0:00:00.000,0:00:04.000
首先我先向大家介紹一個亟需解決的難題

0:00:04.000,0:00:07.000
如何有效處理

0:00:07.000,0:00:09.000
醫療過程中生成的

0:00:09.000,0:00:11.000
海量數據.

0:00:11.000,0:00:13.000
這些數據處理起來十分棘手.

0:00:13.000,0:00:15.000
這個正是解決此難題的關鍵.

0:00:15.000,0:00:17.000
一台x光斷層掃描儀

0:00:17.000,0:00:19.000
即CT機.

0:00:19.000,0:00:21.000
這台機器非常先進.

0:00:21.000,0:00:23.000
它使用X線管發出X線束對患者進行掃描,

0:00:23.000,0:00:26.000
同時這些X線管會圍繞患者高速旋轉.

0:00:26.000,0:00:28.000
CT機完成一次掃描需要大約30秒

0:00:28.000,0:00:30.000
同時採集並輸出掃描所生成的

0:00:30.000,0:00:32.000
大量信息.

0:00:32.000,0:00:34.000
這台機器真的非常厲害

0:00:34.000,0:00:36.000
它可以用來

0:00:36.000,0:00:38.000
提高衛生保健的質量.

0:00:38.000,0:00:40.000
但正如之前所說,它也為我們帶來了一個問題.

0:00:40.000,0:00:43.000
從這張圖片大家可以看到這個問題.

0:00:43.000,0:00:45.000
它正是我們現在正在面臨的

0:00:45.000,0:00:47.000
醫療數據爆炸.

0:00:47.000,0:00:49.000
我們正在努力解決這個問題.

0:00:49.000,0:00:51.000
讓我們先來回顧一下過去.

0:00:51.000,0:00:54.000
現在我們回到幾十年前

0:00:54.000,0:00:56.000
我要說的這些機器

0:00:56.000,0:00:58.000
於上世紀70年代開始投入使用

0:00:58.000,0:01:00.000
醫生們用這些機器對患者進行人體掃描.

0:01:00.000,0:01:02.000
之後會生成大約100張

0:01:02.000,0:01:04.000
人體影像.

0:01:04.000,0:01:06.000
恕我冒昧,為了方便理解,

0:01:06.000,0:01:09.000
我把這圖像轉換成等量的數據切片.

0:01:09.000,0:01:11.000
這些圖像大約相當於50MB的數據,

0:01:11.000,0:01:13.000
這個數量很小

0:01:13.000,0:01:16.000
如果和現在我們每天打交道的信息量相比

0:01:16.000,0:01:18.000
只與普通的移動設備相當.

0:01:18.000,0:01:20.000
如果拿電話簿的信息量做比的話,

0:01:20.000,0:01:23.000
約相當於一米高的電話簿疊加.

0:01:23.000,0:01:25.000
現在我們來看看今天

0:01:25.000,0:01:27.000
對這些機器的使用.

0:01:27.000,0:01:29.000
現在,只需數秒

0:01:29.000,0:01:31.000
一位患者的人體掃描可以得到24,000張影像.

0:01:31.000,0:01:34.000
這相當於 20 GB的數據,

0:01:34.000,0:01:36.000
800本電話簿.

0:01:36.000,0:01:38.000
壘起來大約有200米.

0:01:38.000,0:01:40.000
然後呢,會發生甚麼?

0:01:40.000,0:01:42.000
我們可以看到,它已經開始了----

0:01:42.000,0:01:44.000
一種新的技術趨勢已經出現

0:01:44.000,0:01:47.000
我們開始考量時間分辨力.

0:01:47.000,0:01:50.000
我們也需要得到書面化的診斷結果.

0:01:50.000,0:01:52.000
現在我們假設

0:01:52.000,0:01:55.000
我們收集到了掃描5秒鐘所得數據,

0:01:55.000,0:01:57.000
大約為1 TB.

0:01:57.000,0:01:59.000
相當於800,000本電話簿,

0:01:59.000,0:02:01.000
壘起來約16千米.

