借助第二代 AMD VERSAL 實(shí)現先進(jìn)醫療成像
加入技術(shù)交流群
診斷醫療成像設備必須能夠產(chǎn)出高質(zhì)量圖像、實(shí)現所需的掃描深度，以及顯示實(shí)時(shí)結果。設備中采用的最優(yōu)片上系統（ SoC ）必須提供所需的應用性能、目標幀率并實(shí)時(shí)顯示結果。SoC 也必須恰當結合高速接口的類(lèi)型、速率和數量。放眼未來(lái)，這類(lèi)設備中的大部分還需要支持 AI 功能的執行和加速，例如感興趣區域（ ROI ）選擇、圖像分類(lèi)和其他 AI 任務(wù)。
本文引用地址：http://dyxdggzs.com/article/202412/465571.htm第二代 Versal? 自適應 SoC 配備的處理系統可提供比前代至高多出 10 倍的標量算力性能 1 ，同時(shí)支持 DDR5 內存。第二代 Versal AI Edge 系列中的新 AI 引擎能提供與前代相比至高 3 倍的每瓦 TOPS 2 。 它們非常適合執行高級波束成形算法、圖像重建和其他高性能功能。下一代連接（如 PCIe? Gen5、32G 高速收發(fā)器、10GbE 和 USB 3.2 ）允許高速數據傳輸，既可用于信號采集，也可用于高效數據遷移。
主要優(yōu)勢
異構處理的單芯片集成能夠降低系統級功耗
利用 AI 引擎加速復雜的神經(jīng)網(wǎng)絡(luò )，例如用于檢測重大疾病的感興趣區域選擇
結合 DSP 塊和 AI 引擎，以解決重要的數字信號處理挑戰，如 MR 中的 2D-FFT、CT 中的反投影，以及用于超聲的高級波束成形
借助 AMD Vitis? 統一軟件平臺，使用 C、C++ 或 Python? 快速開(kāi)發(fā)自定義算法
采用 Vitis Model Composer 和 Simulink ? 部署 MATLAB ? 算法
借助下一代處理器系統實(shí)現至高 10 倍的標量算力 1
8 核 Arm? Cortex?-A78AE – 至高 200,000 DMIPS
10 核 Arm Cortex-R52 – 至高 23,000 DMIPS
DDR5 內存支持至高 5600-DDR5、8533-LPDDR5X，支持 ECC
下一代高性能 AI 引擎
與前代相比至高 3 倍的每瓦 TOPS 2
增加對 MX6、MX9、FP8 和 FP16 數據類(lèi)型的支持
利用增加的 DDR 帶寬實(shí)現更高的神經(jīng)網(wǎng)絡(luò )推理和信號處理工作負載性能
集成的視頻處理
圖像信號處理器（ ISP ）
視頻處理管線(xiàn)（ VPP ）
視頻編解碼器單元（ VCU ）用于 4k60 HEVC/AVC 3
圖形處理單元（ GPU ），具備至高 256 GFLOPS
高速連接
32G 高速收發(fā)器
專(zhuān)用高速接口，用于 USB 3.2、10GbE、PCIe Gen5、NVMe、UFS 和 HSM（無(wú)需 FPGA 軟 IP ）
目標應用
醫療超聲
診斷醫療車(chē)超聲系統廣泛用于通用成像和婦產(chǎn)科，而且正在迅速擴展到心臟和放射學(xué)功能。對于 3D-4D 可視化、具備高質(zhì)量圖像輸出的波束成形圖像、實(shí)時(shí)信號處理、ROI 和使用 AI 的 IR 的種種挑戰性要求正在加大商用掃描儀的算力負擔。
第二代 Versal AI Edge 系列具有 Arm? 多處理器的異構架構、基于 SIMD-VLIW 的 AI 引擎、可編程邏輯和高速接口，非常適合醫療超聲。 該器件能滿(mǎn)足先進(jìn)的高端放射學(xué)和心臟成像超聲系統對圖像質(zhì)量、幀速率、多維可視化和 AI 處理的要求。
CT 掃描儀和 MRI
CT 掃描儀和 MRI 是大型、高度同步的醫療診斷機器，用于查看人體組織、器官和骨骼結構的細節。它們還能識別異常組織。盡管存在根本性差異（ CT 使用 X 射線(xiàn)，MRI 使用無(wú)線(xiàn)電波），但這兩種技術(shù)都需要相當大的算力，并且需要在各種子系統之間傳輸大量數據。
第二代 Versal 自適應 SoC 提供的異構算力能夠加速圖像重建算法、MRI 中的 2D-FFT 功能和 CT 中的反投影。 此外，更小巧的第二代 Versal 器件可以執行數據采集和機架控制、梯度放大器中的逆變器控制、射頻接收中的信號處理和使用 PL 的傳輸等功能。
內窺鏡系統
診斷性胃腸內窺鏡和一些外科內窺鏡系統的攝像頭控制單元對視頻處理管線(xiàn)的要求正在迅速提升。在高端系統中，攝像頭傳感器分辨率從 2K 快速增長(cháng)到 4K，而且現在 4K 3D 甚至 8K 也在迅速普及。集成用于診斷輔助的 AI-機器學(xué)習推理使系統要求變得更加復雜。 對如此復雜的視頻管線(xiàn)進(jìn)行低時(shí)延乃至實(shí)時(shí)預處理，正需要第二代 Versal 產(chǎn)品組合中提供的異構架構類(lèi)型。
評論