超級邊緣醫療SoC
概述
在Covid 19流行過後，行業復興的最大賭注是5G技術在全球的大規模實施。人們普遍預計，5G的增強型移動寬頻的速度將達到4G速度的20倍，超可靠低延遲通信和大規模機器型連接將改變世界。5G最重要的應用案例之一是其在醫療領域的應用，涵蓋了遠程手術、遠程病人監測等多種應用，具有巨大的商業潛力。例如，遠程醫療市場預計將在2017年至2023年以16.5%的年復合增長率增長，與5G技術的大規模應用同步。
醫療行業本身在技術上得到了轉變，這些年來，現在每天都會產生大量的數據。從病人的醫療記錄到核磁共振、CAT或PET掃描產生的大型圖像文件，一個病人每天可以產生數百千兆位元組的數據。例如，根據探測器面積和像素大小，數字乳房X光檢查的圖像矩陣可能高達4800×6000像素，文件大小超過50MBytes。
與此同時，人工智慧和機器學習（AI/ML）正在徹底改變醫療診斷領域。醫學影像將大量應用於疾病的早期診斷、檢測和治療。例如，胰腺癌的早期檢測具有挑戰性，因為癌症的特異性症狀只發生在晚期，而且缺乏一種可靠的篩查工具來識別高危患者。研究人員正試圖通過開發一個人工神經網絡（ANN），對其進行訓練，並利用現有的健康數據進行測試，從而找到解決方案。我們當然也看到，在嚴重依賴醫學影像和人工智慧的健康產業中，出現了人工智慧輔助的工作流程。
印度FastStream Technologies公司正在設計的超級邊緣醫療SoC（SEMC）就是為了滿足醫療行業的這一特定需求。原始設備製造商和系統設計師將能夠利用這種完全集成的邊緣SoC來創建今天無法實現的解決方案。該SoC解決方案的主要差異化因素之一是，它可以在全5G連接的情況下運行，如果需要，它可以在成熟的邊緣模式下運行，包括邊緣計算、邊緣推理、邊緣存儲，甚至是私有邊緣雲。
SEMC的主要模塊。
1- 邊緣計算引擎：8個Cortex-A78 CPU核心，運行頻率高達3.0 GHz--醫療設備的壽命為8-10年，我們已經整合了足夠的計算能力來滿足現在和未來的需求。這也是運行未來大型機器學習模型的需要。
RAM- 32 GB，4個72位（64位+ECC）3.2 GT/s LP DDR4 SDRAM帶ECC的內存控制器。
支持4X8 GB 2666 MHz-模塊。
2- 4K/8K視頻處理。4顆Mali-G78第二代高級GPU基於Mali Valhall架構，可實時處理4K/8K視頻，在巨大的98英寸多顯示器上呈現。
3-邊緣推理處理器：1 X ARM NPU ETHOS-N78 高擴展性和高效的第二代ML推理處理器。
4- Private Edge Cloud for Super Storage : 32條SerDes通道，PCIe Gen4支持高達16 Gbps的數據傳輸速率。四個PCIe Gen 4.0 8-lane控制器，使用PCIe Gen4連接，主板將有2個連接器，用於2個8TB NVMe PCIe Gen 4 M.2 2280內部高性能固態硬碟（SSD）。在此配置的SSD硬碟上市之前，可以使用容量較低的SSD，最高可達2TB。
5- 支持96英寸UHD（超高清）顯示器。遠程手術需要通過4X HDMI 2.0埠以120 Hz的頻率將高清實時視頻投射到大型UHD顯示器上。
6- 5G - 5G連接將通過使用外部第三方數據機（如Quectel RM500Q-GL）實現。它是一個針對邊緣應用優化的5G模塊。
7- 安全性。Cortex A-78中的Trust Zone技術用於運行可信賴的啟動和可信的作業系統，以創建一個可信的執行環境（TEE）。典型的使用案例包括保護認證、加密、支付、密鑰材料和數字權利管理（DRM）.邊緣雲安全是通過SSD內置的。硬體：AES 128/256位（XTS、CTR、CBC、ECB模式）、SHA 160/256/512、RSA 2048 SW：TCG支持和Opal 2.0、Pyrite、Sanitize和Crypto Erase。
8- 其他接口：2個M地址I CSI-2,SD/eMMC,2個USB 3.0控制器集成PHY,4個I2C,4個UART,24個GPIO,3個HDMI,Wi-Fi,BT-5.0
9- 作業系統 : Linux系統
框圖：
設想與SEMC一起使用的遠程手術使用模式。
5G使這一切成為可能，它將設備之間的延遲縮短到幾乎是瞬時的2毫秒，讓外科醫生在千里之外也能進行手術，仿佛就在病人身邊。患者的所有醫療記錄都存儲在外科醫生的本地邊緣雲中，由SSD提供的16TB存儲空間。通過固態硬碟的PCIe Gen 4連接，可以即時檢索，並顯示在98英寸的大螢幕上。患者端的所有醫療過程監控設備的實時數據都顯示在外科醫生的UHD 98英寸顯示器上。
未來，混合現實（MR）和機器人手術也可以通過同一平台實現，整個手術過程僅由遠程醫生完成。
在醫療過程中，所獲得的高解析度醫療圖像可以輸入到已經訓練好的機器學習模型中，存儲在邊緣雲中，並使用強大的ETHOS快速推理。