0:02:01.000,0:02:03.000
這還只是掃描一個病患所得數據集.

0:02:03.000,0:02:05.000
這也正是我們需要處理的數據量

0:02:05.000,0:02:08.000
所以說這個難題真的十分棘手.

0:02:08.000,0:02:11.000
現在正是這個問題. 這裡有25,000張影像.

0:02:11.000,0:02:13.000
想像一下在以前

0:02:13.000,0:02:15.000
醫生們是這樣研究病理的.

0:02:15.000,0:02:17.000
放到現在,他們要放25,000張圖像上去,

0:02:17.000,0:02:20.000
到時候他們就要像這樣去看,”第25,000張,

0:02:20.000,0:02:22.000
哎,對,問題找到了.”

0:02:22.000,0:02:24.000
現實不允許他們再這樣去找了.

0:02:24.000,0:02:27.000
所以我們要想一些更聰明的辦法.

0:02:28.000,0:02:30.000
我們得把這些切片再整合起來.

0:02:30.000,0:02:33.000
我們先把自己沿這些各種方向切成數據片,

0:02:33.000,0:02:36.000
然後把這些切片再重新放回到一起,

0:02:36.000,0:02:38.000
這樣一堆數據就成了一個數據塊

0:02:38.000,0:02:40.000
這就是我們要做的.

0:02:40.000,0:02:43.000
把這許多GB、TB的數據合成一個數據塊

0:02:43.000,0:02:45.000
當然,這個數據塊

0:02:45.000,0:02:47.000
只包含了在各個部分

0:02:47.000,0:02:49.000
被人體吸收了的X線束的數據.

0:02:49.000,0:02:51.000
接下來我們要做的就是想個辦法

0:02:51.000,0:02:54.000
只顯示我們想看到那部分的數據,

0:02:54.000,0:02:57.000
隱去我們不想看到的部份.

0:02:57.000,0:02:59.000
於是我們要把這個數據集

0:02:59.000,0:03:01.000
變成這個樣子.

0:03:01.000,0:03:03.000
這個不容易做到.

0:03:03.000,0:03:06.000
這個非常不容易做到.

0:03:06.000,0:03:09.000
雖然現在電腦運行已越來越快且穩定

0:03:09.000,0:03:11.000
利用電腦處理上GB 的數據,

0:03:11.000,0:03:13.000
或者說上TB的數據

0:03:13.000,0:03:15.000
並提取出所需信息依然並不容易.

0:03:15.000,0:03:17.000
有時候要看一下心臟,

0:03:17.000,0:03:19.000
有時候要看一下血管,有時看肝臟,

0:03:19.000,0:03:21.000
也許有時候

0:03:21.000,0:03:23.000
要找一下看沒有腫瘤.

0:03:24.000,0:03:26.000
現在該我的小女兒出現了.

0:03:26.000,0:03:28.000
這就是我女兒.

0:03:28.000,0:03:30.000
這大概是今天上午9點.

0:03:30.000,0:03:32.000
她在玩電腦遊戲.

0:03:32.000,0:03:34.000
她才只有兩歲,

0:03:34.000,0:03:36.000
但是玩得很開心.

0:03:36.000,0:03:39.000
這樣的她正是

0:03:39.000,0:03:42.000
催動圖像處理器進步的原動力.

0:03:43.000,0:03:45.000
只要小孩子還在玩電腦遊戲,

0:03:45.000,0:03:47.000
電腦圖像處理技術就會越來越好.

0:03:47.000,0:03:49.000
所以請大家回去告誡你們的小孩多玩遊戲吧,

0:03:49.000,0:03:51.000
我真的很需要這個.

0:03:51.000,0:03:53.000
我要說的是,我處理

0:03:53.000,0:03:55.000
醫療數據要用的東西

0:03:55.000,0:03:57.000
就包含在這機器裡面.

0:03:57.000,0:04:00.000
我要用到的就是這些能幹的小設備.

