Anders Ynnerman: Visualizing the medical data explosion

Anders Ynnerman: Tıbbi veri patlamasını görüntülemek

Çeviri: Isil Arican Gözden geçirme: Cevat Erisken

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

Size öncelikle karşılaştığımız bir zorluktan,

the challenge of dealing with data,

verilerle uğraşmanın, tıbbi durumlara

data that we have to deal with

ait olan verilerle uğraşmanın zorluğundan

in medical situations.

bahsetmek istiyorum.

It's really a huge challenge for us.

Bu bizim için gerçekten de çok büyük bir zorluk,

And this is our beast of burden --

en zorlandığımız şey bu.

this is a Computer Tomography machine,

Bu bir bilgisayarlı tomografi cihazı --

a CT machine.

bir BT cihazı.

It's a fantastic device.

Müthiş bir cihaz.

It uses X-rays, X-ray beams,

X-ışınlarını kullanıyor,

that are rotating very fast around the human body.

insan vücudu etrafında hızla dönen X ışınlarını kullanıyor.

It takes about 30 seconds to go through the whole machine

Makineye girip çıkmak yaklaşık 30 saniye sürüyor

and is generating enormous amounts of information

ve bu sürenin sonunda makina inanılmaz miktarlarda

that comes out of the machine.

veri üretiyor.

So this is a fantastic machine

Bu, sağlık hizmetlerini

that we can use

iyileştirmek için kullanabileceğimiz

for improving health care,

müthiş bir cihaz. Ama daha önce belirttiğim gibi

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

aynı zamanda büyük bir sorun.

And the challenge is really found in this picture here.

Zorluğu bu resimde görmek mümkün.

It's the medical data explosion

Şu an yaşadığımız bir nevi tıbbi

that we're having right now.

veri patlaması.

We're facing this problem.

Yaşadığımız sorun bu.

And let me step back in time.

Sizi zamanda geri götürmeme izin verin.

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

Birkaç yıl geriye gidelim ve o zaman bunların nasıl olduğuna bakalım.

These machines that came out --

Bu makineler 1970'li yıllarda

they started coming in the 1970s --

ortaya çıkmaya başladı.

they would scan human bodies,

İnsan vücudunu tarıyorlar ve

and they would generate about 100 images

insan vücuduna ait yaklaşık

of the human body.

100 görüntü üretiyorlardı.

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

Konuyu daha iyi açıklamak için

to translate that to data slices.

bunu veri dilimlerine çevirmek istiyorum.

That would correspond to about 50 megabytes of data,

Bunlar yaklaşık 50 MB veriye denk geliyordu,

which is small

ki bugün mobil cihazlarımızda uğraştığımız

when you think about the data we can handle today

veri miktarını düşünecek olursanız

just on normal mobile devices.

bu oldukça ufak bir veri.

If you translate that to phone books,

Bunu telefon rehberi birimine çevirecek olursanız,

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

yerden 1 metre yüksekliği olan bir telefon rehberi sütunu demek.

Looking at what we're doing today

Şimdi de bugün sahip olduğumuz

with these machines that we have,

makinelerle yaptıklarımıza bir bakalım,

we can, just in a few seconds,

sadece birkaç saniye içinde,

get 24,000 images out of a body,

vücuttan 24 bin görüntü alabiliyoruz.

and that would correspond to about 20 gigabytes of data,

Bu yaklaşık 20 GB veri demek,

or 800 phone books,

ya da 800 telefon rehberi.

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

Üstüste koysanız bu yaklaşık 200 metre eder.

What's about to happen --

Gördüğünüz, görmekte olduğunuz

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

şu anda süregelen bu teknoloji trendi ile

a technology trend that's happening right now

artık zamana bağlı durumlarla da

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

ilgilenmeye başlıyoruz.

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

Artık vücuttan ilgili dinamikleri de alabiliyoruz.

