ADLINK Technology stellt echtzeitfähige Medical Computing Plattformen für KI-gestützte bildgebende Verfahren vor

Medizingerätehersteller, Systemintegratoren und Krankenhäuser überzeugt neben der Echtzeitfähigkeit und kompakten Bauart der höchst leistungsfähigen Systeme vor allen die volle Systemverantwortung, die ADLINK Technology für die mindestens 5 Jahre langzeitverfügbaren Systeme bietet. Sowohl die Prozessorboards als auch die Grafikkarten kommen aus eigener Entwicklung und Fertigung, sodass der Kundensupport für alle Komponenten aus einer Hand kommt.

„Bildgebende Verfahren erhalten einen zunehmend hohen Detailierungsgrad. 2D-Schichtmodelle und 3D-Visualisierungen erhöhen den Performancebedarf und die Integration von Künstlicher Intelligenz erweitert die Anforderungen an die bildverarbeitenden Systeme nochmals deutlich. Gleichzeitig wird gefordert, die Bildgebung in Echtzeit bereitstellen zu können. Auf der anderen Seite muss die Systemauslegung hinsichtlich der Kosten und des Energieverbrauchs ausbalanciert werden. Mit unserer MLB 300x Serie geben wir Medizingeräteherstellern, Systemintegratoren und Krankenhäusern einen Systembaukasten an die Hand, mit dem sie ihre bildgebenden Aufgaben optimal auslegen können,“ erklärt Matthias Lubkowitz, Leiter des Healthcare Business Center EMEA bei ADLINK Technology in Deggendorf.

In bildgebenden Verfahren der Medizintechnik überzeugen die neuen MLB 300x Systeme vor allem durch ihre flexible GPU-Bestückung, die mittels MXM-Steckplatz realisiert wird. Standardbestückungen mit MXM-Grafikmodulen sind mit Nvidia Quadro Grafikcores der Generationen Pascal™, Turing™ und Ampere™ verfügbar. Die MLB 3002-Systeme verfügen darüber hinaus über zwei zusätzliche PCI-Express-Slots für dedizierte Framegrabber- oder weitere Grafikkarten.

Bei MXM-Modulen auf Basis der Ampere™ und Turing™-Architektur basiert das Raytracing, das für die volumetrische 3D-Bildgebung entscheidend ist, erstmals auf Hardware-Beschleunigern, den so genannten RT Cores. Das Rendering von Bilddaten wird so erstmals in Echtzeit möglich. Die integrierten Tensor Cores beschleunigen zudem die Matrixberechnungen, die das Herzstück des Trainings neuronaler Netze und der Inferenzoperationen im Rahmen des Deep Learning bilden und die Entfernung von Artefakten, die Kontrastanpassung und die Schärfeverbesserung für klarere medizinische Bilder ermöglichen.

Das Featureset im Detail

Die neuen IEC 60601-1 und IEC 60601-1-2 konformen MLB 300x Medical Computing Plattformen sind mit 11 verschiedenen Intel Core Prozessoren bis hin zum Intel Core i7-9700E mit 8 Rechenkernen erhältlich. Für kostensensitive Applikationen stehen zudem zwei Konfigurationen mit Intel Celeron Prozessoren zur Verfügung. Alle Systeme unterstützen bis zu 64 GByte DDR4 2666 Arbeitsspeicher. Für bildgebende Verfahren mit GPU-beschleunigter künstlicher Intelligenz können sie bedarfsgerecht mit 9 unterschiedlichen MXM-Grafikmodulen bestückt werden. Aktuelles Flaggschiff ist das MXM-Modul mit echtzeitfähiger Nvidia RTX A4500 GPU der Ampere-Familie. Sie bietet 5120 CUDA-, 160 Tensor- und 40 RT-Tensor-Cores und erreicht einer Performance von bis 17,8 TFLOPS FP32.

Alle MLB 300x Systeme unterstützen zudem bis zu 6 unabhängige Displays für zahlreiche Visualisierungsoptionen bei der Befundung und in OPs. Die MLB 3002 Systeme können über zwei PCIe x4 Slots um zusätzliche Framegrabber- oder Grafikkarten erweitert werden. Weitere Peripherie lässt sich über bis zu 6x USB 3.2 Gen x1, 2x USB 2.0, 1x RS-232/422/485, 1x RS-232 sowie 4x optionale digitale I/Os anbinden. 3x Gigabit Ethernet und optionales WLAN sorgen für zahlreiche Edge-Vernetzungsoptionen der KI-Systeme auch in Richtung klinischer PACS, Befundungs-Clouds und weiteren Medical-IoT-Applikationen. Für die Stromversorgung stehen Kunden medizinische Netzteile mit bis zu 220 Watt oder konventionelle Lösungen bis zu 500 Watt zur Verfügung.

Weitere Informationen zu den neuen echtzeitfähigen Medical Computing Plattformen für KI-gestützte bildgebende Verfahren finden Sie unter https://www.adlinktech.com/en/medical-box-pc

[1] Die Bilddatenvorverarbeitung und KI-Analytik benötigt rund 50ms bis zur Visualisierung. Voraussetzung ist eine für die Bildgebungsaufgabe passende Hardwarekonfiguration.