I will start by posing a little bit of a challenge: the challenge of dealing with data, data that we have to deal with in medical situations. It's really a huge challenge for us. And this is our beast of burden -- this is a Computer Tomography machine, a CT machine. It's a fantastic device. It uses X-rays, X-ray beams, that are rotating very fast around the human body. It takes about 30 seconds to go through the whole machine and is generating enormous amounts of information that comes out of the machine. So this is a fantastic machine that we can use for improving health care, but as I said, it's also a challenge for us. And the challenge is really found in this picture here. It's the medical data explosion that we're having right now. We're facing this problem. And let me step back in time.
Je vais commencer par lancer un tout petit défi, le problème du traitement des données, des données que nous devons traiter dans le contexte médical. C'est vraiment un énorme défi pour nous. Et ceci est notre bête de somme. C'est un appareil à tomographie calculée par ordinateur -- un scanner CT. C'est un appareil extraordinaire. Il utilise les rayons X, des faisceaux de rayons X, qui tournent très rapidement autour du corps humain. Il faut environ 30 secondes pour passer à travers tout l'appareil et d'énormes quantités d'informations sont produites en sortie de la machine. C'est une machine extraordinaire que nous pouvons utiliser pour améliorer les soins de santé. Mais, comme je l'ai dit, c'est aussi un défi à relever. Toute l'ampleur du problème se trouve sur cette image. Il s'agit de l'explosion des données médicales qui se produit en ce moment même. C'est le problème auquel nous sommes confrontés. Laissez-moi revenir en arrière.
Let's go back a few years in time and see what happened back then. These machines that came out -- they started coming in the 1970s -- they would scan human bodies, and they would generate about 100 images of the human body. And I've taken the liberty, just for clarity, to translate that to data slices. That would correspond to about 50 megabytes of data, which is small when you think about the data we can handle today just on normal mobile devices. If you translate that to phone books, it's about one meter of phone books in the pile. Looking at what we're doing today with these machines that we have, we can, just in a few seconds, get 24,000 images out of a body, and that would correspond to about 20 gigabytes of data, or 800 phone books, and the pile would then be 200 meters of phone books. What's about to happen -- and we're seeing this; it's beginning -- a technology trend that's happening right now is that we're starting to look at time-resolved situations as well. So we're getting the dynamics out of the body as well. And just assume that we will be collecting data during five seconds, and that would correspond to one terabyte of data -- that's 800,000 books and 16 kilometers of phone books. That's one patient, one data set. And this is what we have to deal with.
Revenons quelques années en arrière, et observons ce qui se passait à l'époque. Les appareils qui sortaient alors -- ils ont commencé à arriver dans les années 70 -- scannaient le corps humain, et produisaient environ une centaine d'images de ce corps. J'ai pris la liberté, pour que ce soit plus clair, de traduire cela en termes de données numériques. Ça correspondrait à environ 50 Mo, ce qui est peu quand vous pensez aux quantités de données que nous pouvons manipuler de nos jours rien que sur nos portables normaux. Si vous traduisez ça en annuaires, ça fait une pile d'annuaires d'environ un mètre de haut. Quand on voit ce que l'on peut faire aujourd'hui avec les machines dont nous disposons, on peut, en seulement quelques secondes, obtenir 24 000 images d'un corps. Cela correspondrait à environ 20 Go, ou 800 annuaires. La pile d'annuaires ferait alors 200 mètres de haut. Ce qui va se produire -- et nous le voyons déjà, ça commence -- c'est une tendance technologique qui arrive en ce moment même, est que nous commençons également à regarder les images en temps réel. Nous obtenons également la dynamique du corps. Supposez seulement que nous ne recueillions des données que sur une durée de cinq secondes, cela correspondrait à un téraoctet de données. C'est à dire 800 000 annuaires, une pile de 16 km de haut. Et cela pour un seul patient, un seul examen. Voilà ce à quoi nous devons faire face.
