Anders Ynnerman: Tıbbi veri patlamasını görüntülemek
-
0:00 - 0:04Size öncelikle karşılaştığımız bir zorluktan,
-
0:04 - 0:07verilerle uğraşmanın, tıbbi durumlara
-
0:07 - 0:09ait olan verilerle uğraşmanın zorluğundan
-
0:09 - 0:11bahsetmek istiyorum.
-
0:11 - 0:13Bu bizim için gerçekten de çok büyük bir zorluk,
-
0:13 - 0:15en zorlandığımız şey bu.
-
0:15 - 0:17Bu bir bilgisayarlı tomografi cihazı --
-
0:17 - 0:19bir BT cihazı.
-
0:19 - 0:21Müthiş bir cihaz.
-
0:21 - 0:23X-ışınlarını kullanıyor,
-
0:23 - 0:26insan vücudu etrafında hızla dönen X ışınlarını kullanıyor.
-
0:26 - 0:28Makineye girip çıkmak yaklaşık 30 saniye sürüyor
-
0:28 - 0:30ve bu sürenin sonunda makina inanılmaz miktarlarda
-
0:30 - 0:32veri üretiyor.
-
0:32 - 0:34Bu, sağlık hizmetlerini
-
0:34 - 0:36iyileştirmek için kullanabileceğimiz
-
0:36 - 0:38müthiş bir cihaz. Ama daha önce belirttiğim gibi
-
0:38 - 0:40aynı zamanda büyük bir sorun.
-
0:40 - 0:43Zorluğu bu resimde görmek mümkün.
-
0:43 - 0:45Şu an yaşadığımız bir nevi tıbbi
-
0:45 - 0:47veri patlaması.
-
0:47 - 0:49Yaşadığımız sorun bu.
-
0:49 - 0:51Sizi zamanda geri götürmeme izin verin.
-
0:51 - 0:54Birkaç yıl geriye gidelim ve o zaman bunların nasıl olduğuna bakalım.
-
0:54 - 0:56Bu makineler 1970'li yıllarda
-
0:56 - 0:58ortaya çıkmaya başladı.
-
0:58 - 1:00İnsan vücudunu tarıyorlar ve
-
1:00 - 1:02insan vücuduna ait yaklaşık
-
1:02 - 1:04100 görüntü üretiyorlardı.
-
1:04 - 1:06Konuyu daha iyi açıklamak için
-
1:06 - 1:09bunu veri dilimlerine çevirmek istiyorum.
-
1:09 - 1:11Bunlar yaklaşık 50 MB veriye denk geliyordu,
-
1:11 - 1:13ki bugün mobil cihazlarımızda uğraştığımız
-
1:13 - 1:16veri miktarını düşünecek olursanız
-
1:16 - 1:18bu oldukça ufak bir veri.
-
1:18 - 1:20Bunu telefon rehberi birimine çevirecek olursanız,
-
1:20 - 1:23yerden 1 metre yüksekliği olan bir telefon rehberi sütunu demek.
-
1:23 - 1:25Şimdi de bugün sahip olduğumuz
-
1:25 - 1:27makinelerle yaptıklarımıza bir bakalım,
-
1:27 - 1:29sadece birkaç saniye içinde,
-
1:29 - 1:31vücuttan 24 bin görüntü alabiliyoruz.
-
1:31 - 1:34Bu yaklaşık 20 GB veri demek,
-
1:34 - 1:36ya da 800 telefon rehberi.
-
1:36 - 1:38Üstüste koysanız bu yaklaşık 200 metre eder.
-
1:38 - 1:40Gördüğünüz, görmekte olduğunuz
-
1:40 - 1:42şu anda süregelen bu teknoloji trendi ile
-
1:42 - 1:44artık zamana bağlı durumlarla da
-
1:44 - 1:47ilgilenmeye başlıyoruz.
-
1:47 - 1:50Artık vücuttan ilgili dinamikleri de alabiliyoruz.
-
1:50 - 1:52Farz edin ki
-
1:52 - 1:55beş saniye boyunca veri toplayacağız,
-
1:55 - 1:57bu bir terabayt veriye eşdeğer olacaktır.
-
1:57 - 1:59Bu 800.000 kitap ve
-
1:59 - 2:0116 km yüksekliğinde bir telefon rehberi kulesi demek.