0:04:00.000,0:04:02.000
多年前

0:04:02.000,0:04:04.000
大約十年前

0:04:04.000,0:04:06.000
我得到足夠的資金

0:04:06.000,0:04:08.000
買了我的第一台繪圖電腦

0:04:08.000,0:04:10.000
那台電腦體型非常大

0:04:10.000,0:04:13.000
像塞滿處理器,存儲器等等等等的格子

0:04:13.000,0:04:16.000
這台機器花了我大約一百萬美金.

0:04:17.000,0:04:20.000
現在這機器運行速度大概和我的iPhone一樣.

0:04:22.000,0:04:24.000
每個月都會有不同的新顯示卡面世.

0:04:24.000,0:04:27.000
這是銷售商們推出的最新的顯示卡----

0:04:27.000,0:04:30.000
NVIDIA, ATI, 還有Intel.

0:04:30.000,0:04:32.000
只要花個幾百塊

0:04:32.000,0:04:34.000
就能買到這些裝到電腦裡面去,

0:04:34.000,0:04:37.000
然後就可以做很多想做的事情.

0:04:37.000,0:04:39.000
要解決醫療數據爆炸的問題

0:04:39.000,0:04:42.000
靠的正是這個.

0:04:42.000,0:04:44.000
再加上一些其他

0:04:44.000,0:04:46.000
邏輯運算之類的技術活----

0:04:46.000,0:04:48.000
比如數據壓縮,

0:04:48.000,0:04:51.000
以及提取醫生需要研究部分的信息.

0:04:51.000,0:04:54.000
接下來我為大家演示一下我們能做到的部分.

0:04:54.000,0:04:57.000
這是使用CT機掃描時建成的一個數據集.

0:04:57.000,0:05:00.000
大家可以看到這是一套完整的數據.

0:05:00.000,0:05:03.000
這是一位女性. 從頭髮可以分辨出來.

0:05:03.000,0:05:06.000
大家可以看到這位女性身體各處的生理構造.

0:05:06.000,0:05:09.000
她牙齒上一塊散布的X線束,

0:05:09.000,0:05:11.000
那是牙齒上的一塊金屬.

0:05:11.000,0:05:14.000
也就是人造物所在的地方.

0:05:14.000,0:05:16.000
然後只需

0:05:16.000,0:05:19.000
在裝有普通顯示卡的普通電腦上

0:05:19.000,0:05:21.000
進行適當的編程,解析出一個剖面.

0:05:21.000,0:05:23.000
當然所有的數據都沒在表面,

0:05:23.000,0:05:26.000
通過旋轉可以從不同的角度進行觀察,

0:05:26.000,0:05:29.000
我可以看到這位女性有一個問題,

0:05:29.000,0:05:31.000
她的大腦顱腔有一處出血,

0:05:31.000,0:05:33.000
醫生用一個支架和

0:05:33.000,0:05:35.000
一個金屬夾子夾緊血管來控制出血.

0:05:35.000,0:05:37.000
通過改變功能設置,

0:05:37.000,0:05:40.000
我可以決定讓哪部分隱去

0:05:40.000,0:05:42.000
哪部分顯示出來.

0:05:42.000,0:05:44.000
我可以只看他的頭骨部分,

0:05:44.000,0:05:47.000
然後可以觀察出,哦,醫生是從這裡打開她的頭蓋骨,

0:05:47.000,0:05:49.000
然後是從這個地方著手進行手術.

0:05:49.000,0:05:51.000
這些都是非常有用的圖像.

0:05:51.000,0:05:53.000
他們能提供非常有用的信息,

0:05:53.000,0:05:55.000
能告訴我們今天用普通顯示卡

0:05:55.000,0:05:58.000
我們能做些甚麼.

0:05:58.000,0:06:00.000
現在我們確實已經開始利用起這些顯卡,

0:06:00.000,0:06:03.000
我們希望能利用這些顯卡處理

0:06:03.000,0:06:05.000
盡量多的數據.

0:06:05.000,0:06:07.000
我們正在開發的一個應用----

0:06:07.000,0:06:10.000
這個應用已經開始全球推廣----

0:06:10.000,0:06:12.000
虛擬屍檢.

