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.
저는 데이터를 다루는데 있어서 도전에 대한 이야기로 시작할까합니다. 의료적 상황에 관련된 데이터 말이죠. 우리에게 큰 도전입니다. 또한 무거운 짐이기도 합니다. 이건 컴퓨터 단층 촬영기 입니다. 씨티 장비예요. 아주 좋은 도구예요. 엑스레이를 이용하는데 사람 몸 주변을 매우 빨리 돌면서 빔을 쏘죠. 모든 촬영을 마치는데 30초 밖에 걸리지 않아요. 그리고 엄청난 양의 정보를 쏟아냅니다. 그 장비에서 말이죠. 대단한 장비입니다. 이것을 이용해서 보건을 향상 시킵니다. 하지만 이것 또한 하나의 도전입니다. 이 영상에서 그 도전을 찾을 수 있습니다. 의료 데이터는 쏟아져 나옵니다. 현제 우리가 가지고 있는것들 말이예요. 우리가 직면한 문제입니다. 과거로로 돌아가 보죠.
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.
몇년 전으로 돌아가서 어떤일이 있어는지 봅시다. 이런 장비들은 1970년대에 나오기 시작했습니다. 사람 몸을 촬영하면 한사람에게서 약 100개의 영상을 추출해줍니다. 저는 정확성을 보장하기 위해 그것을 데이터 조각으로 바꿉니다. 아마도 약 50메가 정도 됩니다. 작은 크기죠 요즘 휴대기기에서 사용하는 데이터를 생각해보시면, 작은 데이터 입니다. 전화번호부로 생각한다면, 전화번호부 책이 1미터 정도 쌓여있는 양이죠. 오늘날 우리는 이러한 기계들로 단몇초만에 24,000개의 신체 영상을 얻죠. 데이터의 크기가 약 20기가바이트 정도죠. 800여권의 전화번호부와 같은 양이죠. 전화번호부를 200미터 쌓아놓은 양이구요. 어떤일이 일어날까요? 우리가 보고 있는 이것은 지금 시작되고 있는 기술의 경향입니다. 또한 그 결과에 대한 상황을 보게 될 것입니다. 그리고 신체로 부터 역동성을 보게 될 것입니다. 추축하건데, 우리는 5초 동안 테라바이트의 데이터를 수집 할 수 있을 것입니다. 800,000권의 전화번호부 양이며, 전화번호부가 16km쌓인 것입니다. 이것은 한명의 환자에게서나온 데이터 입니다. 이것이 우리가 다뤄야할 데이터입니다.
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.
이것은 우리가 가지고 있는 큰 도전입니다. 이미 오늘날, 25,000개의 영상을 다루죠. 생각해보십시오 방사선사가 촬영한 날을 말이죠. 25000개의 이미지를 걸어두고, 이렇게 하겠죠, 25,000 괜찮고 괜찮고 여기 문제가 있군 이제 더이상 이런식은 불가능 합니다. 그래서 우리는 이런것들을 좀 더 현명하게 해야합니다. 그래서 우리는 이 영상들을 모두 합칩니다. 당신의 몸을 모든 방향에서 촬영했다고 생각해보세요. 그리고 그 영상들을 다시 합치는 거죠. 하나의 데이터로 혹은 데이터 뭉치로요. 이것이 우리가 하려고 하는 것이죠. 이 기가바이트나 테라바이트 데이터를 이 블럭에 집어넣습니다. 하지만, 물론 그 블럭데이터는 엑스레이를 담고 있는데요. 몸 각부위에서 흡수된 엑스레이를 말하죠. 그런 다음 우리가 해야할 것은 우리가 원하는 부위를 어떻게 봐야할 것인가 입니다. 필요없는 부위를 투명하게 하는 것이죠. 그래서 데이터들을 이와 같이 변형시켜야 합니다. 이것이 하나의 도전이죠. 우리에게 커다란 도전이죠.
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.