-
2:01 - 2:03Bu tek bir hasta, bir veri seti.
-
2:03 - 2:05Altından kalkmamız gereken sorun da bu.
-
2:05 - 2:08Yani gerçekten önümüzde müthiş bir zorluk var.
-
2:08 - 2:11Ve bugün bile, -- bu 250 bin görüntü.
-
2:11 - 2:13Bunları radyoloji uzmanlarının
-
2:13 - 2:15yaptığı günleri düşünün.
-
2:15 - 2:1725 bin görüntüye bakıp,
-
2:17 - 2:20"evet, evet, 25 bin, evet...
-
2:20 - 2:22Hah, işte problem şurada." diyeceklerdi.
-
2:22 - 2:24Bunu artık yapamıyorlar; bu imkansız.
-
2:24 - 2:27Bu nedenle, artık bunu yapabilecek daha akıllı birşeye ihtiyacımız var.
-
2:28 - 2:30Bu nedenle, bütün bu dilimleri bir araya getiriyoruz.
-
2:30 - 2:33Vücudunuzu tüm yönlerde dilimlediğinizi hayal edin,
-
2:33 - 2:36Daha sonra da bu dilimleri tekrar birleştirmeye çalışıyorsunuz,
-
2:36 - 2:38tek bir bilgi yığını halinde, bir blok veri.
-
2:38 - 2:40İşte bizim gerçekte yaptığımız bu.
-
2:40 - 2:43Bu bir gigabayt ya da terabaytlık veriyi bir blok halinde yığıyoruz.
-
2:43 - 2:45Ama elbette, bu veri yığını
-
2:45 - 2:47insan vücudundaki her nokta
-
2:47 - 2:49tarafından soğrulan X-ışını miktarı kadar veri içeriyor.
-
2:49 - 2:51Bu nedenle, yapmamız gereken
-
2:51 - 2:54bakmak istediğimiz şeyleri bize gösteren
-
2:54 - 2:57görmek istemediklerimizi ise şeffaflaştıran bir yöntem bulmak.
-
2:57 - 2:59Bu veri dizisini şuna benzer
-
2:59 - 3:01bir şeye dönüştürüyoruz.
-
3:01 - 3:03İşte işin zor olan kısmı bu.
-
3:03 - 3:06Bu, bizim aşmamız gereken ciddi bir engel.
-
3:06 - 3:09Gigabaytlarca veriyi işlemek için bilgisayarları kullanmak,
-
3:09 - 3:11her ne kadar her geçen anda daha hızlı ve iyi oluyorlarsa da
-
3:11 - 3:13terbaytlarca veriyi işlemek ve işe yarar
-
3:13 - 3:15veriyi içlerinden ayıklamak gerçekten zor.
-
3:15 - 3:17Kalbe bakmak istiyorum,
-
3:17 - 3:19kan damarlarına bakmak istiyorum, karaciğere bakmak istiyorum,
-
3:19 - 3:21hatta bazı vakalarda
-
3:21 - 3:23bir tümör arıyorum.
-
3:24 - 3:26İşte bu ufaklığın devreye girdiği an bu.
-
3:26 - 3:28Bu benim kızım.
-
3:28 - 3:30Burada saat sabah 9:00,
-
3:30 - 3:32ve o bilgisayarda oyun oynuyor.
-
3:32 - 3:34Henüz sadece iki yaşında,
-
3:34 - 3:36ve acayip eğleniyor.
-
3:36 - 3:39Grafik işlemci geliştirme birimlerinin
-
3:39 - 3:42arkasındaki itici güç gerçekte o.
-
3:43 - 3:45Çocuklar bilgisayar oynamaya devam ettikleri sürece
-
3:45 - 3:47grafikler her geçen gün daha iyiye gidecektir.
-
3:47 - 3:49Bu nedenle eve gidince, çocuklarınıza bilgisayarda oyun oynamalarını söyleyin.
-
3:49 - 3:51Çünkü ihtiyacımız olan şey bu.
-
3:51 - 3:53Bakın, bu makinenin içinde
-
3:53 - 3:55tıbbi verilerle yaptığım bu işleri
-
3:55 - 3:57yapmamı sağlayan düzenek mevcut.
-
3:57 - 4:00Aslında kullandıklarım bu ufak müthiş cihazlar.