0:06:12.000,0:06:14.000
這一次,從這些信息量巨大的數據集中

0:06:14.000,0:06:17.000
大家可以再一次看到全身掃描的使用.

0:06:17.000,0:06:20.000
把屍體完全推進CT掃描儀,

0:06:20.000,0:06:23.000
只要數秒就可以得到一個全身數據集.

0:06:23.000,0:06:25.000
這是一次虛擬屍檢的資料.

0:06:25.000,0:06:27.000
大家可以看到一層一層的解構如何完成.

0:06:27.000,0:06:30.000
首先是覆著屍體的停屍袋,然後是屍體

0:06:30.000,0:06:33.000
然後剖開皮膚,出現肌肉

0:06:33.000,0:06:36.000
最後可以看到這位女性的骨骼結構.

0:06:36.000,0:06:39.000
在這裡,我要強調一下,

0:06:39.000,0:06:41.000
對接下來我要展示的屍檢範例

0:06:41.000,0:06:43.000
我是懷著極高的敬意.

0:06:43.000,0:06:45.000
這些都是虛擬屍檢的應用案例

0:06:45.000,0:06:47.000
我是懷著對死者最高的敬意

0:06:47.000,0:06:49.000
向大家展示

0:06:49.000,0:06:52.000
這些暴力死亡的屍檢案例.

0:06:53.000,0:06:55.000
法醫屍檢裡

0:06:55.000,0:06:57.000
近四年來

0:06:57.000,0:06:59.000
單就瑞典我所在的地區來說

0:06:59.000,0:07:01.000
目前已經有大約400例

0:07:01.000,0:07:03.000
法醫屍檢

0:07:03.000,0:07:05.000
採用了虛擬驗屍.

0:07:05.000,0:07:08.000
虛擬驗屍的流程大概是這樣的.

0:07:08.000,0:07:10.000
首先,大概在晚上

0:07:10.000,0:07:12.000
警方到達案發現場

0:07:12.000,0:07:15.000
根據現場情況決定是否需要虛擬驗屍.

0:07:15.000,0:07:18.000
之後大概在早上6點到7點,

0:07:18.000,0:07:20.000
警察們把屍體裝進停屍袋

0:07:20.000,0:07:22.000
送到我們研究中心

0:07:22.000,0:07:24.000
使用CT機進行掃描.

0:07:24.000,0:07:26.000
接著放射性專家以及病理學專家

0:07:26.000,0:07:28.000
有時候再加上法醫學家

0:07:28.000,0:07:30.000
共同研究

0:07:30.000,0:07:32.000
從CT機得到的數據.

0:07:32.000,0:07:35.000
由他們確定接下來實際屍檢的步驟.

0:07:37.000,0:07:39.000
現在我們來看一些真實案例.

0:07:39.000,0:07:41.000
這是早期案例中的一個.

0:07:41.000,0:07:44.000
我們可以看到非常詳盡的數據,

0:07:44.000,0:07:46.000
它們能提供很大的幫助.

0:07:46.000,0:07:48.000
然後我們利用電腦的邏輯演算

0:07:48.000,0:07:50.000
可以對所有想看到的細節進一步放大.

0:07:50.000,0:07:52.000
這一次,同樣非常智能,

0:07:52.000,0:07:54.000
這個系統中我們可以像實際屍檢一樣

0:07:54.000,0:07:56.000
根據需要對屍體進行旋轉.

0:07:56.000,0:07:58.000
對這個案例無需做過多的描述.

0:07:58.000,0:08:00.000
這是一起交通意外,

0:08:00.000,0:08:02.000
司機醉酒駕駛,一名女性被撞.

0:08:02.000,0:08:05.000
大家可以很清楚看到骨架上所受創傷.

0:08:05.000,0:08:08.000
死因是頸骨骨折.

0:08:08.000,0:08:10.000
被害者當場死亡.

0:08:10.000,0:08:12.000
撞擊發生時,

0:08:12.000,0:08:14.000
死者受到重創.

0:08:14.000,0:08:17.000
這裡是另一個案子.一起持刀行凶案.

