Übersicht

High-Performance-Vorverarbeitung mit geringer Latenz innerhalb einer geeigneten thermischen Hülle voranbringen

Moderne Endoskopiesysteme

Fortschritte in der Präventionsmedizin und bei minimalinvasiven Operationen treiben den Bedarf an verbesserten Endoskopiesystemen voran. Herkömmliche Multichip-Implementierungen oder universelle GPUs verursachen Latenz. Dies ist kontraproduktiv gegenüber den für die moderne Endoskopie erforderlichen rechenintensiven Funktionen mit geringer Latenz und hoher Bandbreite.

Verarbeitung mit geringer Latenz dank adaptiven SoCs von AMD

Bei einem diagnostischen GI-Videoendoskop beträgt die Latenzanforderung 50–150 Millisekunden, damit ein Bild aufgezeichnet, übertragen, vorverarbeitet und angezeigt werden kann. Chirurgische Eingriffe mit Endoskopen erfordern eine Reaktion in nahezu Echtzeit. Es werden verschiedene Bild-, Farb- und Rauschkorrekturen vorgenommen, gefolgt von Kantenschärfung und Skalierung. Da sich die Anforderungen an die Kameraauflösung von 2K über 4K und 4K-3D bis 8K bewegen und mehr KI-/ML-Funktionen erforderlich sind, können die adaptiven SoC-Geräte der AMD Versal™ AI Edge-Serie die erforderliche High-Performance-Vorverarbeitung bewältigen, während sie gleichzeitig eine geringe Latenz und eine geeignete thermische Hülle bieten.

Konzeptbeispiele

4K-Video-Endoskopgeräte

In diesem Designbeispiel wird ein 4K-Videoendoskop mit AMD Lösungen entworfen. Dieses System unterstützt einen dualen 4K-Videostream. Der duale 4K-Bildsensor auf dem Kamerakopf führt die Bilderfassung durch, und die Bildsignalverarbeitung erfolgt in einem adaptiven AMD SoC.

Die Videostreams werden dann an ein oder mehrere adaptive SoC-Geräte wie Versal AI Edge oder Zynq™ UltraScale+™ Geräte weitergeleitet, um die Bildvorverarbeitung durchzuführen. Die Streams werden dann in nahezu Echtzeit über eine DisplayPort- oder Quad-SDI-Schnittstelle auf hochauflösenden 4K-Monitoren angezeigt, damit der Chirurg sie sehen kann. Die CCU führt Bild-, Farb- und Rauschkorrekturen durch, einschließlich Weißabgleich, automatischer Helligkeitsregelung, Verstärkungsregelung, IRIS-Steuerung usw. Einige der typischen Vorverarbeitungsfunktionen werden hier dargestellt. Es gibt verschiedene Möglichkeiten, die Vorverarbeitungsfunktionen je nach den Anforderungen zu partitionieren.

This design example discusses architecting a 4K video endoscope with AMD solutions

Vorteile

Die Verwendung von AMD Versal AI Edge oder Zynq UltraScale+ bietet verschiedene Vorteile:

  • Niedrige Latenz und hohe Bandbreite bieten eine höhere System-Performance mit Hardwarebeschleunigung für Videoanalysen wie Objektivverzerrungskorrektur, Drehung mit niedriger Latenz, Point-of-View-Übersetzung, Objektidentifizierung, Vergleich, Zählung, Erkennung, Positionierung und Messung
  • Die Integration von Single-Chip-Systemprozessor und Bildverarbeitung reduziert Stücklistenkosten und Stromverbrauch
  • Die optimale Hardware-/Softwarepartitionierung reduziert die Latenz und Engpässe durch die Kombination von Bild-/Videoverarbeitung, Analyse und Kamerasteuerung in einem einzigen Gerät
  • Unterstützung mehrerer Konnektivitätsstandards – Quad SDI, HDMI, DisplayPort, SATA, USB, Ethernet und mehr

Bildverwaltungsfunktionen mit Kria SOMs

Im Rahmen der Nachverarbeitung werden verschiedene Bildverwaltungsfunktionen für die Videorohdaten mit dem AMD Kria™ System-on-Module (SOM) oder adaptiven SoC-Geräten wie dem ZU+ MPSoC mit integrierten Video-Codec-Engines ausgeführt. Das Kria SOM ermöglicht eine viel kürzere Entwicklungszeit und Produktionszeit.

Adaptive SoCs für die Videoendoskopie-Verarbeitung

AMD Lösungen bieten bedeutende Plattformchancen, die als wichtige Bestandteile von Videoendoskopie-Verarbeitungssystemen zu fungieren können:

  • 4K60 Video-Encoder für netzwerkbasierte Videoübertragung
  • Beschleunigte Designproduktivität durch einen eng integrierten Entwicklungstool-Ablauf unter Verwendung von OpenCV, Vivado™ High-Level-Synthese und IP Integrator Tools
  • Kürzere Integrationszeit mit spezialisiertem Ökosystem-IP und Software sowie Betriebssystemen

In der Regel kann ein adaptives SoC-Gerät eine wesentlich höhere Performance, Bandbreite und Echtzeitfunktionen für Bildvorverarbeitungsfunktionen über ein ASSP-Gerät erzeugen. GPUs werden häufig für die Bildverarbeitung im Backend verwendet. AMD SoCs können jedoch deutlich weniger Energie abgeben als vergleichbare GPUs. Darüber hinaus konzentriert sich AMD auf Zuverlässigkeit, Sicherheit und die langfristige Unterstützung, die für klinische Geräte erforderlich ist.

Geräteunterstützung

Kria System-On-Modules

Bereitstellung bekannter Designumgebungen, keine Erfahrung mit der FPGA-Programmierung erforderlich.

Zynq UltraScale+ MPSoC

Heterogene Multiprocessing-Plattform für ein breites Spektrum an integrierten Anwendungen.

Erste Schritte

Alternativtext hinzufügen

Medizinische Platinen und Kits

Hier finden Sie medizinische Platinen und Kits mit AMD Technologie.

Dokumentation

Kontakt aufnehmen

Kontaktieren Sie einen Vertriebsmitarbeiter von AMD.