-
4:00 - 4:02Biliyorsunuz ya, geçmişe gidecek olursak
-
4:02 - 4:04belki de 10 yıl geriye,
-
4:04 - 4:06ilk grafik bilgisayarımı almamı sağlayan
-
4:06 - 4:08ödeneği aldığım zamana.
-
4:08 - 4:10O zamanlar bunlar dev gibi makinelerdi.
-
4:10 - 4:13İşlemciler, yedekleyiciler kocaman dolaplardı.
-
4:13 - 4:16Bu makine için yaklaşık bir milyon dolar ödemiştim.
-
4:17 - 4:20Bu makine, yaklaşık benim bugün kullandığım iPhone hızında.
-
4:22 - 4:24Her ay yeni bir görüntü kartı piyasaya çıkıyor.
-
4:24 - 4:27Burada tedarikçilerin son makinelerinden örnekler var --
-
4:27 - 4:30NVIDIA, ATI, Intel de bunlardan biri.
-
4:30 - 4:32Biliyorsunuz, birkaç yüz dolar verirseniz
-
4:32 - 4:34bunlardan birini alıp evdeki bilgisayarınıza takabilir
-
4:34 - 4:37ve bu görüntü kartları ile muhteşem şeyler yapabilirsiniz.
-
4:37 - 4:39Bizim, tıp alanındaki patlama yapan
-
4:39 - 4:42veri ile uğraşmamızı sağlayan şey bu,
-
4:42 - 4:44algoritma içeren hoş birkaç
-
4:44 - 4:46iş ile birlikte --
-
4:46 - 4:48veri sıkıştırma ve
-
4:48 - 4:51araştırmadaki anlamlı veriyi diğerlerinin arasından bulma.
-
4:51 - 4:54Size neler yapabildiğimize ilişkin birkaç örnek vermek istiyorum.
-
4:54 - 4:57Bu veri seti bir BT tarayıcı kullanılarak elde edildi.
-
4:57 - 5:00Bunun eksiksiz bir veri olduğunu görüyorsunuz.
-
5:00 - 5:03O bir kadın. Saçları görebiliyorsunuz.
-
5:03 - 5:06Kadının vücudunun detaylarını seçebilirsiniz.
-
5:06 - 5:09Burada, dişlerde X-ışını saçılımlarını
-
5:09 - 5:11görebilirsiniz, bunlar dişlerdeki metaller.
-
5:11 - 5:14Bu artifaktlar buradan geliyor.
-
5:14 - 5:16Ama aynen normal bir bilgisayardaki
-
5:16 - 5:19standart bir grafik kartı gibi,
-
5:19 - 5:21verileri bir klip haline getirebilirim.
-
5:21 - 5:23Elbette bütün veri burada, içinde.
-
5:23 - 5:26Böylece sağa sola çevirebilir, istediğim açılardan bakabilirim.
-
5:26 - 5:29Bakınca bu kadının bir sorunu olduğunu görebiliyorum.
-
5:29 - 5:31Beyninde bir kanama var.
-
5:31 - 5:33Ufak bir stent ile tamir edilmiş,
-
5:33 - 5:35yani damarı tıkayan bir metal kliple.
-
5:35 - 5:37Fonksiyonları değiştirerek,
-
5:37 - 5:40neyin saydam olacağını, neyin görünür
-
5:40 - 5:42olacağını ayarlayabilirim.
-
5:42 - 5:44Kafatasının yapısına bakabilirim,
-
5:44 - 5:47bu kadının kafatasını açtıkları yeri görebilirim,
-
5:47 - 5:49ve işte beyine buradan girmişler.
-
5:49 - 5:51Yani bunlar muhteşem görüntüler.
-
5:51 - 5:53Yüksek çözünürlüklü görüntüler,
-
5:53 - 5:55ve bugün standart bir grafik kartı ile
-
5:55 - 5:58neler yapabileceğimizi gösteriyorlar.
-
5:58 - 6:00Bunları pekçok yerde kullandık ve
-
6:00 - 6:03sisteme epey veri yüklemeye
-
6:03 - 6:05çalıştık.
-
6:05 - 6:07Üzerinde uğraştığımız uygulamalardan biri de --
-
6:07 - 6:10ki bu dünya çapında epey ilgi çekti --
-
6:10 - 6:12bu verilerin sanal otopsilerde kullanılması.