And just assume

Farz edin ki

that we will be collecting data during five seconds,

beş saniye boyunca veri toplayacağız,

and that would correspond to one terabyte of data --

bu bir terabayt veriye eşdeğer olacaktır.

that's 800,000 books

Bu 800.000 kitap ve

and 16 kilometers of phone books.

16 km yüksekliğinde bir telefon rehberi kulesi demek.

That's one patient, one data set.

Bu tek bir hasta, bir veri seti.

And this is what we have to deal with.

Altından kalkmamız gereken sorun da bu.

So this is really the enormous challenge that we have.

Yani gerçekten önümüzde müthiş bir zorluk var.

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

Ve bugün bile, -- bu 250 bin görüntü.

Imagine the days

Bunları radyoloji uzmanlarının

when we had radiologists doing this.

yaptığı günleri düşünün.

They would put up 25,000 images,

25 bin görüntüye bakıp,

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

"evet, evet, 25 bin, evet...

There is the problem."

Hah, işte problem şurada." diyeceklerdi.

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

Bunu artık yapamıyorlar; bu imkansız.

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

Bu nedenle, artık bunu yapabilecek daha akıllı birşeye ihtiyacımız var.

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

Bu nedenle, bütün bu dilimleri bir araya getiriyoruz.

Imagine that you slice your body in all these directions,

Vücudunuzu tüm yönlerde dilimlediğinizi hayal edin,

and then you try to put the slices back together again

Daha sonra da bu dilimleri tekrar birleştirmeye çalışıyorsunuz,

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

tek bir bilgi yığını halinde, bir blok veri.

So this is really what we're doing.

İşte bizim gerçekte yaptığımız bu.

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

Bu bir gigabayt ya da terabaytlık veriyi bir blok halinde yığıyoruz.

But of course, the block of data

Ama elbette, bu veri yığını

just contains the amount of X-ray

insan vücudundaki her nokta

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

tarafından soğrulan X-ışını miktarı kadar veri içeriyor.

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

Bu nedenle, yapmamız gereken

of looking at the things we do want to look at

bakmak istediğimiz şeyleri bize gösteren

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

görmek istemediklerimizi ise şeffaflaştıran bir yöntem bulmak.

So transforming the data set

Bu veri dizisini şuna benzer

into something that looks like this.

bir şeye dönüştürüyoruz.

And this is a challenge.

İşte işin zor olan kısmı bu.

This is a huge challenge for us to do that.

Bu, bizim aşmamız gereken ciddi bir engel.

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

Gigabaytlarca veriyi işlemek için bilgisayarları kullanmak,

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

her ne kadar her geçen anda daha hızlı ve iyi oluyorlarsa da

terabytes of data

terbaytlarca veriyi işlemek ve işe yarar

and extracting the relevant information.

veriyi içlerinden ayıklamak gerçekten zor.

I want to look at the heart.

Kalbe bakmak istiyorum,

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

kan damarlarına bakmak istiyorum, karaciğere bakmak istiyorum,

Maybe even find a tumor,

hatta bazı vakalarda

in some cases.

bir tümör arıyorum.

So this is where this little dear comes into play.

İşte bu ufaklığın devreye girdiği an bu.

This is my daughter.

Bu benim kızım.

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

Burada saat sabah 9:00,

She's playing a computer game.

ve o bilgisayarda oyun oynuyor.

She's only two years old,

Henüz sadece iki yaşında,

and she's having a blast.

ve acayip eğleniyor.

So she's really the driving force

Grafik işlemci geliştirme birimlerinin

behind the development of graphics-processing units.

arkasındaki itici güç gerçekte o.

As long as kids are playing computer games,

Çocuklar bilgisayar oynamaya devam ettikleri sürece

graphics is getting better and better and better.

grafikler her geçen gün daha iyiye gidecektir.

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

Bu nedenle eve gidince, çocuklarınıza bilgisayarda oyun oynamalarını söyleyin.

because that's what I need.

Çünkü ihtiyacımız olan şey bu.

So what's inside of this machine

Bakın, bu makinenin içinde

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

tıbbi verilerle yaptığım bu işleri

with the medical data.

yapmamı sağlayan düzenek mevcut.