0:08:17.000,0:08:19.000
這一次我們來看看可以發現甚麼.

0:08:19.000,0:08:21.000
屍體體內的金屬人造物部分

0:08:21.000,0:08:24.000
非常明顯.

0:08:24.000,0:08:27.000
你還可以看到牙齒裡也有一些人造物,

0:08:27.000,0:08:29.000
那是補牙的填充物.

0:08:29.000,0:08:32.000
這裡我設定了只顯示金屬,

0:08:32.000,0:08:34.000
其他被自動屏蔽.

0:08:34.000,0:08:37.000
這是另一起暴力案件.這裡並不是致命傷.

0:08:37.000,0:08:39.000
真正死因是心臟被刺.

0:08:39.000,0:08:41.000
後來兇手又把刀

0:08:41.000,0:08:43.000
插進了被害人的眼睛.

0:08:43.000,0:08:45.000
再來看另外一個案子.

0:08:45.000,0:08:47.000
能直觀看到諸如東西被刀刺破的樣子

0:08:47.000,0:08:49.000
是很有意思的一件事情.

0:08:49.000,0:08:52.000
這裡你可以看到心臟被刀刺穿.

0:08:52.000,0:08:54.000
可以很清楚看到空氣

0:08:54.000,0:08:56.000
從一個部位漏往另一個部位.

0:08:56.000,0:08:59.000
這在常規屍檢中是很難觀察到的.

0:08:59.000,0:09:01.000
所以說,犯罪研究中,

0:09:01.000,0:09:03.000
虛擬屍檢可以幫助

0:09:03.000,0:09:05.000
判斷死者真實死因,

0:09:05.000,0:09:08.000
以及必要時候幫助建立正確的

0:09:08.000,0:09:10.000
緝凶方向.

0:09:10.000,0:09:12.000
接下來也是一個很有意思的案子.

0:09:12.000,0:09:14.000
這裡可以看到有一顆子彈.

0:09:14.000,0:09:17.000
子彈是擦著脊柱飛入的.

0:09:17.000,0:09:20.000
接著我們把這顆子彈變成一個發光體,

0:09:20.000,0:09:22.000
子彈變成發光體後

0:09:22.000,0:09:25.000
要找子彈碎片就容易多了.

0:09:25.000,0:09:27.000
如果在實際屍檢中,

0:09:27.000,0:09:29.000
要從屍體中搜尋出這些彈片

0:09:29.000,0:09:31.000
可謂相當困難.

0:09:33.000,0:09:35.000
今天還有一樣

0:09:35.000,0:09:38.000
我非常想展示給大家的東西,

0:09:38.000,0:09:40.000
就是我們的虛擬驗屍檯.

0:09:40.000,0:09:42.000
這其實是一套觸屏設備

0:09:42.000,0:09:45.000
配置有普通顯示卡,加上電腦邏輯演算開發而得.

0:09:45.000,0:09:47.000
大家可以看得更清楚一點

0:09:47.000,0:09:50.000
就是這個樣子.

0:09:50.000,0:09:53.000
用起來就像一個放大版的iPhone.

0:09:53.000,0:09:55.000
在模擬驗屍檯上

0:09:55.000,0:09:58.000
你可以做任何實際驗屍中可能的操作,

0:09:58.000,0:10:02.000
你可以就把它當作一個大型觸屏.

0:10:02.000,0:10:04.000
所以如果你有想買個iPad,

0:10:04.000,0:10:07.000
別管iPad了, 這個才是你想要的.

0:10:07.000,0:10:10.000
史提夫(蘋果公司現任董事長)，聽到了吧

0:10:11.000,0:10:13.000
這真的是一個很有意思的玩意

0:10:13.000,0:10:15.000
有機會你們一定要試一下

0:10:15.000,0:10:18.000
這個是非親身體驗不能明白的.

0:10:18.000,0:10:21.000
它已經獲得了一定認可,我們正在準備它的首次亮相,

0:10:21.000,0:10:23.000
希望能把它應用到相關教學中

0:10:23.000,0:10:25.000
同時,也希望在將來,

0:10:25.000,0:10:28.000
能將它應用到臨床醫學中去.

