LØRN Case #C0626
Medisinsk bildebehandling
Hva er det viktigste fargeforskning kan lære oss, som vi kan bruke i medisinsk bildebehandling? Og hvordan kan man effektivt lage en 3D modell, for å sette en rask og korrekt diagnose? I denne episoden av #LØRN snakker Silvija med professor i fargebildeteknologi ved Institutt for datateknologi og informatikk ved NTNU i Gjøvik, Marius Pedersen, om de ulike anvendelsene som oppstår fra fargebildeteknologi blant annet i helsevesenet.

Marius Pedersen

Professor i fargebildeteknologi

NTNU

"Fargelaben ved NTNU er unik i Norge, og har en kompetanse man finner få andre steder i verden"

Dette er LØRN Cases

En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg. 

Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.

En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg. Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.

Vis

Velg ditt format

Varighet: 21 min

Ta quiz og få læringsbevis

Du må være medlem for å ta quiz

Ferdig med quiz?

Besvar refleksjonsoppgave

Du må være medlem for å gjøre refleksjonsoppgave.

Hvem er du, og hvordan ble du interessert i innovasjon?

Professor i Fargebildeteknologi ved Institutt for Datateknologi og Informatikk ved NTNU i Gjøvik. Han er også leder for Norsk laboratorium for farge og visuell prosessering (Fargelaboratoriet). Hans arbeid er rettet mot kvalitetsvurdering av bilder, spesielt ved bruk av algoritmer.

Hva er det viktigste dere gjør på jobben?

Forskning, utdanning og innovasjon

Hva fokuserer du på innen teknologi/innovasjon?

Fagfeltet mitt er fargebildeteknologi, hvor man både gjør mer grunnleggende og anvendt forskning. Jeg har spesielt fokusert på bildekvalitet – hvordan man måler og forbedrer kvalitet i bilder, og jeg har brukt dette i mange forskjellige anvendelser som medisinsk bildebehandling, grafisk/trykk/print bransje, biometri/sikkerhet, kunst/kulturarv, skjermer, undervannsbilder, etc.

Hvorfor er det spennende?

Fagfeltet er i konstant utvikling, og jeg tror kombinasjonen av kunnskap fra forskjellige områder kan gjøre til at man kommer til større gjennombrudd i fargebildeteknologi. Dette krever også samarbeid på tvers av disipliner.

Dine egne relevante prosjekter siste året?

Et av de nye prosjektene er “Improved Pathology Detection in Wireless Capsule Endoscopy Images through Artificial Intelligence and 3D Reconstruction”. Prosjektet skal kombinere kunstig intelligens og 3d modellering fra kapselendoskopi for bedre deteksjon av sykdom i tykktarmen. I et annet nylig avsluttet prosjekt «IQ-MED: Image Quality enhancement in MEDical diagnosis, monitoring and treatment» så arbeidet vi med bildeforbedring av kapselendoskopi, avbildning av hud, og video assistert kirurgi.

Hva tror du er relevant kunnskap for fremtiden?

Bildedata brukes i mange forskjellige anvendelser, og bruken vil bare øke. Det er behov for økt kunnskap behandling av disse bildene.

Hva gjør vi unikt godt i Norge av dette?

Fargelaben ved NTNU er unik i Norge, og har en kompetanse man finner få andre steder i verden.

Hvem er du, og hvordan ble du interessert i innovasjon?

Professor i Fargebildeteknologi ved Institutt for Datateknologi og Informatikk ved NTNU i Gjøvik. Han er også leder for Norsk laboratorium for farge og visuell prosessering (Fargelaboratoriet). Hans arbeid er rettet mot kvalitetsvurdering av bilder, spesielt ved bruk av algoritmer.

Hva er det viktigste dere gjør på jobben?

Forskning, utdanning og innovasjon

Hva fokuserer du på innen teknologi/innovasjon?