-
6:12 - 6:14Anımsayın, çok ama çok büyük veri setlerine baktınız ve
-
6:14 - 6:17bizim bu tüm-vücut taraması ile neler yapabildiğimizi gördünüz.
-
6:17 - 6:20Vücudu bir bütün olarak BT tarayıcısından geçiriyoruz,
-
6:20 - 6:23ve birkaç saat içinde tüm-vücut veri seti elde edebiliyoruz.
-
6:23 - 6:25Bu görüntü, bir sanal otopsiden.
-
6:25 - 6:27Nasıl kat kat soyulduğunu görebiliyorsunuz.
-
6:27 - 6:30İlk gördüğünüz vücudun içinde geldiği ceset torbası,
-
6:30 - 6:33sonra deriyi soyuyorum --kasları görebilirsiniz--
-
6:33 - 6:36sonunda bu kadının kemiklerine kadar ineceksiniz.
-
6:36 - 6:39Bu noktada, size şimdi göstereceğim kişilerin
-
6:39 - 6:41görüntülerine büyük bir saygı duyduğumu
-
6:41 - 6:43belirtmek isterim.
-
6:43 - 6:45Size birkaç sanal otopsi örneği göstereceğim --
-
6:45 - 6:47göstereceğim örneklerde yer alan
-
6:47 - 6:49vahşice öldürülen bu insanlara
-
6:49 - 6:52büyük saygı duyduğumu belirtmek isterim.
-
6:53 - 6:55Adli bir vakada --
-
6:55 - 6:57ki geçtiğimiz dört yıl içinde
-
6:57 - 6:59benim de yaşadığım İsveç'in bu bölgesinde
-
6:59 - 7:01her yıl sanal otopsi yapılan
-
7:01 - 7:03yaklaşık 400 vaka
-
7:03 - 7:05mevcut.
-
7:05 - 7:08Bu vakalardaki tipik iş akışı şöyledir.
-
7:08 - 7:10Polis akşamdan vakalara karar verir
-
7:10 - 7:12bir vaka geldiğinde --
-
7:12 - 7:15tamam derler, bu otopsi yapılması gereken bir vaka.
-
7:15 - 7:18Böylece, sabahleyin, saat 6 ile 7 arasında
-
7:18 - 7:20cesetler, ceset torbalarının içinde
-
7:20 - 7:22merkezimize getirilirler ve
-
7:22 - 7:24BT tarayıcılarından biri ile taranırlar.
-
7:24 - 7:26Daha sonra radyolog ve patolog,
-
7:26 - 7:28bazen de adli tıp uzmanı
-
7:28 - 7:30bir araya gelirler ve
-
7:30 - 7:32çıkan verilere bakarlar.
-
7:32 - 7:35Ancak bundan sonra vakaya gerçek otopsi yapıp yapmamaya karar verilir.
-
7:37 - 7:39Birkaç örnek vakaya beraber bakalım.
-
7:39 - 7:41Bu ilk vakalarımızdan biri.
-
7:41 - 7:44Veri setinin detaylarını gerçekten de görebilirsiniz;
-
7:44 - 7:46çok yüksek çözünürlükte.
-
7:46 - 7:48Tüm detaylara yakın görüş imkanı sağlayan şey
-
7:48 - 7:50bizim algoritmalarımız.
-
7:50 - 7:52Tekrar belirteyim, bunlar tamamen interaktif,
-
7:52 - 7:54yani buradaki sistemleri döndürebilir ve
-
7:54 - 7:56istediğiniz şeye gerçek zamanlı olarak bakabilirsiniz.
-
7:56 - 7:58Bu vaka hakkında çok birşey söylemeye gerek yok,
-
7:58 - 8:00bu bir trafik kazası,
-
8:00 - 8:02alkollü bir sürücü bu kadına çarpmış.
-
8:02 - 8:05Kemik yapılarındaki hasarı görmek çok ama çok kolay.
-
8:05 - 8:08Ölüm nedeni boyun kırılması.
-
8:08 - 8:10Aynı zamanda araba bu kadının üzerinden de geçmiş,
-
8:10 - 8:12bu kaza gerçekten onu
-
8:12 - 8:14çok ciddi şekilde zedelemiş.
-
8:14 - 8:17Bu başka bir vaka, bir bıçaklanma.
-
8:17 - 8:19Bu vaka da neler yapabileceğimizi çok iyi gösteriyor.