So this is really the enormous challenge that we have. And already today -- this is 25,000 images. Imagine the days when we had radiologists doing this. They would put up 25,000 images, they would go like this, "25,0000, okay, okay. There is the problem." They can't do that anymore. That's impossible. So we have to do something that's a little bit more intelligent than doing this. So what we do is that we put all these slices together. Imagine that you slice your body in all these directions, and then you try to put the slices back together again into a pile of data, into a block of data. So this is really what we're doing. So this gigabyte or terabyte of data, we're putting it into this block. But of course, the block of data just contains the amount of X-ray that's been absorbed in each point in the human body. So what we need to do is to figure out a way of looking at the things we do want to look at and make things transparent that we don't want to look at. So transforming the data set into something that looks like this. And this is a challenge. This is a huge challenge for us to do that.
C'est vraiment l'énorme défi qui se présente à nous. Et dès aujourd'hui -- il s'agit de 25 000 images. Imaginez l'époque où les radiologues travaillaient de cette façon. Ils auraient affiché 25 000 clichés, et ils auraient dit 25 000 fois :" Tout va bien, tout va bien, Ah, voilà le problème. " On ne peut plus faire ça, c'est impossible. Alors on doit trouver quelque chose d'un peu plus intelligent que ça. Ce que nous faisons donc, c'est de regrouper toutes ces coupes. Imaginez que vous découpez votre corps dans tous les sens, et puis vous essayez de remettre les tranches ensemble pour former une pile de données, un bloc de données. C'est ce que nous faisons en réalité. Ce gigaoctet, ou téraoctet de données, nous le mettons dans ce bloc. Mais, bien sûr, le bloc de données n'indique que la quantité de rayons X qui a été absorbée par chaque point du corps humain. Nous devons donc trouver un moyen de voir les choses que nous voulons observer et de rendre transparentes les choses que nous ne voulons pas observer. C'est-à-dire de transformer l'ensemble des données en quelque chose qui ressemble à ça. Et c'est très difficile. Le défi pour nous est énorme.
Using computers, even though they're getting faster and better all the time, it's a challenge to deal with gigabytes of data, terabytes of data and extracting the relevant information. I want to look at the heart. I want to look at the blood vessels. I want to look at the liver. Maybe even find a tumor, in some cases. So this is where this little dear comes into play. This is my daughter. This is as of 9 a.m. this morning. She's playing a computer game. She's only two years old, and she's having a blast. So she's really the driving force behind the development of graphics-processing units. As long as kids are playing computer games, graphics is getting better and better and better. So please go back home, tell your kids to play more games, because that's what I need.
En utilisant des ordinateurs, même s'ils deviennent tout le temps plus rapides et meilleurs, il est très difficile de traiter des gigaoctets de données, des téraoctets de données, et d'en extraire les informations utiles. Je veux observer le cœur, je veux observer les vaisseaux sanguins, je veux observer le foie, peut-être même détecter une tumeur dans certains cas. Et voilà où ce petit amour entre en jeu. C'est ma fille. A 9 h 00, ce matin même. Elle joue à un jeu sur ordinateur. Elle n'a que deux ans, et elle s'éclate. C'est elle la vraie force motrice qui pousse au développement des cartes graphiques. Aussi longtemps que les gamins joueront à des jeux sur ordinateur, le traitement graphique continuera à s'améliorer de plus en plus. Alors rentrez chez vous, s'il vous plaît, et dites à vos enfants de jouer plus souvent, parce que j'en ai besoin.
So what's inside of this machine is what enables me to do the things that I'm doing with the medical data. So really what I'm doing is using these fantastic little devices. And you know, going back maybe 10 years in time when I got the funding to buy my first graphics computer -- it was a huge machine. It was cabinets of processors and storage and everything. I paid about one million dollars for that machine. That machine is, today, about as fast as my iPhone. So every month there are new graphics cards coming out, and here is a few of the latest ones from the vendors -- NVIDIA, ATI, Intel is out there as well. And you know, for a few hundred bucks you can get these things and put them into your computer, and you can do fantastic things with these graphics cards. So this is really what's enabling us to deal with the explosion of data in medicine, together with some really nifty work in terms of algorithms -- compressing data, extracting the relevant information that people are doing research on.