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

Aslında kullandıklarım bu ufak müthiş cihazlar.

And you know, going back

Biliyorsunuz ya, geçmişe gidecek olursak

maybe 10 years in time

belki de 10 yıl geriye,

when I got the funding

ilk grafik bilgisayarımı almamı sağlayan

to buy my first graphics computer --

ödeneği aldığım zamana.

it was a huge machine.

O zamanlar bunlar dev gibi makinelerdi.

It was cabinets of processors and storage and everything.

İşlemciler, yedekleyiciler kocaman dolaplardı.

I paid about one million dollars for that machine.

Bu makine için yaklaşık bir milyon dolar ödemiştim.

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

Bu makine, yaklaşık benim bugün kullandığım iPhone hızında.

So every month there are new graphics cards coming out,

Her ay yeni bir görüntü kartı piyasaya çıkıyor.

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

Burada tedarikçilerin son makinelerinden örnekler var --

NVIDIA, ATI, Intel is out there as well.

NVIDIA, ATI, Intel de bunlardan biri.

And you know, for a few hundred bucks

Biliyorsunuz, birkaç yüz dolar verirseniz

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

bunlardan birini alıp evdeki bilgisayarınıza takabilir

and you can do fantastic things with these graphics cards.

ve bu görüntü kartları ile muhteşem şeyler yapabilirsiniz.

So this is really what's enabling us

Bizim, tıp alanındaki patlama yapan

to deal with the explosion of data in medicine,

veri ile uğraşmamızı sağlayan şey bu,

together with some really nifty work

algoritma içeren hoş birkaç

in terms of algorithms --

iş ile birlikte --

compressing data,

veri sıkıştırma ve

extracting the relevant information that people are doing research on.

araştırmadaki anlamlı veriyi diğerlerinin arasından bulma.

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

Size neler yapabildiğimize ilişkin birkaç örnek vermek istiyorum.

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

Bu veri seti bir BT tarayıcı kullanılarak elde edildi.

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

Bunun eksiksiz bir veri olduğunu görüyorsunuz.

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

O bir kadın. Saçları görebiliyorsunuz.

You can see the individual structures of the woman.

Kadının vücudunun detaylarını seçebilirsiniz.

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

Burada, dişlerde X-ışını saçılımlarını

on the teeth, the metal in the teeth.

görebilirsiniz, bunlar dişlerdeki metaller.

That's where those artifacts are coming from.

Bu artifaktlar buradan geliyor.

But fully interactively

Ama aynen normal bir bilgisayardaki

on standard graphics cards on a normal computer,

standart bir grafik kartı gibi,

I can just put in a clip plane.

verileri bir klip haline getirebilirim.

And of course all the data is inside,

Elbette bütün veri burada, içinde.

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

Böylece sağa sola çevirebilir, istediğim açılardan bakabilirim.

and I can see that this woman had a problem.

Bakınca bu kadının bir sorunu olduğunu görebiliyorum.

She had a bleeding up in the brain,

Beyninde bir kanama var.

and that's been fixed with a little stent,

Ufak bir stent ile tamir edilmiş,

a metal clamp that's tightening up the vessel.

yani damarı tıkayan bir metal kliple.

And just by changing the functions,

Fonksiyonları değiştirerek,

then I can decide what's going to be transparent

neyin saydam olacağını, neyin görünür

and what's going to be visible.

olacağını ayarlayabilirim.

I can look at the skull structure,

Kafatasının yapısına bakabilirim,

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

bu kadının kafatasını açtıkları yeri görebilirim,

and that's where they went in.

ve işte beyine buradan girmişler.

So these are fantastic images.

Yani bunlar muhteşem görüntüler.

They're really high resolution,

Yüksek çözünürlüklü görüntüler,

and they're really showing us what we can do

ve bugün standart bir grafik kartı ile

with standard graphics cards today.

neler yapabileceğimizi gösteriyorlar.