0:10:28.000,0:10:30.000
如果大家想把虛擬驗屍檯

0:10:30.000,0:10:32.000
介紹給其他人知道的話,

0:10:32.000,0:10:35.000
這次演講的影片可以在YouTube下載到.

0:10:35.000,0:10:37.000
好了,說到觸得到

0:10:37.000,0:10:39.000
接下來我們來看一些真正觸得到的數據.

0:10:39.000,0:10:41.000
這個聽起來還有一點科幻,

0:10:41.000,0:10:44.000
因為我們現在要先進入未來的景象.

0:10:44.000,0:10:47.000
現在的醫生並沒有真的在使用這種儀器,

0:10:47.000,0:10:49.000
但是我希望以後能夠.

0:10:49.000,0:10:52.000
屏幕左側是一個觸控裝置.

0:10:52.000,0:10:54.000
一隻觸控筆.

0:10:54.000,0:10:57.000
筆裡面置有高速步進電動機,

0:10:57.000,0:10:59.000
能通過力反饋信號模擬出”真實”的觸感.

0:10:59.000,0:11:01.000
用這支筆觸碰這些虛擬數據,

0:11:01.000,0:11:04.000
會在筆中生成觸力信號從而得到力反饋效果.

0:11:04.000,0:11:06.000
這次示範中

0:11:06.000,0:11:08.000
使用的是一套活人掃描數據.

0:11:08.000,0:11:11.000
我拿著筆, 掃描數據在我面前.

0:11:11.000,0:11:13.000
把筆伸向掃瞄出的頭部影像

0:11:13.000,0:11:15.000
我立刻就能感覺到所遇到的阻礙.

0:11:15.000,0:11:17.000
我感覺到了皮膚的阻礙.

0:11:17.000,0:11:19.000
繼續用力, 穿透皮膚

0:11:19.000,0:11:22.000
就能感覺到裡面的骨骼構架.

0:11:22.000,0:11:24.000
如果再加點力,就能穿過骨骼,

0:11:24.000,0:11:27.000
尤其是在耳朵附近軟骨部分做這個實驗的話.

0:11:27.000,0:11:30.000
穿過骨骼,能感覺到大腦內部存在,到處黏糊糊的.

0:11:30.000,0:11:32.000
這玩意真的不錯.

0:11:32.000,0:11:35.000
接下來進一步我們來看心臟.

0:11:35.000,0:11:38.000
這又得歸功於那些新一代掃描儀,

0:11:38.000,0:11:40.000
短短0.3秒

0:11:40.000,0:11:42.000
就掃描完了整個心臟.

0:11:42.000,0:11:44.000
時間分辨率極高.

0:11:44.000,0:11:46.000
大家請先看這個心臟,

0:11:46.000,0:11:48.000
接下來我為大家放一段視頻.

0:11:48.000,0:11:50.000
這是卡爾約安,我的一個研究生

0:11:50.000,0:11:52.000
他也是這個研究項目中的一員.

0:11:52.000,0:11:55.000
他正坐在這套力反饋系統觸覺設備前面,

0:11:55.000,0:11:58.000
用觸控筆研究那顆心臟.

0:11:58.000,0:12:00.000
這心臟就在他眼前勃勃跳動.

0:12:00.000,0:12:02.000
拿著筆他就能檢查這顆心臟跳動是否正常.

0:12:02.000,0:12:04.000
現在他正拿著觸控筆,把它移近心臟,

0:12:04.000,0:12:06.000
然後放在心臟表面,

0:12:06.000,0:12:09.000
感受來自那位患者的真實心跳.

0:12:09.000,0:12:11.000
這樣他就可以對患者的心臟機能進行檢查.

0:12:11.000,0:12:13.000
他還可以把筆伸進心臟裡面

0:12:13.000,0:12:16.000
切切實實的感受心臟瓣膜是如何一張一翕.