컴퓨터를 이용하더라도 아무리 빠르고 좋은 컴퓨터라 할지라도, 기가바이트나 테라바이트의 데이터에서 관련된 정보를 찾아내는건 도전입니다. 심장을 살펴보고 싶고, 혈관들을 보고싶죠, 간도 보고싶죠. 암도 여러 사례들에서 발견하고 싶죠. 작은 사슴이 놀고 있네요. 제 딸입니다. 아침 9시죠. 딸애는 컴퓨터 게임을 하고 있습니다. 이제 2살이죠. 아주 즐거워 하고 있죠. 그녀는 그래픽 기술 발전에 있어 추진력이라고 할 수 있습니다. 아이들이 컴퓨터 게임을 하는 한 그래픽 기술을 계속 발전하죠. 집에 가시면 제발 아이들에게 게임을 더 하라고 하세요. 왜냐면 게임이 필요하거든요.
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.
그 기계 안에 있는 것이 의료적 데이터를 가지고 무언가를 할 수 있게 합니다. 그래서 저는 이 작고 멋진 기계를 사용하려고 합니다. 여러분도 아다시피 10년전쯤에 제가 처음 연구비를 받아 저의 첫 그래픽 컴퓨터를 샀죠. 덩치가 엄청나게 컸었죠. 캐비넷안에 처리장치,저장장치 모든것이 있었죠. 가격은 백만불이었습니다. 그 기계는 오늘날의 아이폰과 같은 속도였습니다. 매달 새로운 그래픽 카드가 출시됩니다. 이것들은 가장 최신의 제품들입니다. NVIDIA, ATI, Intel도 제품을 내놓습니다. 아시다시피 몇 백불이면 이 그래픽카들을 여러분의 컴퓨터에 달 수 있습니다. 그리고 멋진일들을 그래픽카드로 할 수 있죠. 이런 그래픽카드들이 거대한 데이터를 처리할 수 있게하고, 멋진 작업들을 해낼 수 있죠. 알고리즘에서 처럼 데이터를 압축하고, 사람들이 연구하는 것과 관련정보들을 추출하죠.
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.
자 이제 여러분에게 우리가 할 수 있는 몇가지 예를 보여드리죠. 이것을 CT 스캐너로 촬영한 데이터입니다. 전체 데이터를 보고 있습니다. 여자고 머리카락도 보입니다. 이 여성의 각각의 조직들이 보이죠. 엑스레이의 잔상이 보이는데, 이빨에 금속성분에 잔상이 나타났죠. 엑스레인 잔상이 보인 부분이죠. 하지만, 완전히 상호적이죠 보통 컴퓨터에 평범한 그래픽 카드에서 말이예요. 횡단면을 볼 수가 있습니다. 물론 모든 데이터는 안에 있죠. 회전시켜 볼수도 있고 다른 각도로 볼수도 있죠. 이 여성에게 어떤 문제가 있는지 알 수있죠. 뇌에 출혈이 보이네요. 기구로 출혈을 막았군요. 금속 꺽쇠로 혈관을 묶었어요. 단지 기능을 바꾸는 것만으로 어떤 구조물을 투명하게 할 수 있으며, 어떤 걸 보이게 할 수도 있죠. 두개골을 볼 수도 있고, 그래서 이 여성의 두개골에 어디가 밖으로 열려있고, 어디가 안쪽으로 들어갔는지 알 수 있죠. 멋진 영상들이죠. 해상도가 굉장히 높습니다. 이것들은 우리가 오늘날 일반적 그래픽 카드로 할 수 있는 것들이죠.
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.
이제 이걸좀 이용해 보도록하죠 많은 데이터들을 짜서 이 시스템에 넣었습니다. 우리가 작업하고 있는 프로그램 중 하나로 지금 세계적으로도 첨단인 가상 부검 프로그램 입니다. 다시 말씀드리지만 굉장히 큰 데이터입니다. 한사람의 몸전체를 촬영한 것이죠. 우린 대상자를 CT 기계에 넣기만 하면, 몇 초 후에 몸전체에 대한 데이터를 얻을 수 있습니다. 이것이 가상 부검의 시작입니다. 여러분은 제가 어떻게 하나씩 벗겨가는지 보게될것입니다. 먼저 보실것은 사체가 들어있는 주머니 입니다. 다음은 피부를 벗겨내죠. 근육이 보이시죠. 그리고 이 여성의 골격구조가 보이시죠.
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.