Now we have really made use of this,

Bunları pekçok yerde kullandık ve

and we have tried to squeeze a lot of data

sisteme epey veri yüklemeye

into the system.

çalıştık.

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

Üzerinde uğraştığımız uygulamalardan biri de --

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

ki bu dünya çapında epey ilgi çekti --

is the application of virtual autopsies.

bu verilerin sanal otopsilerde kullanılması.

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

Anımsayın, çok ama çok büyük veri setlerine baktınız ve

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

bizim bu tüm-vücut taraması ile neler yapabildiğimizi gördünüz.

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

Vücudu bir bütün olarak BT tarayıcısından geçiriyoruz,

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

ve birkaç saat içinde tüm-vücut veri seti elde edebiliyoruz.

So this is from a virtual autopsy.

Bu görüntü, bir sanal otopsiden.

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

Nasıl kat kat soyulduğunu görebiliyorsunuz.

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

İlk gördüğünüz vücudun içinde geldiği ceset torbası,

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

sonra deriyi soyuyorum --kasları görebilirsiniz--

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

sonunda bu kadının kemiklerine kadar ineceksiniz.

Now at this point, I would also like to emphasize

Bu noktada, size şimdi göstereceğim kişilerin

that, with the greatest respect

görüntülerine büyük bir saygı duyduğumu

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

belirtmek isterim.

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

Size birkaç sanal otopsi örneği göstereceğim --

so it's with great respect for the people

göstereceğim örneklerde yer alan

that have died under violent circumstances

vahşice öldürülen bu insanlara

that I'm showing these pictures to you.

büyük saygı duyduğumu belirtmek isterim.

In the forensic case --

Adli bir vakada --

and this is something

ki geçtiğimiz dört yıl içinde

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

benim de yaşadığım İsveç'in bu bölgesinde

just in the part of Sweden that I come from

her yıl sanal otopsi yapılan

that has been undergoing virtual autopsies

yaklaşık 400 vaka

in the past four years.

mevcut.

So this will be the typical workflow situation.

Bu vakalardaki tipik iş akışı şöyledir.

The police will decide --

Polis akşamdan vakalara karar verir

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

bir vaka geldiğinde --

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

tamam derler, bu otopsi yapılması gereken bir vaka.

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

Böylece, sabahleyin, saat 6 ile 7 arasında

the body is then transported inside of the body bag

cesetler, ceset torbalarının içinde

to our center

merkezimize getirilirler ve

and is being scanned through one of the CT scanners.

BT tarayıcılarından biri ile taranırlar.

And then the radiologist, together with the pathologist

Daha sonra radyolog ve patolog,

and sometimes the forensic scientist,

bazen de adli tıp uzmanı

looks at the data that's coming out,

bir araya gelirler ve

and they have a joint session.

çıkan verilere bakarlar.

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

Ancak bundan sonra vakaya gerçek otopsi yapıp yapmamaya karar verilir.

Now looking at a few cases,

Birkaç örnek vakaya beraber bakalım.

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

Bu ilk vakalarımızdan biri.

You can really see the details of the data set.

Veri setinin detaylarını gerçekten de görebilirsiniz;

It's very high-resolution,

çok yüksek çözünürlükte.

and it's our algorithms that allow us

Tüm detaylara yakın görüş imkanı sağlayan şey

to zoom in on all the details.

bizim algoritmalarımız.

And again, it's fully interactive,

Tekrar belirteyim, bunlar tamamen interaktif,

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

yani buradaki sistemleri döndürebilir ve

on these systems here.

istediğiniz şeye gerçek zamanlı olarak bakabilirsiniz.

Without saying too much about this case,

Bu vaka hakkında çok birşey söylemeye gerek yok,

this is a traffic accident,

bu bir trafik kazası,

a drunk driver hit a woman.

alkollü bir sürücü bu kadına çarpmış.

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

Kemik yapılarındaki hasarı görmek çok ama çok kolay.

And the cause of death is the broken neck.

Ölüm nedeni boyun kırılması.

