan scanna alla möjliga saker,

all sorts of animals.

alla sorters djur.

The only problem is to fit it into the machine.

Det enda problemet är att få in det i maskinen.

So here's a bear.

Här är en björn.

It was kind of hard to get it in.

Det var rätt svårt att få in den.

And the bear is a cuddly, friendly animal.

Och björnen är ett gosigt, vänligt djur.

And here it is. Here is the nose of the bear.

Här är den. Här är björnens nos.

And you might want to cuddle this one,

Man vill kanske gosa med den här,

until you change the functions and look at this.

tills man ändrar inställningarna och tittar på detta.

So be aware of the bear.

Så var akta er för björnen.

So with that,

Så med det

I'd like to thank all the people

skulle jag vilja tacka alla de

who have helped me to generate these images.

som har hjälpt mig skapa dessa bilder.

It's a huge effort that goes into doing this,

Det är en enorm ansträngning som lagts på detta,

gathering the data and developing the algorithms,

att samla all data och utveckla algoritmerna,

writing all the software.

koda all mjukvara.

So, some very talented people.

Väldigt talangfulla människor.

My motto is always, I only hire people that are smarter than I am

Mitt motto är alltid att bara anställa folk som är smartare än jag

and most of these are smarter than I am.

och dom flesta av dessa är smartare än jag.

So thank you very much.

Tack så mycket.

(Applause)

(Applåder)