Fagfeltet mitt er fargebildeteknologi, hvor man både gjør mer grunnleggende og anvendt forskning. Jeg har spesielt fokusert på bildekvalitet – hvordan man måler og forbedrer kvalitet i bilder, og jeg har brukt dette i mange forskjellige anvendelser som medisinsk bildebehandling, grafisk/trykk/print bransje, biometri/sikkerhet, kunst/kulturarv, skjermer, undervannsbilder, etc.

Hvorfor er det spennende?

Fagfeltet er i konstant utvikling, og jeg tror kombinasjonen av kunnskap fra forskjellige områder kan gjøre til at man kommer til større gjennombrudd i fargebildeteknologi. Dette krever også samarbeid på tvers av disipliner.

Dine egne relevante prosjekter siste året?

Et av de nye prosjektene er “Improved Pathology Detection in Wireless Capsule Endoscopy Images through Artificial Intelligence and 3D Reconstruction”. Prosjektet skal kombinere kunstig intelligens og 3d modellering fra kapselendoskopi for bedre deteksjon av sykdom i tykktarmen. I et annet nylig avsluttet prosjekt «IQ-MED: Image Quality enhancement in MEDical diagnosis, monitoring and treatment» så arbeidet vi med bildeforbedring av kapselendoskopi, avbildning av hud, og video assistert kirurgi.

Hva tror du er relevant kunnskap for fremtiden?

Bildedata brukes i mange forskjellige anvendelser, og bruken vil bare øke. Det er behov for økt kunnskap behandling av disse bildene.

Hva gjør vi unikt godt i Norge av dette?

Fargelaben ved NTNU er unik i Norge, og har en kompetanse man finner få andre steder i verden.

Vis mer
Tema: Innovasjon i offentlig sektor
Organisasjon: NTNU
Perspektiv: Forskning
Dato: 200309
Sted: INNLANDET
Vert: Silvija Seres

Dette er hva du vil lære:


Fargebildeteknologi3D modellering BildedataSamarbeid

Mer læring:

http://www.colourlab.no http://www.colourlab.no</br >

Del denne Casen

Din neste LØRNing

Din neste LØRNing

Din neste LØRNing

Flere caser i samme tema

#C0037
Innovasjon i offentlig sektor

Dan Sørensen

Senioradvokat

Selmer

#C0036
Innovasjon i offentlig sektor

Malcolm Langford

Professor

UiO

#C0035
Innovasjon i offentlig sektor

Merete Nygaard

Grunder

Lawbotics

Lytt #C0626

Tekst for Case #C0626

 

Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres og venner. 

 

Silvija Seres: Hei og velkommen til Lørn i samarbeid med Gjøvik kommune. Mitt navn er Silvija Seres, temaet i dag er healthtech, og gjesten min er Marius Pedersen, som er professor ved NTNU i Gjøvik. Velkommen!

 

Marius Pedersen: Tusen takk!

 

Silvija: Marius, du er også en sånn fargeglad professor. 

 

Marius: Stemmer det.

Silvija: Men du anvender dine farger da, til medisinsk bildebehandling.

Marius: Ja, det er noe av det jeg gjør.

Silvija: Ja, og en av de områdene hvor du anvender dette her er, la meg prøve å uttale det, kapselendoskopi?

 

Marius: Stemmer.

 

Silvija: Som høres ut som det er en kapsel man svelger som tar noen bilder i endoskopi, det er da tarm?

 

Marius: Ja, helt korrekt. Det er et lite kamera som man svelger på størrelse med en sånn omega 3 kapsel omtrent, som da tar bilder igjennom systemet på vei ut igjen, og da får man rett og slett en lang, kanskje litt kjedelig video, som er veldig viktig for legene da å kunne se på. 

 

Silvija: Men den videoen analyseres da av software, kanskje før legene ser på det, eller?

 

Marius: Primært sånn som det er i dag så er det legene som ser på videoen. Det er ikke noe programvare eller noe som går igjennom og ser på det, så legen må sitte der og se igjennom. Ja, det er vel omtrent 50 000 bilder i den videoen som da en lege trenger å se på.