And this women also ended up under the car,

Aynı zamanda araba bu kadının üzerinden de geçmiş,

so she's quite badly beaten up

bu kaza gerçekten onu

by this injury.

çok ciddi şekilde zedelemiş.

Here's another case, a knifing.

Bu başka bir vaka, bir bıçaklanma.

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

Bu vaka da neler yapabileceğimizi çok iyi gösteriyor.

It's very easy to look at metal artifacts

Vücut içinde kalan metal kalıntılarına

that we can show inside of the body.

bakmamız çok kolay.

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

Dişlerde de bazı artifaktlar görüyorsunuz --

that's actually the filling of the teeth --

bunlar diş dolguları --

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

bunları görüyorsunuz çünkü ayarları sadece metalleri gösterecek

and make everything else transparent.

ve bunun dışındaki herşeyi şeffaflaştıracak hale getirdim.

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

Bu bir başka şiddet vakası. Bu kişiyi öldüren şey bu değil.

The person was killed by stabs in the heart,

Bu kişi, kalbinden bıçaklandığı için ölmüş,

but they just deposited the knife

ama katiller işleri bitince bıçağı

by putting it through one of the eyeballs.

göz kürelerinden birine saplayıp bırakmışlar.

Here's another case.

Bu başka bir vaka.

It's very interesting for us

Bizim için, bu tip bıçaklanma olaylarına

to be able to look at things like knife stabbings.

böyle bakabiliyor olmak çok ilginç.

Here you can see that knife went through the heart.

Burada bıçağın kalbi nasıl deldiğini görüyorsunuz.

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

Havanın bir taraftan diğer tarafa sızdığını görmek

from one part to another part,

çok kolay.

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

Ki bunu görmek standart bir otopside çok zordur.

So it really, really helps

Bu teknik, adli kovuşturmada

the criminal investigation

ölüm nedenini bulma konusunda

to establish the cause of death,

çok ama çok yardımcı olup,

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

bazı vakalarda soruşturmanın doğru yöne gitmesini sağlayarak

to find out who the killer really was.

katilin bulunmasına yardımcı oluyor.

Here's another case that I think is interesting.

Benim ilginç bulduğum bir başka vaka.

Here you can see a bullet

Burada, bu kişinin

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

omurgasına saplanmış olan bu kurşunu görebiliyorsunuz.

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

yaptığımız kurşunu bir ışık kaynağı haline getirmek,

so that bullet is actually shining,

böylece ışıldıyor ve

and it makes it really easy to find these fragments.

onu bu parçalar arasında bulmak kolaylaşıyor.

During a physical autopsy,

Fiziksel bir otopside,

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

bu parçaları bulmak için organların arasını eşelemeniz gerekir,

that's actually quite hard to do.

ki bu oldukça zor bir şeydir.

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

Bugün, burada size göstermekten

to be able to show you here today

mutluluk duyduğum şeylerden biri de

is our virtual autopsy table.

bizim sanal otopsi masamız.

It's a touch device that we have developed

Bu algoritmaları baz alarak ve standart grafik GPU'ları kullanarak

based on these algorithms, using standard graphics GPUs.

geliştirdiğimiz bir dokunmatik cihaz.

It actually looks like this,

Aslında şöyle birşey,

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

size nasıl olduğunu anlatmak istiyorum.

It really just works like a huge iPhone.

Dev bir iPhone gibi çalışıyor aslında.

So we've implemented

Bir masada yapacağınız tüm hareketleri

all the gestures you can do on the table,

buna uyarladık. Bunu dev

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

bir dokunmatik arayüz olarak düşünün.

So if you were thinking of buying an iPad,

Yani eğer bir iPad almayı planlıyorsanız,

forget about it. This is what you want instead.

boşverin, onun yerine bunu alın.

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

Steve, umarım sen de izliyorsundur bunu.

So it's a very nice little device.

Yani bu çok hoş bir cihaz.

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

Eğer bir fırsat bulursanız mutlaka deneyin.

It's really a hands-on experience.

