Startseite > Medizintechnik > Systeme & Anwendungen > Scharfe Bilder für Befundung in Echtzeit

Medizinische Bildverarbeitung

Scharfe Bilder für Befundung in Echtzeit

25. Januar 2023, 12:03 Uhr | Matthias Lubkowitz, Adlink

Bild 1. Immer höher auflösende Echtzeit-grafik mit KI-Support erfordert eine hohe Rechenleistung und muss applikationsspezifisch sowohl hinsichtlich der CPU wie der GPU skalierbar sein.

2D-Schichtmodelle und 3D-Visualisierungen in der medizinischen Bildgebung brauchen mehr Performance; eine KI-Integration oder Echtzeit-Verarbeitung vervielfachen die Anforderungen weiter. Wie kann Med-Vision bei Leistung, Kosten und Energie ausbalanciert sein?

Die Medizingerätehersteller müssen ihre Vision-Systeme skalierbar auslegen, damit sie ohne großen Entwicklungsaufwand Produktfamilien unterschiedlicher Performance-Klassen schaffen und neue Anforderungen aus der medizinischen Praxis schneller erfüllen können (Bild 1). Um die jeweils beste Kombination aus Preis und Performance bedarfsgerecht zu validieren, ist es häufig von Vorteil, wenn alle für die Bildgebungsfunktion benötigten Bausteine applikationsfertig aus einer Hand und in kompakten, auf Langzeitverfügbarkeit ausgelegten Systemen installationsfertig zugeliefert werden. Die OEMs können sich so auf die Weiterentwicklung ihrer bildgebenden Verfahren fokussieren.

Platzsparende MXM-Grafikkarten

Insbesondere der Grafik-Performance der bildgebenden Systeme ist hohe Aufmerksamkeit zu widmen. Die Grafik sollte möglichst kompakt integrierbar sein, damit die Systeme auch auf Carts an unterschiedlichen Orten einsetzbar sind. Systemdesigns mit ausgewachsenen Standard-Grafikkarten im PCIe-Slot (PEG x8 oder x16) sollten deshalb eher die Ausnahme sein und nur dann gewählt werden, wenn die deutlich platzsparendere Alternative nicht einsetzbar ist: Grafikkarten im MXM-Formfaktor. Sie wurden ursprünglich für die Aufrüstung von Notebooks mit diskreten GPU-Karten entwickelt, werden parallel zum CPU-Board gesteckt und ermöglichen so sehr flach bauende Systemdesigns. MXM-Grafikmodule mit einer enormen Performance-Bandbreite sind beispielsweise mit Nvidia-Quadro-Grafikcores der Generationen Pascal, Turing und Ampere verfügbar.

Skalierbare Performance

Aktuelle Flaggschiffe im Bereich der MXM-Grafikkarten sind Produkte mit echtzeitfähiger Nvidia-RTX-A4500-GPU der Ampere-Familie. Sie bietet 5120 CUDA-, 160 Tensor- und 40 RT-Tensor-Cores und erreicht eine Performance von bis 17,8 TFLOPS FP32 bei einer TDP von 80 Watt. Wer etwas weniger Performance braucht, findet innerhalb derselben GPU-Architektur mit auf Nvidia RTX A2000, A1000 und A500 basierenden Modulen kleinere und sparsamere Produkte mit einer TDP von 60 Watt bis hinunter zu 20 Watt bei entsprechend skalierender Rechenleistung. Module auf Basis der Turing-GPUs schließen mit 2,6 bis 9,4 TFLOPS Rechenleistung nahtlos an die Performance der Ampere-Familie an. Hier sind die vermeintlich rechenschwächeren GPUs eine ideale Wahl, wenn es rein um die hochwertige Visualisierung auf einem 8K-Bildschirm für die Endoskopie oder bis zu vier 4K-Bildschirmen beispielsweise in der OP-Vorbereitung geht. Aber Rechenleistung ist nicht alles. Für robuste medizinische Anwendungen bieten sich auf Quadro P1000 und P2000 basierende Grafikmodule an. Sie unterstützen als einzige den erweiterten Temperaturbereich von –40 °C bis +85 °C und sind damit auch für besonders fordernde Umgebungen und extremen Temperaturen prädestiniert, beispielsweise für den Einsatz in einer Intensivstation für Brandopfer, in der nicht selten Umgebungstemperaturen von 40 °C bei extremer Luftfeuchtigkeit vorherrschen.

Med-3D in Echtzeit

Mit MXM-Modulen auf Basis der Ampere- und der Turing-Architektur steht Entwicklern das sogenannte Raytracing zur Verfügung, das für die volumetrische 3D-Bildgebung entscheidend ist. Raytracing nutzt erstmals Hardware-Beschleuniger, die sogenannten RT-Cores, sodass das Rendering von 3D-Bilddaten in Echtzeit möglich wird. 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.

Die Medizinsparte von Adlink hat mit den MLB-3000- und MLB-3002-Systemen zwei solcher echtzeitfähigen Medical-Computing-Plattformen für bildgebende Verfahren vorgestellt. Die IEC-60601-1- und IEC-60601-1-2-konformen Systeme mit MXM-Grafikkartensteckplatz sind derzeit mit elf verschiedenen Intel-Core-Prozessoren bis hin zum Intel Core i7-9700E mit acht Rechenkernen erhältlich. Für kostensensitive Applikationen stehen zudem zwei Konfigurationen mit Intel-Celeron-Prozessoren zur Verfügung. Zudem sind sie mit neun performanten Nvidia-Quadro- und RTX-Prozessor-basierten Grafikkarten bis hin zu Nvidias RTX-GPUs der Ampere-Familie bedarfsrecht auslegbar. Die MLB-3002-Systeme verfügen darüber hinaus über zwei zusätzliche PCI-Express-Slots für dedizierte Framegrabber- oder weitere Grafikkarten. Auch PCIe-Karten mit Hailo-8-AI-Beschleunigern lassen sich hier stecken.

In KI-gestützten bildgebenden Verfahren können die hier genannten Referenzsysteme als Aufnahme-, Aufbereitungs- und Visualisierungssysteme zum Einsatz kommen, bei denen Bilddaten zunehmend in Echtzeit analysiert und visualisiert werden, sodass die Bilddatenvorverarbeitung und KI-Analytik nur noch rund 50 ms bis zur Visualisierung benötigen. Voraussetzung hierfür ist eine für die Bildgebungsaufgabe passende Hardwarekonfiguration. Anwendungsbereiche reichen von der Computertomografie (CT) und Magnetresonanztomografie (MRT) über Röntgen und Ultraschall bis hin zur Endoskopie.