지금 제가 강조하고 싶은 것은 가장 큰 경외감을 지금 보시게 될 분들에게 돌린다는 것입니다. 전 지금 가상부검의 몇몇 사례를 보여드릴려고합니다. 대상자 분들에게 경외감을 돌리며, 이분들은 처참한 환경에서 돌아가셨습니다. 여러분께 그 영상을 보여드리겠습니다. 법의학적 사례에서 이것들은 중요합니다. 지금까지 약 400건의 사례들이 스웨덴의 일부 지역에서 가상 부검이 이루어 졌습니다. 지난 4년간 말이죠. 그렇다면, 이것은 일반적인 작업이 될 것입니다. 경찰이 저녁에 자신들이 사건을 맡은 시간에 부검이 필요하다고 생각되는 사건을 맡았다면, 아침 6시에서 7시 사이에 그 사체는 사체가방에 담겨서 저희 센터로 오게 됩니다. 그런다음 CT로 촬영을 하게 되죠. 그리고 나서 방사선사는 병리사와 같이 가끔은 법의학자와 같이 그 데이터를 살펴 보게 됩니다. 그들은 회의를 합니다. 그런다음 실제적인 부검에서 뭘 할 것인지를 결정합니다.
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.
이제 몇몇 사례들을 보죠. 여기 첫번째 사체를 보시죠. 우리는 굉장히 자세하게 들여다 볼수 있습니다. 해상도가 매우 높으니까요. 그리고 저희의 연산프로그램은 모든 세세한 부분들을 확대할 수 있습니다. 강조하자면, 완벽하게 상호적이죠. 그래서 회전시킬 수도 있고, 실시간으로 살펴볼 수 있죠. 이 시스템을 이용해서요. 간단하게 이 사건에 대해 말씀드리면 교통사고 이고, 음주운전자가 여성을 치었습니다. 뼈에 대한 손상은 굉장히 잘 보입니다. 사인은 경추골절입니다. 여성은 차에 깔려 있었습니다. 여성은 심각한 상해를 입었죠. 손상이 심했어요.
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.
다른 사례를 보죠. 칼로 찔린거죠. 우리가 무엇을 할 수 있는지 보여주고 있습니다. 금속으로 된 물체들은 잘 보이죠. 몸안에 무엇이 있는지 보이죠. 여기 보시면 이빨에도 뭔가 있죠. 사실 이빨에 사용된 충전물입니다. 제가 금속물체를 보이게 하고, 다른 것들은 모두 투명으로 보이게 했기 때문입니다. 다른 폭력사건입니다. 이것이 사망원인은 아닙니다. 심장이 찔려서 사망하였습니다. 하지만, 그들이 찌른 칼은 한쪽 안구를 관통했죠. 또다른 사례를 보죠. 매우 흥미로운 사례입니다. 칼에 찔린 듯한 물체가 보이죠. 보시다시피 칼이 심장을 관통했습니다. 공기가 세는 것일 쉽게 볼 수 있죠. 한부분에서 다른 부분으로 말이죠. 일반적 실제 부검에서는 보기 힘든 것입니다. 이 것은 진정으로 범죄 수사에 도움이 됩니다. 사인을 알아내는데 말이죠. 어떤경우 수사를 바른 방향으로 이끕니다. 누가 진짜 범인인가를 가리는 것이죠.
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.
또 하나의 흥미로운 사례입니다. 여기 총알이 보이죠. 이 사람의 척추 옆에 밖혀있죠. 우리가 한 것은 그 총알에 빛을 비춰봤습니다. 총알이 빛나고 있죠. 이렇게 함으로써 조각들을 찾기 쉽게 합니다. 실제 부검동안에 조각들을 찾기 위해서 사체를 파헤쳐서 조각을 찾기는 매우 힙듭니다.
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.
제가 기쁘게 생각하는 것중 하나는 여러분께 이것을 보여드릴 수 있어서 입니다. 저희 가상부검 테이블 입니다. 우리가 개발한 터치스크린 테이블입니다. 저희의 연산프로그램을 바탕으로 일반 그래픽카드를 사용했죠. 이렇게 생겼습니다. 어떻게 생겼는지 보여드렸으면 했습니다. 말하자면, 큰 아이폰처럼 작동하죠. 우리는 모든 동작들을 이 테이블 위에서 할 수 있습니다. 큰 터치 스크린을 가진 기계라고 생각하시면 됩니다. 아이패드를 사실 생각이라면, 잊으세요 여기 당신이 원하는 것이 있습니다. 스티브, 당신 듣고 있죠?, 그래요. 이것은 굉장히 멋진 물건이죠. 만일 기회가 되신다면 한번 사용해 보세요. 정말 손으로 느낄 수 있습니다. 여러 언론에 소개되었고, 이용해볼려고 하고 있으며, 교육적으로 사용할려고 합니다. 아마도 미래에는 좀 더 임상적으로 사용될 것입니다. 가상부검에 대한 유튜브 영상입니다.. 만일 여러분이 가상 부검에 대해 알리고싶다면, 유용한 영상이죠.