 

Silvija: Og det er innsiden av tarmen din?

 

Marius: Ja.

 

Silvija: Så det er sånn varierende variasjon da for å si det sånn. Det er ganske mye likt antar jeg, håper man.

 

Marius: Det er ganske mye likt. Det man håper er jo at man ikke finner noe, men de aller fleste som må igjennom en undersøkelse, de har jo da en grunn da til at man er nødt til å gå gjennom og se etter noe da.

 

Silvija: Man ser etter kreft, som regel.

 

Marius: Eller andre typer sykdommer som man kan ha i tarmen da.

 

Silvija: Ja, det kan være sånne cyster og polypper og sånt.

 

Marius: Ja. 

 

Silvija: Ja, kan jeg bare spørre deg? Er det kjempedyrt å lage et sånt lite kamera? Altså bare sånn for å forstå, hvor går teknologien? før vi begynner å grave oss inn.

 

Marius: Nei, altså kameraene i seg selv er nødvendigvis ikke kjempedyre. Det som koster en del i tillegg, er jo alt utstyret man trenger i tillegg. Det her er jo små kameraer som da sender informasjon ut til en mottaker på utsiden av kroppen, også trenger du et system i tillegg, men kameraene i seg selv koster kanskje noen 5-6-7 tusen kroner. Så ja, det koster jo litt.

 

Silvija: Dumt spørsmål, kan det gjenbrukes? 

 

Marius: De kameraene som finnes i dag, de kan ikke gjenbrukes, men det er nok kanskje noe vi kommer til å se i fremtiden at man vil få noe som kan gjenbrukes. De her må jo liksom lukkes, du har fire små lys som regel, også har du et kamera, en linse også har du batteri, og en liten datamaskin inni der, det er det man har.

 

Silvija: Vi kommer tilbake til hvordan det ser ut der inne, og om du kan dele med oss et bilde som vi kunne lagt ut med podkasten din.

 

Marius: Det kan vi sikkert se om vi kan få til.

 

Silvija: Ja, til og med på det nivået liksom, er det bare rosa?

 

Marius: Nei, det er faktisk ikke så veldig mye rosa.

 

Silvija: Ikke så veldig mye rosa. Er det mat man ser? Er det bæsj man ser? Jeg vet ikke hva man ser.


Marius: Nei, før man går gjennom en sånn undersøkelse så renser man tarmen rett og slett. Man faster i en viss periode, også passer man på å få ut alt som er der sånn at det er rent. 

 

Silvija: Ja, du må se veggene.

 

Marius: Ja, så hvis det ikke er rent så vil du heller ikke kunne greie å se noe ikke sant.

 

Silvija: Ja ok, men da får vi komme tilbake til fargen der. Men Marius, du er ved altså color-lab ved NTNU i Gjøvik.

 

Marius: Stemmer.

 

Silvija: Si litte grann om deg selv og hvordan havna du der egentlig, og ja, kanskje hvorfor synes du at det du gjør nå er spennende?

 

Marius: Nei, jeg begynte jo å studere her på Gjøvik tilbake på tidlig 2000-tall, kom inn dataingeniør, kanskje ung og ønska å gjøre noe innen informatikk, også gikk jeg videre, også jobba jeg på en master i medieteknikk, og det var der jeg møtte Jon Yngve Hardeberg som dere også har snakka med, og han fikk meg interessert i farger og bilder, og etter det så var jeg egentlig bare fortapt i det her, også gjorde jeg en doktorgrad i fargebildeteknologi fra Universitet i Oslo og var alltid tilknytta fargelabben og miljøet her da, også har jeg bare blitt værende på Gjøvik, til i dag hvor jeg da leder fargelabben colorlab, forskningsgruppa der, og forskninga mi inn mot medisinsk bildeteknologi. Jeg jobber også mye inn mot kvalitet i bilder, hvordan måle kvalitet, og hvordan man kan forbedre bilder på forskjellige måter da. Så det er alt fra grunnleggende til anvendt forskning.