C'est ce qui est à l'intérieur de cet appareil qui me permet de faire ce que je j'accomplis avec les données médicales. Ce que je fais en vérité, c'est que j'utilise ces petits appareils extraordinaires. Et vous savez, si je reviens peut-être dix ans en arrière quand j'ai obtenu le financement pour acheter mon premier ordinateur de traitement graphique. C'était une énorme machine. C'était des rangées de processeurs, de stockage, de tout cela. J'ai payé cette machine aux alentours d'un million de dollars. Et elle était à peu près aussi rapide que mon iPhone aujourd'hui. Chaque mois il y a de nouvelles cartes graphiques qui sortent. En voici quelques unes des dernières mises en vente -- NVIDIA, ATI. Intel est également présent. Et vous savez, pour quelques centaines d'euros, vous pouvez les acquérir et les mettre dans votre ordinateur, et vous pouvez faire des choses extraordinaires avec ces cartes graphiques. C'est donc ce qui nous permet de faire face à l'explosion des données en médecine, ajouté à l'élaboration de quelques solutions très habiles en termes d'algorithmes -- de compression des données, d'extraction des informations utiles aux travaux des chercheurs.
So I'm going to show you a few examples of what we can do. This is a data set that was captured using a CT scanner. You can see that this is a full data [set]. It's a woman. You can see the hair. You can see the individual structures of the woman. You can see that there is [a] scattering of X-rays on the teeth, the metal in the teeth. That's where those artifacts are coming from. But fully interactively on standard graphics cards on a normal computer, I can just put in a clip plane. And of course all the data is inside, so I can start rotating, I can look at it from different angles, and I can see that this woman had a problem. She had a bleeding up in the brain, and that's been fixed with a little stent, a metal clamp that's tightening up the vessel. And just by changing the functions, then I can decide what's going to be transparent and what's going to be visible. I can look at the skull structure, and I can see that, okay, this is where they opened up the skull on this woman, and that's where they went in. So these are fantastic images. They're really high resolution, and they're really showing us what we can do with standard graphics cards today.
Je vais vous montrer quelques exemples de ce que nous pouvons faire. Voici un ensemble de données qui ont été relevées par un scanner CT. Vous pouvez voir que ces données sont complètes. C'est une femme. Vous pouvez voir les cheveux. Vous pouvez voir chaque organe de cette femme séparément. Vous pouvez voir qu'il y a un éparpillement de rayons X sur les dents, le métal des dents. C'est la raison de ces traces. Mais de façon complètement interactive, avec une carte graphique standard, sur un ordinateur normal, je peux faire une coupe plane. Et bien sûr, toutes les données sont à l'intérieur, je peux donc la faire tourner, je peux la voir sous différents angles, et je peux voir que cette femme a eu un problème. Elle a eu une hémorragie au cerveau, qui a été soignée par un petit stent, un tube en métal qui renforce le vaisseau. Et rien qu'en changeant les réglages, je peux décider de ce qui va être transparent, et de ce qui va être visible. Je peux observer la structure crânienne, et je peux voir que, oui, c'est là qu'on a ouvert le crâne de cette femme, et c'est par là qu'on est entré. Ce sont des images extraordinaires. Elles sont de très haute définition, et sont vraiment un exemple de ce qu'on peut faire aujourd'hui avec des cartes graphiques standard.
Now we have really made use of this, and we have tried to squeeze a lot of data into the system. And one of the applications that we've been working on -- and this has gotten a little bit of traction worldwide -- is the application of virtual autopsies. So again, looking at very, very large data sets, and you saw those full-body scans that we can do. We're just pushing the body through the whole CT scanner, and just in a few seconds we can get a full-body data set. So this is from a virtual autopsy. And you can see how I'm gradually peeling off. First you saw the body bag that the body came in, then I'm peeling off the skin -- you can see the muscles -- and eventually you can see the bone structure of this woman.