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.
이제 터치에 대해 이야기 해봅시다. 실제 데이터에 대해서 이야기 해보죠 지금은 공상과학 소설같은 이야기지만, 미래에 가능한 이야기죠. 지금 현재에 의사들이 사용하는 것은 아니지만, 저는 미래에는 그러리라 생각합니다. 왼쪽에 보시면 터치 기기가 있습니다. 이것은 작은 기계적 팬입니다. 힘을 측정하는 센서가 펜안에 있습니다. 그래서 제가 힘의 세기를 다르게 할 수 있습니다. 가상데이터에 터치를 할때, 이것은 펜이 터치 힘을 만들기때문에 제가 느낄수 있습니다. 지금 특정한 예를 들어보면, 살아있는 사람을 스캔하여, 제가 이펜을 이용해 테이터를 보고 있죠. 제가 펜을 사람의 머리로 가지고가면, 갑자기 딱딱한 것이 느껴집니다. 다시말해 피부를 느낄수 있죠. 제가 좀더 세게 누르면 피부를 통과할 수 있습니다. 그리고 안에 있는 딱딱한 뼈를 느낄수 있죠. 좀더 세게 누르면 뼈도 뚫을 수 있죠. 뼈가 매우 물렁한 귀근처의 뼈들은 특히 더 그렇죠. 그리고 전 뇌속을 느낄 수 있죠. 이렇게 뭉게질 수 있습니다.
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.
굉장하죠. 좀 더 보면, 심장이죠. 이런 것이 가능한것은 이런 멋찐 스캐너들 덕분입니다. 0.3초밖에 걸리지 않죠. 심장하나를 스캔하는데 말이죠. 스캔을 시간에 따라 할 수 있어요. 지금 이 심장을 보고 있지만, 비디오를 뒤로 돌릴수 있죠. 이건 제 대학원생중의 한명인 칼조한입니다. 이 프로젝트에 참여하고있죠. 그는 촉각 기기 앞에 앉아있습니다. 힘되먹임 시스템이죠. 그가 팬을 심장쪽으로 가지고 가면, 그 심장이 지금부터 그 앞에서 뜁니다. 심장이 어떻게 뛰는지 알수 있죠. 팬을 다시 빼서 심장쪽으로 가지고 가면, 그것을 심장에 갖다대면, 그는 그 심장이 뛰는 것을 느낄 수 있습니다. 그는 심장이 어떻게 움직이는지 알 수 있죠. 그리고 심장 안쪽으로 팬을 넣으면, 심판막이 어떻게 움직이는지 느낄 수 있습니다. 제생각에는 미래의 심장외과에서 쓰여질 거라 생각합니다. 아마도 심장외과의사들이 정말 바라는 것이 환자의 심장 안을 직접 느껴보는 것이말이죠. 실제로 수술하기전에 말이예요. 고해상도 영상으로 이것을 하는 걸 원할꺼예요. 정말 굉장하죠.
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.