Bizzat yaşanması gereken bir deneyim.

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

Biraz ilgi yarattık, şimdi bunu yaygınlaştırmaya ve

and trying to use it for educational purposes,

eğitim amaçlı kullanılmasını sağlamaya çalışıyoruz,

but also, perhaps in the future,

hatta ileride belki

in a more clinical situation.

klinik ortamda da kullanılabilir.

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

Bu bilgiyi başkaları ile de paylaşmak isterseniz

if you want to convey the information to other people

You Tube'da sanal otopsilerle ilgili bir video var,

about virtual autopsies.

izleyebilir veya yükleyebilirsiniz.

Okay, now that we're talking about touch,

Peki, dokunmaktan bahsediyorduk,

let me move on to really "touching" data.

veriye gerçekten dokunmaya geçelim.

And this is a bit of science fiction now,

Bunun biraz bilim kurgu gibi göründüğünü biliyorum,

so we're moving into really the future.

işte şimdi geleceğe doğru bakıyoruz.

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

Bu, doktorların şu an kullanmakta olduğu bir şey değil,

but I hope they will in the future.

ama umuyorum gelecekte olacak.

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

Solda gördüğünüz bir dokunmatik cihaz.

It's a little mechanical pen

Küçük mekanik bir kalem.

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

Bu kalemin içinde çok hızlı step motorları var,

And so I can generate a force feedback.

böylelikle bir güç geribildiriminde bulunabiliyor.

So when I virtually touch data,

Yani gerçek anlamda veriye dokunduğum zaman,

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

bu, kalemde dokunma kuvvetleri yaratacak, ve ben bir geribildirim alacağım.

So in this particular situation,

Bu örnekte, veri,

it's a scan of a living person.

yaşayan bir insanın tomografisi.

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

Elimde bu kalemle veriye bakıyorum,

and I move the pen towards the head,

kalemi kafaya doğru yaklaştırıyorum,

and all of a sudden I feel resistance.

birden bir engel hissediyorum elimde.

So I can feel the skin.

Böylelikle deriyi hissedebiliyorum.

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

Biraz daha kuvvetle bastırırsam, deriyi geçebilirim,

and I can feel the bone structure inside.

ve içerideki kemik yapıyı hissedebilirim.

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

Daha da hızlı bastırırsam, kemik yapının da içine girebilirim,

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

özellikle de kemiğin yumuşak olduğu kulağa yakın yerlerdeysem.

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

Daha sonra içerideki beyin dokusunu hissedebilirim, böyle yumuşak bir hissi olacaktır.

So this is really nice.

Bu gerçekten çok güzel.

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

Daha da ileri gidecek olursak, bu kalp.

And this is also due to these fantastic new scanners,

Gene bu yeni tarayıcılar sayesinde,

that just in 0.3 seconds,

sadece 0.3 saniyede

I can scan the whole heart,

tüm kalbi tarayabilirim.

and I can do that with time resolution.

Bunu zaman çözünürlüklü yapabilirim.

So just looking at this heart,

Böylece kalbe bakarken,

I can play back a video here.

bu videoyu çalıştırabilirim.

And this is Karljohan, one of my graduate students

Bu Karljohan, bu projede çalışan

who's been working on this project.

doktora öğrencilerimden biri.

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

Burada, Haptic cihazının, bu güç geribildirimi cihazının önünde oturuyor,

and he's moving his pen towards the heart,

elindeki kalemi kalbe yaklaştırıyor,

and the heart is now beating in front of him,

şu an kalp önünde atıyor,

so he can see how the heart is beating.

böylelikle kalbin nasıl attığını görebiliyor.

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

Kalemi aline alıp kalbe doğru yaklaştırıyor,

and he's putting it on the heart,

kalbe dokunuyor,

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

ve yaşayan bir hastanın kalp atışlarını hissedebiliyor.

Then he can examine how the heart is moving.

Böylece kalbin hareketlerini inceleyebilir.