Alors on s'en est vraiment servi, et on a essayé de faire entrer plein de données dans le système. L'une des utilisations sur lesquelles nous travaillons -- et cela a suscité quelque intérêt dans le monde entier -- est le programme d'autopsies virtuelles. Une fois de plus, en partant de très très grands ensembles de données, vous avez vu ces scans en pied que nous pouvons faire. Nous faisons juste passer le corps à travers le scanner CT, et en seulement quelques secondes nous pouvons obtenir l'ensemble des données du corps entier. Ceci provient d'une autopsie virtuelle. Vous pouvez voir comment j'enlève progressivement les couches. En premier vous avez vu le sac dans lequel le corps est arrivé, puis j'enlève la peau -- vous pouvez voir les muscles -- et finalement vous pouvez voir le squelette de cette femme.
Now at this point, I would also like to emphasize that, with the greatest respect for the people that I'm now going to show -- I'm going to show you a few cases of virtual autopsies -- so it's with great respect for the people that have died under violent circumstances that I'm showing these pictures to you. In the forensic case -- and this is something that ... there's been approximately 400 cases so far just in the part of Sweden that I come from that has been undergoing virtual autopsies in the past four years. So this will be the typical workflow situation. The police will decide -- in the evening, when there's a case coming in -- they will decide, okay, is this a case where we need to do an autopsy? So in the morning, in between six and seven in the morning, the body is then transported inside of the body bag to our center and is being scanned through one of the CT scanners. And then the radiologist, together with the pathologist and sometimes the forensic scientist, looks at the data that's coming out, and they have a joint session. And then they decide what to do in the real physical autopsy after that.
A ce stade, je voudrais aussi souligner que, avec le plus grand respect pour les personnes que je vais maintenant vous montrer -- je vais vous montrer quelques cas d'autopsies virtuelles -- c'est avec un grand respect pour ces personnes qui sont mortes dans des circonstances violentes que je vous montre ces images. Dans le cadre médico-légal -- il y a eu jusqu'ici environ 400 cas, rien que dans la région de Suède d'où je viens, qui ont subi une autopsie virtuelle durant ces quatre dernières années. Voilà le déroulement de la situation typique : La police va décider -- dans la soirée, quand un cas se présente -- ils vont décider, d'accord, voilà un cas qui nécessite une autopsie. Le lendemain, entre six et sept heures du matin, le corps est transporté dans son sac jusqu'à notre Centre, et il est passé dans l'un de nos scanners CT. Puis le radiologue, en compagnie du pathologiste et parfois du médecin légiste, examinent les données qui sortent, et ils se concertent. Ils décident alors de ce qu'ils vont faire lors de la vraie autopsie qui va suivre.
Now looking at a few cases, here's one of the first cases that we had. You can really see the details of the data set. It's very high-resolution, and it's our algorithms that allow us to zoom in on all the details. And again, it's fully interactive, so you can rotate and you can look at things in real time on these systems here. Without saying too much about this case, this is a traffic accident, a drunk driver hit a woman. And it's very, very easy to see the damages on the bone structure. And the cause of death is the broken neck. And this women also ended up under the car, so she's quite badly beaten up by this injury.
Voyons maintenant quelques cas, voici l'un de nos tout premiers. Vous pouvez vraiment voir les détails de l'ensemble de données ; c'est à très haute définition. Et ce sont nos algorithmes qui nous permettent d'agrandir chaque détail. Là aussi, c'est totalement interactif, vous pouvez le faire pivoter et voir les choses en temps réel sur ces systèmes là. Sans trop en dire sur ce cas, il s'agit d'un accident de circulation, un chauffard ivre a renversé une femme. Il est très très facile de voir les dégâts sur le squelette. Et la cause du décès qui est la nuque brisée. Cette femme a de plus fini sous la voiture, alors elle est assez gravement abîmée par l'accident.