 

Silvija: Okey, hvis vi begynner veldig forenklet nå i hodet mitt. I helseteknologi så er dette med billedtakning og bildeanalyse ekstremt viktig. 

 

Marius: Ja.

 

Silvija: Ikke sant, det er mange forskjellige måter å avbilde innsiden av kroppen vår på, og noe av det gjøres ved at man på en måte legger på både forskjellige fargeagenser, eller ting som legger inn spesielle spor, også forsterker man disse fargene for å kunne se etter ting. Så langt, so good?

 

Marius: Ja.

 

Silvija: Ja. Så greia med farger her er ikke nødvendigvis er ikke at man skal gjengi best mulig naturlig farge, men å finne ting, forsterke kontraster, eller hva er det viktigste man gjør da, med farger i medisinsk bildebehandling?

 

Marius: Det tror jeg kommer litt an på hva målgruppen er, altså hvis målgruppen din er et bilde en lege skal se på, så vil jo antakeligvis naturlige farger og være så nært det som er ekte være viktig, hvis man tenker at man har en programvare eller noe som skal analysere noe automatisk så trenger den nødvendigvis ikke å ha korrekte farger, den kan gjerne ha noe som ser helt annerledes ut, så lenge man greier å detektere noe og er, altså bruk av kunstig intelligens, trenger nødvendigvis ikke å bry seg om at fargene er korrekte, så lenge man greier å se at det er noe som er farlig, eller noe som er der da, så målgruppa vil være veldig forskjellig i det.

 

Silvija: Avgjørende.

 

Marius: Ja.

 

Silvija: Også har vi da fått kanskje bare de siste fem år da, eller kanskje til og med siste to årene, ekstremt mye billigere teknologi, eller tilgjengelig teknologi for å ta alle mulige slags bilder, og ikke minst kunstig intelligens og regnekraft og data til å analysere dem. Det må være utrolig spennende område å være midt i nå.

 

Marius: Det er det, og det skjer veldig mye veldig fort. Det er ikke så mange år siden den her billige kamerateknologien kom på markedet, og når du ser på også en del av de tingene som man ønsker å gjøre, ønsker å få til, sånn som store screening-program, for eksempel på kreft. Det kan være i tykktarmen, det kan være brystkreft for eksempel, så er man jo nødt til å ha nye og bedre metoder for å kunne både ta bildene, men også analysere de, fordi man kommer til å sitte igjen med veldig store datamengder som man da er nødt til å ha noen som er enten kvalifisert, en lege som skal se på de, eller automatiske metoder, og hvis vi går tilbake til billigkameraene der så er jo det noe som, man har jo sagt at man ønsker at alle over 55 skal gjennom et screening-program, og det er ganske mange mennesker og hvis en lege skal sitte å se gjennom alle de her videoene som man bruker kanskje en og en halv time på å se gjennom så må vi enten utdanne veldig mange flere leger, eller så må vi ha hjelpeverktøy som kan få ned tiden de bruker på å se på de videoene.

 

Silvija: Det er veldig interessant, fordi for et par år siden så var det en av disse forskerne for fremtidens arbeidsliv og behov da sagt at radiologer kommer til å gå «the way of the dodo» eller noe sånt noe, ikke sant? Men han har jo tatt kjempefeil, fordi det har aldri vært så mye å gjøre for radiologer som nå.

 

Marius: Jeg tror at man går mot noe hvor man kommer ikke til å erstatte legen eller radiologen.

 

Silvija: Onkologen, eller ja.

 

Marius: Jeg tror det som er rett måte å gå er å lage gode verktøy som de kan bruke for å bli mer effektive, men også for å være mer treffsikre. 

 

Silvija: Når dere da jobber med disse her bildene og fargene, en ting er å kunne ta de bildene, men en annen ting er å kunne analysere de bildene, og der kommer algoritmene inn i bildet.