0:12:16.000,0:12:19.000
我想這個正是心臟外科醫生所需要的.

0:12:19.000,0:12:22.000
有了這項技術,恐怕這些醫生們作夢也會笑醒.

0:12:22.000,0:12:25.000
這樣醫生們就能夠

0:12:25.000,0:12:27.000
在實際外科手術前深入觀察患者心臟,

0:12:27.000,0:12:29.000
並且有高度精確的數據做保證.

0:12:29.000,0:12:31.000
非常值得期待.

0:12:32.000,0:12:35.000
現在我們來講一點更科幻的東西.

0:12:35.000,0:12:38.000
大家大概都聽說過功能磁共振成像.

0:12:38.000,0:12:41.000
這是一個非常有意思的研究項目.

0:12:41.000,0:12:43.000
磁共振成像的原理是利用磁場

0:12:43.000,0:12:45.000
和射頻脈衝

0:12:45.000,0:12:48.000
對大腦或身體其他部位進行掃描.

0:12:48.000,0:12:50.000
通常我們可以通過磁共振成像

0:12:50.000,0:12:52.000
得到大腦結構的信息

0:12:52.000,0:12:54.000
當然利用磁共振也可以測出

0:12:54.000,0:12:57.000
含氧血和不含氧血

0:12:57.000,0:13:00.000
的不同磁性.

0:13:00.000,0:13:02.000
這就意味著

0:13:02.000,0:13:04.000
我們可以繪製出大腦活躍區域圖.

0:13:04.000,0:13:06.000
這正是我們現在在研究的東西.

0:13:06.000,0:13:09.000
這裡大家可以看到我們的研究工程師默特

0:13:09.000,0:13:11.000
戴著護目鏡

0:13:11.000,0:13:13.000
進入到磁共振成像設備.

0:13:13.000,0:13:15.000
他可以從護目鏡上獲得外界的信息.

0:13:15.000,0:13:18.000
所以他在掃描儀裡時我就從外界向他傳遞信息.

0:13:18.000,0:13:20.000
這其實有一點詭異,

0:13:20.000,0:13:22.000
因為默特看到的其實是這個

0:13:22.000,0:13:25.000
他自己的大腦.

0:13:25.000,0:13:27.000
圖像顯示出默特並不是安安靜靜躺著的.

0:13:27.000,0:13:29.000
他大概在用右手做這個動作,

0:13:29.000,0:13:31.000
因為大腦的左半球運動皮層

0:13:31.000,0:13:33.000
處於活躍狀態.

0:13:33.000,0:13:35.000
他自己也能同步看到這些畫面.

0:13:35.000,0:13:37.000
這些可視化技術還相當新,

0:13:37.000,0:13:40.000
但我們對其研究已經進行了一段時間.

0:13:40.000,0:13:43.000
這是另一次默特大腦的成像.

0:13:43.000,0:13:46.000
這次成像我們讓默特從100開始倒數.

0:13:46.000,0:13:48.000
於是他開始倒數 “100, 97, 94”

0:13:48.000,0:13:50.000
一直數一直數.

0:13:50.000,0:13:53.000
大家可以看到大腦在進行這個簡單數學演算

0:13:53.000,0:13:55.000
漸漸的整個大腦都活躍起來.

0:13:55.000,0:13:57.000
看起來非常有意思,哪天我們自己也可以試試.

0:13:57.000,0:13:59.000
我們還可以指示默特做特定動作來做一些研究.

0:13:59.000,0:14:01.000
大家可以看到他大腦後側

0:14:01.000,0:14:03.000
視覺皮層活躍起來了,

0:14:03.000,0:14:05.000
因為他自己正在看那裡,看自己的大腦.

0:14:05.000,0:14:07.000
同時他又在聽從我們的指令

0:14:07.000,0:14:09.000
進行動作.

0:14:09.000,0:14:11.000
雖然大腦信號是在大腦深處傳遞,

0:14:11.000,0:14:13.000
但它可以通過成像凸顯出來.

0:14:13.000,0:14:15.000
因為所有的數據都集中在活躍區域.