Here's another case, a knifing. And this is also again showing us what we can do. It's very easy to look at metal artifacts that we can show inside of the body. You can also see some of the artifacts from the teeth -- that's actually the filling of the teeth -- but because I've set the functions to show me metal and make everything else transparent. Here's another violent case. This really didn't kill the person. The person was killed by stabs in the heart, but they just deposited the knife by putting it through one of the eyeballs. Here's another case. It's very interesting for us to be able to look at things like knife stabbings. Here you can see that knife went through the heart. It's very easy to see how air has been leaking from one part to another part, which is difficult to do in a normal, standard, physical autopsy. So it really, really helps the criminal investigation to establish the cause of death, and in some cases also directing the investigation in the right direction to find out who the killer really was.
Voici un autre cas, une attaque au couteau. Ça nous montre une fois encore ce que nous pouvons faire. Il est très facile d'observer les objets en métal, nous pouvons les montrer à l'intérieur du corps. Vous pouvez aussi voir des objets dans la mâchoire -- ce sont en réalité les plombages -- mais c'est parce que j'ai réglé les fonctions pour faire apparaître le métal et rendre tout le reste transparent. Voici un autre cas de violence. Ce n'est pas vraiment ça qui a tué la personne. Elle a été tuée par des coups de poignard dans le cœur, mais ils se sont simplement débarrassé du couteau en l'enfonçant dans l'un des globes oculaires. Voici un autre cas. C'est très intéressant pour nous de pouvoir observer des choses comme les coups de couteau. Ici vous pouvez voir que le couteau a transpercé le cœur. On peut facilement voir comment l'air a fui d'un endroit à l'autre, ce qui est difficile dans une autopsie normale, standard. Cela aide énormément l'enquête criminelle à établir la cause du décès, et dans certains cas, à orienter l'enquête dans la bonne direction pour découvrir qui est vraiment le meurtrier.
Here's another case that I think is interesting. Here you can see a bullet that has lodged just next to the spine on this person. And what we've done is that we've turned the bullet into a light source, so that bullet is actually shining, and it makes it really easy to find these fragments. During a physical autopsy, if you actually have to dig through the body to find these fragments, that's actually quite hard to do.
Voici un autre cas que je trouve intéressant. Vous pouvez voir ici une balle qui s'est logée juste à côté de la colonne vertébrale de cette personne. Et ce que nous avons fait, c'est de transformer cette balle en source lumineuse, de façon à ce que la balle brille réellement, ce qui rend la recherche des fragments très facile. Lors d'une autopsie physique, si vous devez réellement fouiller le corps pour retrouver les fragments, c'est vraiment assez dur à faire.
One of the things that I'm really, really happy to be able to show you here today is our virtual autopsy table. It's a touch device that we have developed based on these algorithms, using standard graphics GPUs. It actually looks like this, just to give you a feeling for what it looks like. It really just works like a huge iPhone. So we've implemented all the gestures you can do on the table, and you can think of it as an enormous touch interface. So if you were thinking of buying an iPad, forget about it. This is what you want instead. Steve, I hope you're listening to this, all right. So it's a very nice little device. So if you have the opportunity, please try it out. It's really a hands-on experience. So it gained some traction, and we're trying to roll this out and trying to use it for educational purposes, but also, perhaps in the future, in a more clinical situation. There's a YouTube video that you can download and look at this, if you want to convey the information to other people about virtual autopsies.
Une des choses que je suis très très heureux de pouvoir vous montrer aujourd'hui est notre table d'autopsie virtuelle. C'est un appareil tactile que nous avons élaboré basé sur ces algorithmes, et qui utilise un processeur graphique standard. Voici de quoi cela a l'air en vrai, juste pour vous donner un idée de ce à quoi cela ressemble. Ça marche vraiment comme un énorme iPhone. Nous avons implémenté tous les gestes que vous pouvez faire sur une table classique, vous pouvez voir cela comme une énorme interface tactile. Alors si vous aviez l'intention d'acheter un iPad, laissez tomber, voilà ce qu'il vous faut à la place. Steve, j'espère bien que tu nous écoutes. C'est un petit appareil très sympa. Alors si vous en avez l'occasion, essayez-le. C'est vraiment une expérience concrète. Nous avons eu des réactions favorables, et nous essayons de le développer, et de l'utiliser à des fins pédagogiques, mais aussi, peut-être à l'avenir, dans un contexte plus clinique. Il y a une vidéo sur YouTube que vous pouvez télécharger et regarder, si vous voulez relayer l'information sur les autopsies virtuelles vers d'autres personnes.