-
8:19 - 8:21Vücut içinde kalan metal kalıntılarına
-
8:21 - 8:24bakmamız çok kolay.
-
8:24 - 8:27Dişlerde de bazı artifaktlar görüyorsunuz --
-
8:27 - 8:29bunlar diş dolguları --
-
8:29 - 8:32bunları görüyorsunuz çünkü ayarları sadece metalleri gösterecek
-
8:32 - 8:34ve bunun dışındaki herşeyi şeffaflaştıracak hale getirdim.
-
8:34 - 8:37Bu bir başka şiddet vakası. Bu kişiyi öldüren şey bu değil.
-
8:37 - 8:39Bu kişi, kalbinden bıçaklandığı için ölmüş,
-
8:39 - 8:41ama katiller işleri bitince bıçağı
-
8:41 - 8:43göz kürelerinden birine saplayıp bırakmışlar.
-
8:43 - 8:45Bu başka bir vaka.
-
8:45 - 8:47Bizim için, bu tip bıçaklanma olaylarına
-
8:47 - 8:49böyle bakabiliyor olmak çok ilginç.
-
8:49 - 8:52Burada bıçağın kalbi nasıl deldiğini görüyorsunuz.
-
8:52 - 8:54Havanın bir taraftan diğer tarafa sızdığını görmek
-
8:54 - 8:56çok kolay.
-
8:56 - 8:59Ki bunu görmek standart bir otopside çok zordur.
-
8:59 - 9:01Bu teknik, adli kovuşturmada
-
9:01 - 9:03ölüm nedenini bulma konusunda
-
9:03 - 9:05çok ama çok yardımcı olup,
-
9:05 - 9:08bazı vakalarda soruşturmanın doğru yöne gitmesini sağlayarak
-
9:08 - 9:10katilin bulunmasına yardımcı oluyor.
-
9:10 - 9:12Benim ilginç bulduğum bir başka vaka.
-
9:12 - 9:14Burada, bu kişinin
-
9:14 - 9:17omurgasına saplanmış olan bu kurşunu görebiliyorsunuz.
-
9:17 - 9:20yaptığımız kurşunu bir ışık kaynağı haline getirmek,
-
9:20 - 9:22böylece ışıldıyor ve
-
9:22 - 9:25onu bu parçalar arasında bulmak kolaylaşıyor.
-
9:25 - 9:27Fiziksel bir otopside,
-
9:27 - 9:29bu parçaları bulmak için organların arasını eşelemeniz gerekir,
-
9:29 - 9:31ki bu oldukça zor bir şeydir.
-
9:33 - 9:35Bugün, burada size göstermekten
-
9:35 - 9:38mutluluk duyduğum şeylerden biri de
-
9:38 - 9:40bizim sanal otopsi masamız.
-
9:40 - 9:42Bu algoritmaları baz alarak ve standart grafik GPU'ları kullanarak
-
9:42 - 9:45geliştirdiğimiz bir dokunmatik cihaz.
-
9:45 - 9:47Aslında şöyle birşey,
-
9:47 - 9:50size nasıl olduğunu anlatmak istiyorum.
-
9:50 - 9:53Dev bir iPhone gibi çalışıyor aslında.
-
9:53 - 9:55Bir masada yapacağınız tüm hareketleri
-
9:55 - 9:58buna uyarladık. Bunu dev
-
9:58 - 10:02bir dokunmatik arayüz olarak düşünün.
-
10:02 - 10:04Yani eğer bir iPad almayı planlıyorsanız,
-
10:04 - 10:07boşverin, onun yerine bunu alın.
-
10:07 - 10:10Steve, umarım sen de izliyorsundur bunu.
-
10:11 - 10:13Yani bu çok hoş bir cihaz.
-
10:13 - 10:15Eğer bir fırsat bulursanız mutlaka deneyin.
-
10:15 - 10:18Bizzat yaşanması gereken bir deneyim.
-
10:18 - 10:21Biraz ilgi yarattık, şimdi bunu yaygınlaştırmaya ve
-
10:21 - 10:23eğitim amaçlı kullanılmasını sağlamaya çalışıyoruz,
-
10:23 - 10:25hatta ileride belki
-
10:25 - 10:28klinik ortamda da kullanılabilir.