概述
在Covid 19流行過後，行業復興的最大賭注是5G技術在全球的大規模實施。人們普遍預計，5G的增強型移動寬頻的速度將達到4G速度的20倍，超可靠低延遲通信和大規模機器型連接將改變世界。5G最重要的應用案例之一是其在醫療領域的應用，涵蓋了遠程手術、遠程病人監測等多種應用，具有巨大的商業潛力。例如，遠程醫療市場預計將在2017年至2023年以16.5%的年復合增長率增長，與5G技術的大規模應用同步。
醫療行業本身在技術上得到了轉變，這些年來，現在每天都會產生大量的數據。從病人的醫療記錄到核磁共振、CAT或PET掃描產生的大型圖像文件，一個病人每天可以產生數百千兆位元組的數據。例如，根據探測器面積和像素大小，數字乳房X光檢查的圖像矩陣可能高達4800×6000像素，文件大小超過50MBytes。
與此同時，人工智慧和機器學習（AI/ML）正在徹底改變醫療診斷領域。醫學影像將大量應用於疾病的早期診斷、檢測和治療。例如，胰腺癌的早期檢測具有挑戰性，因為癌症的特異性症狀只發生在晚期，而且缺乏一種可靠的篩查工具來識別高危患者。研究人員正試圖通過開發一個人工神經網絡（ANN），對其進行訓練，並利用現有的健康數據進行測試，從而找到解決方案。我們當然也看到，在嚴重依賴醫學影像和人工智慧的健康產業中，出現了人工智慧輔助的工作流程。
印度FastStream Technologies公司正在設計的超級邊緣醫療SoC（SEMC）就是為了滿足醫療行業的這一特定需求。原始設備製造商和系統設計師將能夠利用這種完全集成的邊緣SoC來創建今天無法實現的解決方案。該SoC解決方案的主要差異化因素之一是，它可以在全5G連接的情況下運行，如果需要，它可以在成熟的邊緣模式下運行，包括邊緣計算、邊緣推理、邊緣存儲，甚至是私有邊緣雲。
SEMC的主要模塊。
1- 邊緣計算引擎：8個Cortex-A78 CPU核心，運行頻率高達3.0 GHz--醫療設備的壽命為8-10年，我們已經整合了足夠的計算能力來滿足現在和未來的需求。這也是運行未來大型機器學習模型的需要。
RAM- 32 GB，4個72位（64位+ECC）3.2 GT/s LP DDR4 SDRAM帶ECC的內存控制器。
支持4X8 GB 2666 MHz-模塊。
2- 4K/8K視頻處理。4顆Mali-G78第二代高級GPU基於Mali Valhall架構，可實時處理4K/8K視頻，在巨大的98英寸多顯示器上呈現。
3-邊緣推理處理器：1 X ARM NPU ETHOS-N78 高擴展性和高效的第二代ML推理處理器。
4- Private Edge Cloud for Super Storage : 32條SerDes通道，PCIe Gen4支持高達16 Gbps的數據傳輸速率。四個PCIe Gen 4.0 8-lane控制器，使用PCIe Gen4連接，主板將有2個連接器，用於2個8TB NVMe PCIe Gen 4 M.2 2280內部高性能固態硬碟（SSD）。在此配置的SSD硬碟上市之前，可以使用容量較低的SSD，最高可達2TB。
5- 支持96英寸UHD（超高清）顯示器。遠程手術需要通過4X HDMI 2.0埠以120 Hz的頻率將高清實時視頻投射到大型UHD顯示器上。
6- 5G - 5G連接將通過使用外部第三方數據機（如Quectel RM500Q-GL）實現。它是一個針對邊緣應用優化的5G模塊。
7- 安全性。Cortex A-78中的Trust Zone技術用於運行可信賴的啟動和可信的作業系統，以創建一個可信的執行環境（TEE）。典型的使用案例包括保護認證、加密、支付、密鑰材料和數字權利管理（DRM）.邊緣雲安全是通過SSD內置的。硬體：AES 128/256位（XTS、CTR、CBC、ECB模式）、SHA 160/256/512、RSA 2048 SW：TCG支持和Opal 2.0、Pyrite、Sanitize和Crypto Erase。
8- 其他接口：2個M地址I CSI-2,SD/eMMC,2個USB 3.0控制器集成PHY,4個I2C,4個UART,24個GPIO,3個HDMI,Wi-Fi,BT-5.0
9- 作業系統 : Linux系統
框圖：
設想與SEMC一起使用的遠程手術使用模式。
5G使這一切成為可能，它將設備之間的延遲縮短到幾乎是瞬時的2毫秒，讓外科醫生在千里之外也能進行手術，仿佛就在病人身邊。患者的所有醫療記錄都存儲在外科醫生的本地邊緣雲中，由SSD提供的16TB存儲空間。通過固態硬碟的PCIe Gen 4連接，可以即時檢索，並顯示在98英寸的大螢幕上。患者端的所有醫療過程監控設備的實時數據都顯示在外科醫生的UHD 98英寸顯示器上。
未來，混合現實（MR）和機器人手術也可以通過同一平台實現，整個手術過程僅由遠程醫生完成。
在醫療過程中，所獲得的高解析度醫療圖像可以輸入到已經訓練好的機器學習模型中，存儲在邊緣雲中，並使用強大的ETHOS快速推理。
收藏