Okay, now that we're talking about touch, let me move on to really "touching" data. And this is a bit of science fiction now, so we're moving into really the future. This is not really what the medical doctors are using right now, but I hope they will in the future. So what you're seeing on the left is a touch device. It's a little mechanical pen that has very, very fast step motors inside of the pen. And so I can generate a force feedback. So when I virtually touch data, it will generate forces in the pen, so I get a feedback. So in this particular situation, it's a scan of a living person. I have this pen, and I look at the data, and I move the pen towards the head, and all of a sudden I feel resistance. So I can feel the skin. If I push a little bit harder, I'll go through the skin, and I can feel the bone structure inside. If I push even harder, I'll go through the bone structure, especially close to the ear where the bone is very soft. And then I can feel the brain inside, and this will be the slushy like this.
Bon, puisque nous parlons de toucher, passons à la possibilité de toucher réellement les données. C'est un peu de la science-fiction, là, on se projette dans le futur. Ça n'est pas vraiment ce que les médecins utilisent actuellement, mais j'espère qu'ils le feront à l'avenir. Ce que vous voyez à gauche est un appareil tactile. C'est un petit stylet mécanique qui a des moteurs pas à pas extrêmement rapides à l'intérieur. Je peux donc produire un retour de force. Alors, quand je touche virtuellement les données cela va produire des retours de force dans le stylet, et j'obtiens ainsi une réaction. Dans ce cas précis, il s'agit du scan d'une personne vivante. J'ai ce stylet, et j'examine les données, je déplace le stylet vers la tête, et tout à coup, je sens une résistance. Et ainsi je peux sentir la peau. Si j'appuie un peu plus fort, je vais traverser la peau, et je pourrai sentir l'os à l'intérieur. Si j'appuie encore plus fort, je traverserai le crâne, particulièrement près de l'oreille, où l'os est très tendre. Et alors je pourrai sentir le cerveau à l'intérieur, et ça aura une consistance de neige fondue, comme ceci.
So this is really nice. And to take that even further, this is a heart. And this is also due to these fantastic new scanners, that just in 0.3 seconds, I can scan the whole heart, and I can do that with time resolution. So just looking at this heart, I can play back a video here. And this is Karljohan, one of my graduate students who's been working on this project. And he's sitting there in front of the Haptic device, the force feedback system, and he's moving his pen towards the heart, and the heart is now beating in front of him, so he can see how the heart is beating. He's taken the pen, and he's moving it towards the heart, and he's putting it on the heart, and then he feels the heartbeats from the real living patient. Then he can examine how the heart is moving. He can go inside, push inside of the heart, and really feel how the valves are moving. And this, I think, is really the future for heart surgeons. I mean it's probably the wet dream for a heart surgeon to be able to go inside of the patient's heart before you actually do surgery, and do that with high-quality resolution data. So this is really neat.