 

Marius: Vi har ikke jobba så mye på hardware-siden, hvordan pillene lages, men vi har jobba mye med hvordan etter at bildene er tatt, og der er analysene av de, så vi har jobbet både med det at når et bilde er tatt så har de her dårlig oppløsning, de er uskarpe, det er ikke så lett å se hva som er der, da har vi jobba mye med: hvordan kan vi gjøre innholdet i bildene lettere for legen å se? For det er jo det som er viktig her er at legen greier å se det som han trenger å se for å sette en diagnose, det andre er jo da at når du sitter der med 50 000 bilder og skal se gjennom alle de så tar det tid, og hvordan greier man å pukke ut ved hjelp av automatisk algoritmer de bildene som er de mest relevante for legen å se, de viktigste, også greie å ta bort alle de hvor det ikke er noe relevant informasjon for legen.

 

Silvija: Altså her er det som du sier selv ganske mange forskjellige disipliner som kommer sammen, ikke sant? Hittil har vi snakket om optikk og vi har snakket om hardware, og vi har snakket om algoritmer, og vi har snakket om medisin. Og ikke sant, der er det en drøss med disipliner bare der, men du har da brukt dette med bildekvalitet for større effektivitet i ganske mange andre områder enn medisinsk bildebehandling, du nevner trykk- og printbransje, du nevner biometri og sikkerhet, kunst og kulturarv, skjermer og undervannsbilder og så videre. To spørsmål, hvordan klarer dere å jobbe på tvers av disipliner for å få til spennende ting? Og hvordan klarer dere å fokusere?

Marius: Hvordan man greier å jobbe på tvers, jeg tror veldig mye av de anvendelsesområdene og det som jeg har jobbet i, det ville ikke ha vært mulig uten at man hadde folk fra begge sider. Jeg skal være så ærlig og si at jeg greier ikke å gjenkjenne veldig mye av de bildene som tas av tarmen, men det gjør legen, og legen kunne ikke ha greidd å forbedre de uten min kompetanse så jeg tror at i alle de her områdene så er man nødt til å jobbe sammen hvis ikke så greier man ikke å komme videre, og man må også ha en forståelse over at den andre parten har en kunnskap som jeg ikke sitter med, og når man greier å innse det at man trenger hverandre så når man vanligvis et hakk videre enn det man hadde gjort helt alene, så det er vel egentlig mer at man ser behovet av å samarbeide, når man gjør det så er det kanskje enklere å samarbeide også.


Silvija: Og når det er så mange ting man kunne ha forsket på, for det er altså eksponentiell utvikling over alt hvor bilder er involvert nå, hvordan velger dere prosjekter? 


Marius: Vi velger jo gjerne prosjekter som ligger i kjerneområdet av det vi har kompetanse på, vi ønsker jo også å kunne ta forskningsfronten et steg videre, og da kan du ikke hoppe på alle slags mulige ting, da er man nødt til å holde seg til noe som er i fokus, og for vår del så er jo fokuset fargebildeteknologi.


Silvija: Og der hvor fargene er sentrale da.

 

Marius: Ja, og det er der vi ønsker å ha en påvirkning også på forskninga vår.

 

Silvija: Så, det er sikkert noe kontroverser her rundt tilgang til data og deling av data og sånt, men altså klarer dere å jobbe rundt det? Eller er det mer juridiske problemstillinger?

 

Marius: Nei det er jo alltid et problem altså når man jobber innen medisin eller mot pasienter med data, nå har vi jo en del av de tinga vi gjør så jobber vi jo med fantomer, altså forskjellige modeller, istedenfor å jobbe med ekte data.

 

Silvija: Man anonymiserer personen bak?


Marius: Nei, vi har rett og slett det man kaller et fantom som da er en modell av en pasient for eksempel da, som da er noe som har blitt lagd som skal være så likt som en pasient som mulig, hvor man da kan gjøre forskjellige tester, så vi har nå borti labben her på Gjøvik så har vi en kunstig tarm.