0:14:15.000,0:14:17.000
接下來大家就會觀察到變化----

0:14:17.000,0:14:19.000
好,就是這裡.默特,動一下你的左腿.

0:14:19.000,0:14:21.000
好,就是這裡.默特,動一下你的左腿.

0:14:21.000,0:14:23.000
持續了大約20秒,

0:14:23.000,0:14:25.000
於是突然大腦這一部分顏色鮮艷起來.

0:14:25.000,0:14:27.000
大腦運動皮層活躍了.

0:14:27.000,0:14:29.000
非常,非常不錯.

0:14:29.000,0:14:31.000
這真的是一個非常厲害的工具.

0:14:31.000,0:14:33.000
和前面所作演講結合起來看的話,

0:14:33.000,0:14:35.000
利用這個工具

0:14:35.000,0:14:37.000
我們可以直觀地觀察到

0:14:37.000,0:14:39.000
神經系統是如何工作, 大腦是如何工作,

0:14:39.000,0:14:42.000
而且這樣的觀察是高度可視化的,

0:14:42.000,0:14:45.000
同時也具有高速分辨力.

0:14:45.000,0:14:47.000
最近我們中心也做了一些很有意思的研究.

0:14:47.000,0:14:50.000
這是台CAT掃描儀----計算機輔助斷層攝影.

0:14:51.000,0:14:53.000
這是瑞典諾爾雪平市郊

0:14:53.000,0:14:56.000
動物園裡的一頭獅子.

0:14:56.000,0:14:58.000
工作人員把她送到我們中心

0:14:58.000,0:15:00.000
給她打了鎮靜劑

0:15:00.000,0:15:02.000
然後把她放平送進掃描儀.

0:15:02.000,0:15:05.000
接著就得到了這頭獅子的一套完整數據集.

0:15:05.000,0:15:07.000
我們可以得到像這樣的清晰圖像,

0:15:07.000,0:15:09.000
也可以把獅子的表皮剖開

0:15:09.000,0:15:11.000
觀察她的內部結構.

0:15:11.000,0:15:13.000
我們確實有這樣做過實驗.

0:15:13.000,0:15:15.000
我想這也是未來對這種技術

0:15:15.000,0:15:17.000
的某種絕好應用.

0:15:17.000,0:15:20.000
因為目前我們對動物解剖依然知之甚少.

0:15:20.000,0:15:23.000
對獸醫來說這些都是亟需掌握的基本信息.

0:15:23.000,0:15:25.000
基本上所有東西都能拿來掃描,

0:15:25.000,0:15:27.000
所有動物都可以,

0:15:27.000,0:15:30.000
只要能塞進掃描儀.

0:15:30.000,0:15:32.000
於是一頭熊就出現了.

0:15:32.000,0:15:34.000
把牠塞進掃描儀稍微費了點功夫.

0:15:34.000,0:15:37.000
這頭熊倒是非常溫順,討人喜歡.

0:15:37.000,0:15:40.000
掃描結果出來了.這是熊的鼻子.

0:15:40.000,0:15:43.000
對著這個鼻子也許你還想去摸摸,

0:15:43.000,0:15:46.000
調整設置顯示成這樣以後大概就不想了.

0:15:46.000,0:15:48.000
所以對熊還是要小心一點好.

0:15:48.000,0:15:50.000
結束前,

0:15:50.000,0:15:52.000
我要感謝

0:15:52.000,0:15:54.000
所有幫助我整理這些圖片的人.

0:15:54.000,0:15:56.000
你們花費了很大精力來完成這些,

0:15:56.000,0:15:59.000
收集數據,優化算法,

0:15:59.000,0:16:01.000
編寫所有需要的軟體.

0:16:01.000,0:16:04.000
你們都極具天賦.

0:16:04.000,0:16:07.000
我一直堅持:只雇用比我聰明的人,

0:16:07.000,0:16:09.000
這些人就幾乎人人比我聰明.

0:16:09.000,0:16:11.000
謝謝各位.

0:16:11.000,0:16:15.000
（掌聲）