C'est vraiment bien. Et pour aller encore plus loin, voilà un cœur. C'est aussi grâce à ces nouveaux scanners extraordinaires, avec lesquels, en seulement 0,3 secondes, je peux scanner la totalité du cœur, et je peux le faire avec une dimension temporelle. Et donc, pour observer ce cœur, je peux faire tourner une vidéo. Voici Karljohan, l'un de mes étudiants de troisième cycle, qui travaille sur ce projet. Il est assis devant l'appareil haptique, le système de retour de force, et il déplace le stylet vers le cœur, et le cœur bat maintenant devant lui, pour qu'il puisse voir comment il bat. Il a pris le stylet, et il le déplace vers le cœur, il le pose sur le cœur, et il sent les battements de cœur du véritable patient en vie. Il peut alors examiner les mouvements du cœur. Il peut entrer à l'intérieur, pénétrer à l'intérieur du cœur, et sentir vraiment comment les valves bougent. Ceci, je crois, est vraiment l'avenir pour les chirurgiens cardiaques. Je veux dire, c'est probablement le plus grand fantasme pour un chirurgien du cœur que de pouvoir aller voir à l'intérieur du cœur du patient avant de passer à l'acte chirurgical, et de faire cela avec des données de qualité haute définition. C'est vraiment super.
Now we're going even further into science fiction. And we heard a little bit about functional MRI. Now this is really an interesting project. MRI is using magnetic fields and radio frequencies to scan the brain, or any part of the body. So what we're really getting out of this is information of the structure of the brain, but we can also measure the difference in magnetic properties of blood that's oxygenated and blood that's depleted of oxygen. That means that it's possible to map out the activity of the brain. So this is something that we've been working on. And you just saw Motts the research engineer, there, going into the MRI system, and he was wearing goggles. So he could actually see things in the goggles. So I could present things to him while he's in the scanner. And this is a little bit freaky, because what Motts is seeing is actually this. He's seeing his own brain. So Motts is doing something here, and probably he is going like this with his right hand, because the left side is activated on the motor cortex. And then he can see that at the same time. These visualizations are brand new. And this is something that we've been researching for a little while.
Maintenant nous allons encore un peu plus loin dans la science-fiction. Nous avons un peu entendu parler de l'IRM fonctionnelle. Voilà un projet vraiment intéressant. L'IRM utilise des champs magnétiques et des fréquences radio pour scanner le cerveau, ou n'importe quelle partie du corps. Ce que l'on obtient en réalité ce sont des informations sur la structure du cerveau, mais on peut aussi mesurer la différence de propriétés magnétiques entre le sang qui est oxygéné et le sang qui s'est appauvri en oxygène. Cela signifie qu'il est possible d'établir une carte de l'activité du cerveau. C'est quelque chose sur quoi nous travaillons. Vous venez juste de voir Motts, notre ingénieur d'étude, entrer dans la machine d'IRM, et il portait des lunettes. Pour qu'il puisse voir des choses dans les lunettes, en fait. Pour que je puisse lui montrer des choses pendant qu'il est dans le scanner. Et c'est un peu bizarre, parce que ce que Motts voit, c'est en fait ceci. Il voit son propre cerveau. Motts fait quelque chose, là. Il fait probablement comme ça avec sa main droite, parce que le côté gauche du cortex de la motricité est actif. Et il peut voir ceci en même temps. Ces représentations sont toutes nouvelles. C'est quelque chose sur quoi nous menons des recherches depuis un certain temps.
This is another sequence of Motts' brain. And here we asked Motts to calculate backwards from 100. So he's going "100, 97, 94." And then he's going backwards. And you can see how the little math processor is working up here in his brain and is lighting up the whole brain. Well this is fantastic. We can do this in real time. We can investigate things. We can tell him to do things. You can also see that his visual cortex is activated in the back of the head, because that's where he's seeing, he's seeing his own brain. And he's also hearing our instructions when we tell him to do things. The signal is really deep inside of the brain as well, and it's shining through, because all of the data is inside this volume. And in just a second here you will see -- okay, here. Motts, now move your left foot. So he's going like this. For 20 seconds he's going like that, and all of a sudden it lights up up here. So we've got motor cortex activation up there. So this is really, really nice, and I think this is a great tool. And connecting also with the previous talk here, this is something that we could use as a tool to really understand how the neurons are working, how the brain is working, and we can do this with very, very high visual quality and very fast resolution.