He can go inside, push inside of the heart,

Kalbin içine girip, içeriden dokunabilir,

and really feel how the valves are moving.

ve kalp kapaklarının nasıl hareket ettiğini hissedebilir.

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

Bence bu, kalp cerrahlarının geleceği.

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

Büyük ihtimalle kalp cerrahlarının fantazilerini bu cihaz süslüyordur,

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

ameliyat yapmadan önce,

before you actually do surgery,

hastanın kalbinin içine girip bakmak,

and do that with high-quality resolution data.

hem de yüksek çözünürlüklü veri ile.

So this is really neat.

Gerçekten fantazi.

Now we're going even further into science fiction.

Şimdi bilim kurgu alanına biraz daha girelim.

And we heard a little bit about functional MRI.

Daha önce işlevsel MRI ile ilgili birşeyler duymuştuk.

Now this is really an interesting project.

Şimdi bu gerçekten ilginç bir proje.

MRI is using magnetic fields

MRI, beyni ya da vücudun herhangi bir yerini

and radio frequencies

görüntüleyebilmek için

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

radyo dalgaları ya da manyetik alanlar kullanıyor.

So what we're really getting out of this

Burada bizim esas elde ettiğimiz şey

is information of the structure of the brain,

beynin yapısına ait bilgi elde etmek.

but we can also measure the difference

Fakat, aynı zamanda oksijen bakımından zengin kan ile

in magnetic properties of blood that's oxygenated

oksijeni az olan kan arasındaki

and blood that's depleted of oxygen.

manyetik özellikler farkını da ölçebiliriz.

That means that it's possible

Bu demek oluyor ki, beyin

to map out the activity of the brain.

faaliyetlerinin haritasını çıkarabiliriz.

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

Şu anda üzerinde çalıştığımız şey bu.

And you just saw Motts the research engineer, there,

Burada gördüğünüz Motts, bizim araştırma mühendisimiz

going into the MRI system,

MRI cihazına giriyor.

and he was wearing goggles.

Gözünde gözlükler var.

So he could actually see things in the goggles.

Bu gözlüklerle, tarayıcı içindeyken görebilir,

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

ben de ona tarayıcıdayken birşeyler gösterebilirim.

And this is a little bit freaky,

Bu biraz ürkütücü,

because what Motts is seeing is actually this.

çünkü Motts aslında bunu görüyor.

He's seeing his own brain.

Kendi beynini.

So Motts is doing something here,

Motts burada birşeyler yapıyor.

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

Muhtemelen sağ eliyle böyle yapıyor,

because the left side is activated

çünkü sol taraf

on the motor cortex.

motor korteks tarafından aktif durumda.

And then he can see that at the same time.

Aynı zamanda bunu da görebiliyor.

These visualizations are brand new.

Bu görseller çok yeni.

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

Son zamanlarda araştırdığımız şeylerden biri de bu.

This is another sequence of Motts' brain.

Bu gördüğünüz Motts'un beyninin bir başka aktivitesi.

And here we asked Motts to calculate backwards from 100.

Burada Motts'dan 100'den başlayarak geriye saymasını istedik.

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

"100, 97, 94...." diye sayıyor.

And then he's going backwards.

Geriye doğru sayarken,

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

beynin şurasındaki ufak matematik işlemcisinin çalıştığını ve

and is lighting up the whole brain.

bütün beyni aydınlattığını görebilirsiniz.

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

Muhteşem bir şey. Gerçek zamanlı olarak yapabiliriz bunu.

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

Bazı şeyleri araştırabilir. Ona birşeyler yapmasını söyleyebiliriz.

You can also see that his visual cortex

Aynız amanda kafasının arka kısmındaki

is activated in the back of the head,

görme alanının da aktif hale geldiğini görüyorsunuz,

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

çünkü baktığı şey bu, kendi beynine bakıyor.

And he's also hearing our instructions

Aynı zamanda biz ona birşeyler yapmasını söylediğimizde

when we tell him to do things.

bizim komutlarımızı da duyuyor.