공상과학소설만큼이나 앞서가고 있죠. 기능적 MRI에 대해서 말씀드리면, 현재 굉장히 흥미로운 프로젝트입니다. MRI는 자기장을 이용하죠 방사선 주파수와 함께요. 뇌나 몸을 스캔하게 됩니다. 이것을 통해 얻을 수 있는 데이터는 뇌 구조에 대한 정보죠. 하지만, 또 다른 것들을 측정할 수 있는데, 산화된 혈액과 비산화혈액의 자기성의 차이를 측정할 수 있습니다. 그것은 뇌의 활동을 지도화 할 수 있다는 이야기죠. 이것이 우리가 하고 있는 것들중 하나입니다. Motts라는 연구 기술자를 보고 계신데 MRI시스템을 연구하고 있습니다. 고글을 쓰고 있죠. 그는 고글을 통해 무언가를 보게 됩니다. 그가 스캔하는 동안 저는 고글을 통해 어떤것들을 보여주죠. 이것이 좀 괴상하긴 하죠. 사실 Motts은 지금 이것을 보고 있습니다. 그 자신의 뇌를 보고 있는거죠.ㅣ Motts은 여기서 무엇을 하고 있네요. 아마도 그는 오른속으로 이러고 있나봅니다. 좌뇌가 활성하 된것을 보고 알수 있죠. 좌뇌의 운동영역이요. 그는 이걸 같이 보고 있죠. 이것들은 새로운 영상기법이죠. 이것은 저희가 얼마간 연구회 왔던 것이죠.
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.
이건 Motts의 다른 뇌활동 패턴입니다. 100부터 꺼꾸로 계산하라고 시켰습니다. 그는 100 97. 94 이렇게 하죠. 그리고 그는 꺼꾸로 계산하죠. 이러한 작은 계산이 그의 뇌를 얼마나 활성화시키는지 보이시죠. 대부부의 뇌가 활성화 되었습니다. 굉장하죠 실시간으로 볼수 있어요. 많은 것들을 조사할 수 있죠. 그에가 뭔가 해보라고 할 수 있죠. 그의 시각 영역도 볼 수 있습니다. 뇌의 뒤쪽 시각영역이 활성화됬네요. 거기가 그가 보고 있는 곳이죠 자신의뇌를 보고 있으니까요. 그는 지시도 듣고 있죠. 우리가 뭔가 하라고 할때요. 그 신호는 뇌속 깊이 있습니다. 그렇다해도 빛나고 있죠. 왜냐면 모든 데이터가 이 안에 있으니까요. 여기서 보시는데 단 몇초밖에 안걸리죠 그래 Motts 왼발을 움직여봐 그는 이렇게 할꺼예요. 20초동안 이렇게 할 겁니다. 그리고 갑자기 여기가 활성화되죠. 여기 운동영역이 활성화되죠. 진짜 멋지죠. 전 이게 굉장한 기기라고 생각해요. 제가 앞에서 말씀드린것이랑 관련되어있죠. 이것을 이용함으로써 우리는 진정으로 신경들이 어떻게 작용하는지 뇌가 어떻게 일을 하는지 굉장한 고행상도와 빠르게 알아낼 수 있습니다.
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.
다른 것들도 센터에 있습니다. 이것은 CAT 스캔입니다. computer adided tomography 이건 지역 동물원의 사자죠. 콜마덴에 있는 노코핑 밖에 동물원이죠. 사자는 센터에 와서 진정제를 맞추고 스캐너에 넣었습니다. 사자의 몸전체를 촬영했죠. 이와 같이 굉장히 좋은 영상을 가지고 있죠. 사자를 한겹식 벗길 수 있어요. 그 안쪽도 볼 수 있죠. 이걸로 실험을 했습니다. 이건 굉장한 기기라고 생각됩니다. 미래를 위한 기술말이죠. 현재는 동물의 해부학적 지식이 많이 부족하죠. 현재 알려진 것들은 수의사들에게 아주 기본적인 것들이죠. 이런 것들을 스캔 할 수 있습니다. 모든 동물들을요. 문제는 스캐너에 들어갈 수 있는 거야한다는 것이죠. 여기 곰이 있죠 기계에 넣기가 힘들죠. 곰은 미련하면서 친근한 동물이죠. 여기보시면 곰의 코가 보이죠. 아마 쓰다듬고 싶으시겠죠. 기능변경을 해서 이렇게 되기 전까지는요. 곰이라는걸 기억하고 있으세요.
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.
여기 보시면, 제가 감사하고싶은 사람들입니다. 이런 영상을 만드는데 도움을 준 사람들입니다. 이렇게 하기까지는 굉장한 노력이 들었죠. 데이터를 모으고 알고리즘을 짜고 소프트웨어를 짰죠. 매우 뛰어난 사람들입니다. 저의 모토는 저보다 똑똑한 사람을 고용하자는 것입니다. 대부분의 사람이 저보다 똑똑하죠.
So thank you very much.
감사합니다.
(Applause)
박수