Voici une autre séquence du cerveau de Motts. Ici, nous avons demandé à Motts de compter à rebours à partir de 100. Il fait : " 100, 97, 94..." Il le fait à l'envers. Et vous pouvez voir comment le petit processeur mathématique travaille dans son cerveau, et illumine tout le cerveau. Eh bien, c'est extraordinaire. On peut faire ça en temps réel. On peut étudier des tas de choses. On peut lui demander de faire des trucs. Vous pouvez aussi voir que son cortex visuel est actif, à l'arrière de sa tête, parce que c'est là qu'il voit, il voit son propre cerveau. Et il entend également nos instructions quand nous lui disons de faire quelque chose. De plus, le signal est vraiment profond à l'intérieur du cerveau, mais il brille au travers, parce qu'il y a toutes les données à l'intérieur de ce volume. Dans juste un instant vous allez voir -- Bien, là, Motts, maintenant bouge ton pied gauche. Il fait comme ça. Pendant 20 secondes, il fait comme ça, et tout à coup, ça s'illumine là-haut. Nous avons le cortex moteur qui s'active là-haut. C'est vraiment, vraiment bien. Je pense que c'est un outil formidable. Et en rapport avec la conférence qui m'a précédé ici, c'est quelque chose que nous pourrions utiliser comme outil pour comprendre vraiment comment marchent les neurones, comment marche le cerveau, et nous pouvons le faire avec de la très, très bonne qualité visuelle et une résolution très rapide.
Now we're also having a bit of fun at the center. So this is a CAT scan -- Computer Aided Tomography. So this is a lion from the local zoo outside of Norrkoping in Kolmarden, Elsa. So she came to the center, and they sedated her and then put her straight into the scanner. And then, of course, I get the whole data set from the lion. And I can do very nice images like this. I can peel off the layer of the lion. I can look inside of it. And we've been experimenting with this. And I think this is a great application for the future of this technology, because there's very little known about the animal anatomy. What's known out there for veterinarians is kind of basic information. We can scan all sorts of things, all sorts of animals. The only problem is to fit it into the machine. So here's a bear. It was kind of hard to get it in. And the bear is a cuddly, friendly animal. And here it is. Here is the nose of the bear. And you might want to cuddle this one, until you change the functions and look at this. So be aware of the bear.
Il nous arrive aussi de nous amuser au Centre. Ceci est un CAT scan -- Computer Aided Tomography. C'est Elsa, une lionne du zoo de notre région, près de Norrkoping, dans la forêt de Kolmarden. Elle est arrivée au Centre, et ils l'ont endormie, et passée directement dans le scanner. Ensuite, bien sûr, j'obtiens tout l'ensemble des données de la lionne. Et je peux faire de très jolies images comme celle-ci. Je peux enlever des couches de la lionne. Je peux observer l'intérieur. Nous avons testé cela. Et je pense que c'est une application formidable pour l'avenir de cette technologie. Parce qu'on en sait très peu sur l'anatomie animale. Le seul savoir disponible pour les vétérinaires est très basique, en somme. Nous pouvons scanner toutes sortes de choses, toutes sortes d'animaux. Le seul problème est de les faire entrer dans la machine. Voici un ours. Ça a été un peu dur de le faire rentrer. L'ours est un animal affectueux, amical. Le voilà. Voilà le nez de l'ours. Vous pourriez avoir envie de câliner celui-ci, jusqu'à ce que vous changiez les réglages et que vous voyiez ceci. Alors, attention aux ours.
So with that, I'd like to thank all the people who have helped me to generate these images. It's a huge effort that goes into doing this, gathering the data and developing the algorithms, writing all the software. So, some very talented people. My motto is always, I only hire people that are smarter than I am and most of these are smarter than I am.
Pour finir, je voudrais remercier toutes les personnes qui m'ont aidé à produire ces images. C'est un énorme travail que de réussir cela, rassembler les données, développer les algorithmes, écrire tous les programmes. Ces personnes ont énormément de talent. Ma devise est toujours : " N'embauche que des gens plus intelligents que toi", et la plupart d'entre eux sont plus intelligents que moi.
So thank you very much.
Merci beaucoup.
(Applause)
(Applaudissements)