-
10:28 - 10:30Bu bilgiyi başkaları ile de paylaşmak isterseniz
-
10:30 - 10:32You Tube'da sanal otopsilerle ilgili bir video var,
-
10:32 - 10:35izleyebilir veya yükleyebilirsiniz.
-
10:35 - 10:37Peki, dokunmaktan bahsediyorduk,
-
10:37 - 10:39veriye gerçekten dokunmaya geçelim.
-
10:39 - 10:41Bunun biraz bilim kurgu gibi göründüğünü biliyorum,
-
10:41 - 10:44işte şimdi geleceğe doğru bakıyoruz.
-
10:44 - 10:47Bu, doktorların şu an kullanmakta olduğu bir şey değil,
-
10:47 - 10:49ama umuyorum gelecekte olacak.
-
10:49 - 10:52Solda gördüğünüz bir dokunmatik cihaz.
-
10:52 - 10:54Küçük mekanik bir kalem.
-
10:54 - 10:57Bu kalemin içinde çok hızlı step motorları var,
-
10:57 - 10:59böylelikle bir güç geribildiriminde bulunabiliyor.
-
10:59 - 11:01Yani gerçek anlamda veriye dokunduğum zaman,
-
11:01 - 11:04bu, kalemde dokunma kuvvetleri yaratacak, ve ben bir geribildirim alacağım.
-
11:04 - 11:06Bu örnekte, veri,
-
11:06 - 11:08yaşayan bir insanın tomografisi.
-
11:08 - 11:11Elimde bu kalemle veriye bakıyorum,
-
11:11 - 11:13kalemi kafaya doğru yaklaştırıyorum,
-
11:13 - 11:15birden bir engel hissediyorum elimde.
-
11:15 - 11:17Böylelikle deriyi hissedebiliyorum.
-
11:17 - 11:19Biraz daha kuvvetle bastırırsam, deriyi geçebilirim,
-
11:19 - 11:22ve içerideki kemik yapıyı hissedebilirim.
-
11:22 - 11:24Daha da hızlı bastırırsam, kemik yapının da içine girebilirim,
-
11:24 - 11:27özellikle de kemiğin yumuşak olduğu kulağa yakın yerlerdeysem.
-
11:27 - 11:30Daha sonra içerideki beyin dokusunu hissedebilirim, böyle yumuşak bir hissi olacaktır.
-
11:30 - 11:32Bu gerçekten çok güzel.
-
11:32 - 11:35Daha da ileri gidecek olursak, bu kalp.
-
11:35 - 11:38Gene bu yeni tarayıcılar sayesinde,
-
11:38 - 11:40sadece 0.3 saniyede
-
11:40 - 11:42tüm kalbi tarayabilirim.
-
11:42 - 11:44Bunu zaman çözünürlüklü yapabilirim.
-
11:44 - 11:46Böylece kalbe bakarken,
-
11:46 - 11:48bu videoyu çalıştırabilirim.
-
11:48 - 11:50Bu Karljohan, bu projede çalışan
-
11:50 - 11:52doktora öğrencilerimden biri.
-
11:52 - 11:55Burada, Haptic cihazının, bu güç geribildirimi cihazının önünde oturuyor,
-
11:55 - 11:58elindeki kalemi kalbe yaklaştırıyor,
-
11:58 - 12:00şu an kalp önünde atıyor,
-
12:00 - 12:02böylelikle kalbin nasıl attığını görebiliyor.
-
12:02 - 12:04Kalemi aline alıp kalbe doğru yaklaştırıyor,
-
12:04 - 12:06kalbe dokunuyor,
-
12:06 - 12:09ve yaşayan bir hastanın kalp atışlarını hissedebiliyor.
-
12:09 - 12:11Böylece kalbin hareketlerini inceleyebilir.
-
12:11 - 12:13Kalbin içine girip, içeriden dokunabilir,
-
12:13 - 12:16ve kalp kapaklarının nasıl hareket ettiğini hissedebilir.
-
12:16 - 12:19Bence bu, kalp cerrahlarının geleceği.
-
12:19 - 12:22Büyük ihtimalle kalp cerrahlarının fantazilerini bu cihaz süslüyordur,
-
12:22 - 12:25ameliyat yapmadan önce,
-
12:25 - 12:27hastanın kalbinin içine girip bakmak,
-
12:27 - 12:29hem de yüksek çözünürlüklü veri ile.
-
12:29 - 12:31Gerçekten fantazi.