 

Silvija: En modell.

 

Marius: En modell.


Silvija: Software-modell av en kunstig tarm.

 

Marius: En ekte fysisk kunstig tarm, som vi da kan sette opp, og som oppfører seg som en tarm, og som ser ut som en tarm, som vi da kan gjøre eksperimenter på, også har vi et kamera som vi kan kjøre gjennom den her tarmen frem og tilbake, og det er en måte å komme seg litt rundt på, men til syvende og sist, hvis man skal ha noe ut som skal brukes i klinisk praksis så må du testes også på ekte pasienter, og det er der samarbeidet med sykehus er veldig viktig.

 

Silvija: Dere har to store prosjekter, egentlig de siste årene som du nevner her. Det ene er, kjempelange titler her altså.


Marius: Det ene heter IQ-med.


Silvija: Image quality enhancement in medical diagnostics, monitoring entreatment, og, men så har dere også dette her med bedre patologi-deteksjon da, med sånn kapsler, men der bruker dere også ikke bare AI, men 3D-konstruksjon, hvordan gjør man det?

 

Marius: Det vi øsnker å gjøre er, fra de her pu-kameraene så får man todimensjonale bilder. Det vi ønsker er basert på det vi har i de 2D-bildene og lage en 3D-modell av tarmen, og det vi tror og mener er at å få dybdeinformasjon, tredimensjonale informasjon fra legen vil være viktig i forhold til å sette en korrekt diagnose, og disse kameraene gir ikke 3D-bilder ut direkte, så da er vi nødt til å gjette oss litt frem til hvordan ting kommer til å se ut da i 3D og tanken er jo da også å kunne bruke den 3D-informasjonen inn i den kunstige intelligens-algoritmen det vi gjør for å detektere kreft, så det er en kombinasjon av både 3D og kunstig intelligens. 

 

Silvija: Disse prosjektene, er de internasjonale i natur, eller nasjonale, eller på en måte lokale til deres universitet, hvordan jobber man?

 

Marius: Prosjektene her er finansiert av forskningsrådet, men vi har med sykehuset i innlandet her på Gjøvik inn i det, vi har også et sykehus i England, også har vi internasjonale partnere med, så det her er absolutt et internasjonalt prosjekt, selv om det da er koordinert og styrt fra NTNU i Gjøvik.

 

Silvija: Er det noen du har som en sånn stor internasjonal altså forbilde, som jobber med prosjekter som vi burde vite mer om?

 

Marius: Jeg holdte på å si at når jeg var yngre så var vel kanskje det Jon Yngve, som dere har snakka med. Jeg vet ikke om jeg greier å trekke frem en enkel person i noe sånt.

Silvija: Jeg bare lurer på disse her store amerikanske forskningsinstitusjoner og sykehus som har slått sammen, eller kanskje det ikke er mulig å vite nøyaktig hva folk gjør. Hvor mye klarer man å lære fra hverandre?

Marius: Man reiser jo på konferanser og kongresser, og man blir jo kjent med de som gjør lignende forskning som seg selv, og min erfaring er at det er lett å kunne komme i kontakt med andre som gjør lignende ting, og de aller fleste som forskere ønsker jo å dele forskninga si, og ønsker jo å være en del av den internasjonale fronten, og jeg tror jo det at samarbeid er den måten vi kan greie å gjøre ting enda bedre på, og da er vi nødt til å kunne koble oss på de store og sterke miljøene.

Silvija: Hva tror du er relevant kunnskap for fremtiden?

Marius: Jeg tror jo at bildeteknologi blir viktigere og viktigere, så tror jeg den koblinga mot store datamengder, bruk av kunstig intelligens inn i det her, fordi det er vanskelig å kunne behandle store datamengder med tradisjonelle metoder, så jeg tror jo den koblinga der kommer til å være kjempeviktig, men også at man trenger en del mer grunnleggende forskning på enkelte områder.