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

Bu sinyal beynin epey derinlerinde olmasına rağmen,

and it's shining through,

ışıltısı görülebiliyor,

because all of the data is inside this volume.

bunun nedeni buradaki yüksek veri miktarı.

And in just a second here you will see --

Biraz sonra şunu göreceksiniz --

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

Tamam, burada. Motts sol ayağını oynatıyor.

So he's going like this.

Böyle yapıyor.

For 20 seconds he's going like that,

20 saniye boyunca böyle yapıyor,

and all of a sudden it lights up up here.

birden yukarılarda bir yer ışıldamaya başlıyor.

So we've got motor cortex activation up there.

Burada aktive olan yer motor korteks.

So this is really, really nice,

Bu gerçekten çok ama çok hoş.

and I think this is a great tool.

ve bence müthiş bir cihaz.

And connecting also with the previous talk here,

Bir önceki konuşmaya bir bağlantı yapacak olursam,

this is something that we could use as a tool

bu sinir hücrelerinin, beynin nasıl çalıştığını

to really understand

gerçekten de

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

anlamamıza yarayacak bir cihaz.

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

Ve bunu çok ama çok iyi bir çözünürlükle ve

and very fast resolution.

görüntü kalitesiyle yapabiliriz.

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

Bizim merkezimizde arada eğlendiğimiz zamanlar da oluyor.

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

Bu bir Bilgisayar Destekli Tomografi ( CAT scan).

So this is a lion from the local zoo

Bu yerel hayvanat bahçesinden bir aslan,

outside of Norrkoping in Kolmarden, Elsa.

Norrkoping'in heme dışından, Elsa, Kolmarden'den.

So she came to the center,

Bizim merkezimize geldi,

and they sedated her

onu uyuşturdular ve

and then put her straight into the scanner.

hemen tarayıcının içine koydular.

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

Elbette, bu aslana ait tüm veri setini ben de edindim.

And I can do very nice images like this.

Ve bu verilerle çok hoş görüntüler elde edebilirim.

I can peel off the layer of the lion.

Aslanın üzerinden bir tabaka sıyırabilirim.

I can look inside of it.

Onun içine bakabilirim.

And we've been experimenting with this.

Bununla epey bir deney yaptık.

And I think this is a great application

Bence, bu cihaz, bu teknolojinin

for the future of this technology,

geleceği için çok önemli.

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

Çünkü, hayvan anatomisi hakkında çok az şey biliniyor.

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

Veterinerler, çok basit ve temel şeyleri biliyorlar.

We can scan all sorts of things,

Her şeyi tarayıcıya sokabiliriz,

all sorts of animals.

her tür hayvanı.

The only problem is to fit it into the machine.

Tek sorun makineye sığıdarabilmek.

So here's a bear.

Burada bir ayı var.

It was kind of hard to get it in.

Makineye sokmak biraz zor oldu.

And the bear is a cuddly, friendly animal.

Ayı sevecen, yumoş bir hayvan değil mi?

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

İşte burada. Ayının burnunu görüyorsunuz.

And you might want to cuddle this one,

Ama fonksiyonları değiştirip de öyle bakarsanız

until you change the functions and look at this.

onu artık pek yumoş bulmayabilirsiniz.

So be aware of the bear.

Ayılara dikkat edin.

So with that,

Bu noktada,

I'd like to thank all the people

bu görüntüleri oluşturmama yardımcı olan

who have helped me to generate these images.

herkese çok teşekkür etmek istiyorum.

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

Bunu yapmak çok büyük bir emek gerektirdi,

gathering the data and developing the algorithms,

verileri toplamak, algoritmaları geliştirmek,

writing all the software.

bütün bu yazılımı yapmak.

So, some very talented people.

Hepsi çok yetenekli insanlar.

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

Benim prensibim her zaman, benden daha zeki insanları işe almak olmuştur

and most of these are smarter than I am.

ve bu kişilerin çoğu benden çok daha zeki.

So thank you very much.

Hepinize çok teşekkür ederim.

(Applause)

(Alkışlar)