-
12:32 - 12:35Şimdi bilim kurgu alanına biraz daha girelim.
-
12:35 - 12:38Daha önce işlevsel MRI ile ilgili birşeyler duymuştuk.
-
12:38 - 12:41Şimdi bu gerçekten ilginç bir proje.
-
12:41 - 12:43MRI, beyni ya da vücudun herhangi bir yerini
-
12:43 - 12:45görüntüleyebilmek için
-
12:45 - 12:48radyo dalgaları ya da manyetik alanlar kullanıyor.
-
12:48 - 12:50Burada bizim esas elde ettiğimiz şey
-
12:50 - 12:52beynin yapısına ait bilgi elde etmek.
-
12:52 - 12:54Fakat, aynı zamanda oksijen bakımından zengin kan ile
-
12:54 - 12:57oksijeni az olan kan arasındaki
-
12:57 - 13:00manyetik özellikler farkını da ölçebiliriz.
-
13:00 - 13:02Bu demek oluyor ki, beyin
-
13:02 - 13:04faaliyetlerinin haritasını çıkarabiliriz.
-
13:04 - 13:06Şu anda üzerinde çalıştığımız şey bu.
-
13:06 - 13:09Burada gördüğünüz Motts, bizim araştırma mühendisimiz
-
13:09 - 13:11MRI cihazına giriyor.
-
13:11 - 13:13Gözünde gözlükler var.
-
13:13 - 13:15Bu gözlüklerle, tarayıcı içindeyken görebilir,
-
13:15 - 13:18ben de ona tarayıcıdayken birşeyler gösterebilirim.
-
13:18 - 13:20Bu biraz ürkütücü,
-
13:20 - 13:22çünkü Motts aslında bunu görüyor.
-
13:22 - 13:25Kendi beynini.
-
13:25 - 13:27Motts burada birşeyler yapıyor.
-
13:27 - 13:29Muhtemelen sağ eliyle böyle yapıyor,
-
13:29 - 13:31çünkü sol taraf
-
13:31 - 13:33motor korteks tarafından aktif durumda.
-
13:33 - 13:35Aynı zamanda bunu da görebiliyor.
-
13:35 - 13:37Bu görseller çok yeni.
-
13:37 - 13:40Son zamanlarda araştırdığımız şeylerden biri de bu.
-
13:40 - 13:43Bu gördüğünüz Motts'un beyninin bir başka aktivitesi.
-
13:43 - 13:46Burada Motts'dan 100'den başlayarak geriye saymasını istedik.
-
13:46 - 13:48"100, 97, 94...." diye sayıyor.
-
13:48 - 13:50Geriye doğru sayarken,
-
13:50 - 13:53beynin şurasındaki ufak matematik işlemcisinin çalıştığını ve
-
13:53 - 13:55bütün beyni aydınlattığını görebilirsiniz.
-
13:55 - 13:57Muhteşem bir şey. Gerçek zamanlı olarak yapabiliriz bunu.
-
13:57 - 13:59Bazı şeyleri araştırabilir. Ona birşeyler yapmasını söyleyebiliriz.
-
13:59 - 14:01Aynız amanda kafasının arka kısmındaki
-
14:01 - 14:03görme alanının da aktif hale geldiğini görüyorsunuz,
-
14:03 - 14:05çünkü baktığı şey bu, kendi beynine bakıyor.
-
14:05 - 14:07Aynı zamanda biz ona birşeyler yapmasını söylediğimizde
-
14:07 - 14:09bizim komutlarımızı da duyuyor.
-
14:09 - 14:11Bu sinyal beynin epey derinlerinde olmasına rağmen,
-
14:11 - 14:13ışıltısı görülebiliyor,
-
14:13 - 14:15bunun nedeni buradaki yüksek veri miktarı.
-
14:15 - 14:17Biraz sonra şunu göreceksiniz --
-
14:17 - 14:19Tamam, burada. Motts sol ayağını oynatıyor.
-
14:19 - 14:21Böyle yapıyor.
-
14:21 - 14:2320 saniye boyunca böyle yapıyor,
-
14:23 - 14:25birden yukarılarda bir yer ışıldamaya başlıyor.
-
14:25 - 14:27Burada aktive olan yer motor korteks.
-
14:27 - 14:29Bu gerçekten çok ama çok hoş.
-
14:29 - 14:31ve bence müthiş bir cihaz.
-
14:31 - 14:33Bir önceki konuşmaya bir bağlantı yapacak olursam,
-
14:33 - 14:35bu sinir hücrelerinin, beynin nasıl çalıştığını
-
14:35 - 14:37gerçekten de
-
14:37 - 14:39anlamamıza yarayacak bir cihaz.
-
14:39 - 14:42Ve bunu çok ama çok iyi bir çözünürlükle ve
-
14:42 - 14:45görüntü kalitesiyle yapabiliriz.
-
14:45 - 14:47Bizim merkezimizde arada eğlendiğimiz zamanlar da oluyor.
-
14:47 - 14:50Bu bir Bilgisayar Destekli Tomografi ( CAT scan).
-
14:51 - 14:53Bu yerel hayvanat bahçesinden bir aslan,
-
14:53 - 14:56Norrkoping'in heme dışından, Elsa, Kolmarden'den.
-
14:56 - 14:58Bizim merkezimize geldi,
-
14:58 - 15:00onu uyuşturdular ve
-
15:00 - 15:02hemen tarayıcının içine koydular.
-
15:02 - 15:05Elbette, bu aslana ait tüm veri setini ben de edindim.
-
15:05 - 15:07Ve bu verilerle çok hoş görüntüler elde edebilirim.
-
15:07 - 15:09Aslanın üzerinden bir tabaka sıyırabilirim.
-
15:09 - 15:11Onun içine bakabilirim.
-
15:11 - 15:13Bununla epey bir deney yaptık.
-
15:13 - 15:15Bence, bu cihaz, bu teknolojinin
-
15:15 - 15:17geleceği için çok önemli.
-
15:17 - 15:20Çünkü, hayvan anatomisi hakkında çok az şey biliniyor.
-
15:20 - 15:23Veterinerler, çok basit ve temel şeyleri biliyorlar.
-
15:23 - 15:25Her şeyi tarayıcıya sokabiliriz,
-
15:25 - 15:27her tür hayvanı.
-
15:27 - 15:30Tek sorun makineye sığıdarabilmek.
-
15:30 - 15:32Burada bir ayı var.
-
15:32 - 15:34Makineye sokmak biraz zor oldu.
-
15:34 - 15:37Ayı sevecen, yumoş bir hayvan değil mi?
-
15:37 - 15:40İşte burada. Ayının burnunu görüyorsunuz.
-
15:40 - 15:43Ama fonksiyonları değiştirip de öyle bakarsanız
-
15:43 - 15:46onu artık pek yumoş bulmayabilirsiniz.
-
15:46 - 15:48Ayılara dikkat edin.
-
15:48 - 15:50Bu noktada,
-
15:50 - 15:52bu görüntüleri oluşturmama yardımcı olan
-
15:52 - 15:54herkese çok teşekkür etmek istiyorum.
-
15:54 - 15:56Bunu yapmak çok büyük bir emek gerektirdi,
-
15:56 - 15:59verileri toplamak, algoritmaları geliştirmek,
-
15:59 - 16:01bütün bu yazılımı yapmak.
-
16:01 - 16:04Hepsi çok yetenekli insanlar.
-
16:04 - 16:07Benim prensibim her zaman, benden daha zeki insanları işe almak olmuştur
-
16:07 - 16:09ve bu kişilerin çoğu benden çok daha zeki.
-
16:09 - 16:11Hepinize çok teşekkür ederim.
-
16:11 - 16:15(Alkışlar)
- Title:
- Anders Ynnerman: Tıbbi veri patlamasını görüntülemek
- Speaker:
- Anders Ynnerman
- Description:
-
Günümüzde, tıbbi görüntüleme teknikleri tek bir hasta için saniyeler içinde binlerce görüntü ve terabaytlarca veri üretebiliyor. Peki doktorlar bu verilerden hangilerinin faydalı olduğunu nasıl ayırdedebiliyorlar? Bilimsel görüntüleme uzmanı Anders Ynnerman, TEDxGöteburg'da bizlere, bu yoğun verileri analiz eden gelişmiş cihazları (sanal otopsiler gibi) tanıtıyor ve gelişmekte olan bilim-kurgu benzeri tıbbi teknolojilerden örnekler sunuyor. (Uyarı: Bu konuşmada bazı tıbbi görseller mevcuttur.)
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 16:16