Silvija: For meg høres det ut som at egentlig det du sier er tverrfaglighet da, fordi det å kunne bruke disse bildene med verktøy som hører til av leger, og av spesialister av alle slag, også på medisinsiden, litt mer datakunnskap og kanskje hos oss datafolk, litt mer anvendt, eller industriell, eller medisinsk kunnskap.

Marius: Det her er jo kanskje noe som ligger mer i, altså fargebildeteknologi er tverrfaglig, når du ser på de som er i fargelaben og forskning så kommer jo de fra signalbehandling, fra informatikk, fra matematikk, fysikk, optikk, så vi jobber jo allerede tverrfaglig med den kompetansen vi har og da er det kanskje enda lettere å jobbe mot andre igjen fordi man er tverrfaglig av natur.

Silvija: Ja, men har dere noe kunstnere?

Marius: Vi har brukt kunstnere i noe av det vi har gjort, blant annet når vi da trenger å lage forskjellige scener eller elementer eller ting som vi bruker innen forskninga, så vi har en kolleksjon som går på mer av utseendet av ting da, og da bruker vi kunstnere, for de kan greie å lage det vi trenger for å kunne gjøre forskninga vår, så absolutt!

Silvija: Du, hvor kan vi gå for å lese mer? Eller se noe om dette her.

Marius: Colorlab.no

Silvija: Colorlab.no, masse fine farger.

Marius: Tja, den er jo god og fin og grønn.

Silvija: Så legger dere ved, eller dere sender oss et bilde.

Marius: Ja, det skal jeg gjøre!

Silvija: Fra innsiden av tarmen for jeg er veldig nysgjerrig nå. Har du et lite sitat som vi kunne hekta på deg? En eller annen sånt forbilde du har, en Einstein eller en Steve Jobs, eller hvis du måtte velge noen som har sagt noe som du trenger når du skal inspirere deg.

Marius: Den der synes jeg er vanskelig å kunne si noe, så jeg har rett og slett ikke noe godt å gi deg.

Silvija: «Verden er bedre i farger»?

 

Marius: Ja det kan man gjerne si. Jeg tror jo på det, men det er jo også sånn, ja, hvis man skal si noe, alle ser jo verden litt forskjellig, og det gjelder også fargene, vi ser jo ikke ting likt, og der er det også viktig å kunne forstå hvordan vi som enkeltpersoner ser verden og fargene.

 

Silvija: Den var fin. Hvis du må velge en ting fra vår samtale, hva vil du velge?

 

Marius: Nei jeg liker jo veldig gjerne å fronte fargebildeteknologi, og muligheten man har til å bruke den teknologien inn i forskjellige anvendelser. Da har vi jo snakka mye om medisinsk bildebehandling, men det er også mange andre områder som vi har, altså biometri, sikkerhet, grafisk bransje og så videre, hvor det kan brukes.


Silvija: Folkens vi må lære masse om bilder.

 

Marius: Det må dere!

 

Silvija: Marius Pedersen, professor ved NTNU med fokus på farger og medisinsk bildebehandling og mye mer. Tusen takk for at du var med oss i Lørn og lærte oss å se verden gjennom nye farger.

 

Marius: Bare hyggelig!

 

Silvija: Takk til dere som lyttet.

 

Du har lyttet til en podkast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Følg oss i sosiale medier og på våre nettsider Lørn.Tech. 

 

Quiz for Case #C0626

Du må være Medlem for å dokumentere din læring med å ta quiz 

Allerede Medlem? Logg inn her:

0

C0626 HEALTHTECH medisinsk bildebehandling - med Marius Pedersen

1 / 3

Hvordan foregår videoanalyse av kapselendoskopi?

2 / 3

I medisinsk bildebehandling, når er det mindre viktig å anvende naturlige farger?

3 / 3

Hvor mange bilder består en kapselendoskopivideo av?

Your score is

The average score is 0%

Du må være Medlem for å kunne skrive svar på refleksjonsspørsmål

Allerede Medlem? Logg inn her: