การประมวลผล AI ที่ปรับขนาดได้สำหรับมาเธอร์บอร์ดการแพทย์ Edge: จากการประมวลผลแบบฝังไปจนถึงการเร่งความเร็วภายนอก

การวินิจฉัยโดยใช้ AI- กลายเป็นข้อกำหนดหลักสำหรับระบบส่องกล้องสมัยใหม่ การตรวจจับติ่งเนื้อ การจำแนกรอยโรคต่างๆ และการระบุจุดสังเกตทางกายวิภาคนั้นไม่-ที่จะ-มีคุณสมบัติอีกต่อไป ในเวลาเดียวกัน มาเธอร์บอร์ดที่ขับเคลื่อนแอปพลิเคชันคอมพิวเตอร์วิทัศน์นั้นถูกจำกัดด้วยข้อจำกัดด้านพื้นที่ อุณหภูมิ และพลังงาน แม้ว่าโมดูลกล้องเอนโดสโคปทางการแพทย์สามารถให้ภาพที่น่าทึ่งได้ แต่โมดูลเหล่านั้นอาจไม่เพียงพอหากเมนบอร์ดไม่สามารถทำการอนุมาน AI ในอัตราเฟรมที่ต้องการได้

สถานการณ์จะเริ่มเปลี่ยนแปลงในปี 2569 เนื่องจากแนวทางใหม่ในการประมวลผลแบบฝังช่วยให้คอมพิวเตอร์บอร์ดเดี่ยวสามารถใช้ GPU ภายนอกและการ์ดเร่งความเร็ว AI ได้ แนวคิดของ "การเร่งความเร็วภายนอกแบบฝังบวก" ได้รับการออกแบบมาเพื่อขัดขวางตลาดการออกแบบมาเธอร์บอร์ดสำหรับกล้องเอนโดสโคป ทำให้เกิดแนวทางใหม่ขั้นพื้นฐานในการจัดการวงจรการใช้งานคอมพิวเตอร์แบบฝัง

 

ปัญหาคอมพิวเตอร์ฝังตัว

กราฟิกการ์ดเฉพาะที่มีชุดซอฟต์แวร์พิเศษเป็นสิ่งจำเป็นสำหรับการเร่งการพัฒนาและการทำซ้ำของ Edge AI ในเวลาเดียวกัน การ์ดดังกล่าวมักจะต้องใช้มาเธอร์บอร์ดขนาดพอเหมาะ-พร้อมช่องขยาย PCIe เพื่อใช้งาน ยิ่งฟอร์มแฟคเตอร์ของกล้องเอนโดสโคปมีขนาดเล็กลงเท่าใด โอกาสที่จะต้องโฮสต์การ์ด GPU ขนาดเต็ม-ด้วยโซลูชันระบายความร้อนที่จำเป็นก็น้อยลงเท่านั้น ภาวะที่กลืนไม่เข้าคายไม่ออกนี้สร้างข้อจำกัดหลายประการสำหรับผู้ผลิตอุปกรณ์ทางการแพทย์ ประการแรก ระบบจำเป็นต้องดำเนินการต่างๆ มากมาย รวมถึงการจับภาพ การประมวลผล การวิเคราะห์ การอนุมาน AI และเอาต์พุตการแสดงผล ประการที่สอง ความซับซ้อนและจำนวนสายเคเบิลที่เกี่ยวข้องกับการเชื่อมต่อฟังก์ชันที่กล่าวมาข้างต้นอาจส่งผลกระทบต่อความน่าเชื่อถือโดยรวมของระบบ

 

สิ่งสำคัญคือต้องทราบว่าอินเทอร์เฟซวิดีโอไม่ได้ถูกสร้างขึ้นมาเท่ากันทั้งหมดเมื่อพูดถึงอุปกรณ์ทางการแพทย์ การถือกำเนิดของข้อกำหนด USB4 ได้สร้างข้อเสนอที่น่าสนใจสำหรับนักออกแบบคอมพิวเตอร์แบบฝัง USB4 สามารถรองรับการรับส่งข้อมูล USB, DisplayPort และ PCIe Gen.3 x4 ได้พร้อมกันด้วยสายเคเบิลเส้นเดียว โดยเฉพาะอย่างยิ่ง แบนด์วิดท์ 40 Gbps ช่วยให้สามารถเร่งความเร็ว GPU และ AI ภายนอกได้ ในขณะที่ยังคงรักษาขนาดที่กะทัดรัดของกล้องเอนโดสโคปทางการแพทย์

 

คอมพิวเตอร์บอร์ดเดี่ยวแบบฝัง Advantech MIO-5379 เป็นตัวอย่างที่ดีเยี่ยมของแนวทางดังกล่าว ด้วยการใช้โมดูลส่วนขยาย MIOe-UMXM บอร์ดแบบฝัง Advantech MIO-5379 สามารถโฮสต์การ์ดเร่งความเร็ว GPU/AI ภายนอกได้ ซึ่งคงเป็นไปไม่ได้ในเดสก์ท็อปพีซีขนาดเต็ม วิธีการขยายแบบยืดหยุ่นนี้น่าสนใจเป็นพิเศษสำหรับอุปกรณ์เอนโดสโคปทางการแพทย์ AI ขนาดกะทัดรัด เนื่องจากความสามารถในการลดพื้นที่โดยรวมของระบบ

 

รายละเอียดทางเทคนิคก็น่าสังเกตเช่นกัน โมดูลกล้องเอนโดสโคปทางการแพทย์สามารถส่งสัญญาณวิดีโอไปยังโปรเซสเซอร์ที่ฝังไว้สำหรับการประมวลผลภาพเริ่มต้น เมื่อสตรีมวิดีโอต้องการการวิเคราะห์ที่ได้รับความช่วยเหลือจาก AI- เพิ่มเติม ข้อมูลที่เกี่ยวข้องจะถูกส่งไปยังตัวเร่งความเร็ว GPU/AI ภายนอกผ่านสายเคเบิล USB4 เส้นเดียวสำหรับผลลัพธ์การอนุมานดาวน์สตรีม

 

คอมพิวเตอร์ทางคลินิกแบบเคเบิลเดี่ยว

เมื่อพูดถึงการตั้งค่าทางคลินิก อินเทอร์เฟซวิดีโอต้องตอบสนองวัตถุประสงค์หลายประการพร้อมกัน ประการแรกและสำคัญที่สุดคือโหมดสำรอง DisplayPort ช่วยให้มั่นใจได้ว่าสัญญาณวิดีโอที่ส่งจากคอมพิวเตอร์สามารถแสดงบนจอภาพภายนอกได้ ประการที่สอง จำเป็นต้องมีการเชื่อมต่อ USB เพื่อควบคุมหน้าจอสัมผัส ในที่สุด มาตรฐาน USB ล่าสุดก็อนุญาตให้ส่งพลังงานได้สูงถึง 100W ผ่านสายเคเบิลเส้นเดียวกัน วิธีการแบบมัลติฟังก์ชั่นดังกล่าวมีความสำคัญอย่างยิ่งต่ออุปกรณ์ทางการแพทย์ โดยเฉพาะอย่างยิ่งเมื่อพูดถึงกล้องเอนโดสโคปขนาดกะทัดรัด

 

ข้อดีของมาตรฐานดังกล่าวจะเห็นได้ชัดเมื่อดูที่โมดูลส่วนขยาย MIOe-TCPD จาก Advantech โมดูลนี้ใช้ตัวเชื่อมต่อ USB Type- C เพื่อถ่ายโอนสัญญาณวิดีโอ ควบคุมหน้าจอสัมผัส และจ่ายพลังงานให้กับจอภาพไปพร้อมๆ กัน วิธีการนี้ทำให้การออกแบบระบบง่ายขึ้นอย่างมากในขณะเดียวกันก็ลดปริมาณการเดินสายเคเบิลที่จำเป็นด้วย

 

ประโยชน์ของโซลูชันจอแสดงผลแบบเคเบิล-เส้นเดียวนั้นมีมากมายและมีประโยชน์มากมาย ขั้นแรก พวกเขาลดจำนวนอุปกรณ์ที่จำเป็นในการตั้งค่ากล้องเอนโดสโคปทางการแพทย์ ประการที่สอง จำนวนการเชื่อมต่อที่ลดลงหมายถึงจุดที่เกิดข้อผิดพลาดน้อยลง สุดท้ายแล้ว โซลูชันเคเบิลเส้นเดียว-มักจะช่วยให้สามารถติดตั้งและบำรุงรักษาอุปกรณ์ได้รวดเร็วยิ่งขึ้น

 

การจัดการวงจรชีวิตและการอัปเดตโมเดล AI

ลักษณะที่น่าสนใจที่สุดประการหนึ่งของแนวทางแบบโมดูลาร์ในการออกแบบเอนโดสโคปทางการแพทย์คือความสามารถในการอัปเดตโมเดล AI ตามความจำเป็น อุปกรณ์การแพทย์มักจะมีวงจรชีวิตที่ยาวนาน และจำเป็นอย่างยิ่งที่จะต้องแน่ใจว่าฟังก์ชัน AI ของอุปกรณ์นั้นสามารถตามทันการค้นพบล่าสุดได้ จากข้อมูลของหอสมุดแห่งชาติการแพทย์ การเพิ่มขึ้นของอัตราการตรวจพบเนื้องอก 1% ช่วยลดความเสี่ยงของมะเร็งลำไส้ใหญ่และทวารหนักเป็นระยะๆ 3% สถิตินี้เน้นย้ำถึงความสำคัญของความสามารถในการอัปเดตโมเดล AI ที่ใช้ในอุปกรณ์สร้างภาพทางการแพทย์

กระบวนการอัพเดตนั้นค่อนข้างตรงไปตรงมา ขึ้นอยู่กับการออกแบบของระบบ หากใช้โมดูล MIOe- UMXM คุณสามารถใช้การ์ดเร่งความเร็ว GPU/AI ภายนอกเวอร์ชันต่างๆ เพื่ออัปเดตประสิทธิภาพ AI ของระบบได้ แนวทางนี้ทำให้สามารถแยกความรับผิดชอบของโหนดคอมพิวเตอร์แบบฝังและภายนอก โดยแบบแรกจะจัดการกับการจับภาพและการประมวลผลเบื้องต้น และแบบหลังจะจัดการการอนุมานแบบจำลอง AI แบบเข้มข้น

อีกสิ่งหนึ่งที่ควรพิจารณาคือความพร้อมใช้งาน{0}}ในระยะยาวของส่วนประกอบที่สำคัญ ความมุ่งมั่นของ AdvanTech ในการสนับสนุนผลิตภัณฑ์มาเป็นเวลาหนึ่งทศวรรษ-ช่วยรักษาความเชื่อมั่นของผู้ผลิตอุปกรณ์ทางการแพทย์ ซึ่งสามารถมั่นใจได้ว่าส่วนประกอบที่พวกเขาใช้ในปัจจุบันจะยังคงมีจำหน่ายต่อไปอีกสิบปี

 

ข้อควรพิจารณาในการออกแบบ

การเลือกโมดูลการเร่งความเร็วภายนอกเกี่ยวข้องกับข้อที่ต้องเสีย-หลายประการ ก่อนอื่น จำเป็นต้องทำความเข้าใจว่าฟังก์ชัน PCIe Tunneling จะมีแบนด์วิดท์เท่าใด ที่ความเร็ว 40 Gbps USB4 ให้แบนด์วิธที่เพียงพอสำหรับการถ่ายโอนสัญญาณวิดีโอ แต่จะต้องแชร์ระหว่างการรับส่งข้อมูลวิดีโอและ PCIe จำนวนแบนด์วิดท์ PCIe ที่จัดสรรให้กับอุปกรณ์ดาวน์สตรีมจะกำหนดประสิทธิภาพของตัวเร่งความเร็ว GPU/AI ภายนอก ผู้ออกแบบจะต้องคำนึงถึงข้อจำกัดนี้เมื่อเลือกฮาร์ดแวร์ที่เหมาะสม

 

งบประมาณด้านความร้อนเป็นอีกหนึ่งข้อพิจารณาที่สำคัญ แม้ว่าโมดูล GPU/AI ภายนอกจะให้ประสิทธิภาพตามที่ต้องการ แต่ก็ยังสร้างความร้อนเหลือทิ้งจำนวนมาก ซึ่งจะต้องกระจายไปที่ไหนสักแห่ง ข้อจำกัดนี้สามารถบรรเทาลงได้ด้วยการเลือกตัวเร่งความเร็วระดับอุตสาหกรรมแบบไม่มีพัดลม เช่น โมดูล GPU MIC-78MG30 จาก Advantech

 

ตัวเลือกของแพลตฟอร์มการเร่งความเร็วยังจำกัดอยู่เพียงตัวเลือกที่มีอินเทอร์เฟซ MXM 3.1 เช่น NVIDIA Quadro และ Intel Arc integrated GPU series อีกทางเลือกหนึ่งคือการใช้อุปกรณ์ NPU ที่ใช้ USB- เช่น UGen300 จาก ASUS ซึ่งให้ประสิทธิภาพ 40 TOPS ที่การใช้พลังงานทั่วไป 2.5W

 

แนวโน้มปี 2569

แนวโน้มการออกแบบโมดูลาร์กำลังรวบรวมแรงผลักดัน และการเปิดตัวผลิตภัณฑ์ล่าสุดจาก AdvanTech เน้นย้ำสิ่งนี้ในบริบทของตลาดกล้องเอนโดสโคปทางการแพทย์ มาเธอร์บอร์ดอุตสาหกรรม AIMB-234 ที่เพิ่งประกาศใช้แพลตฟอร์ม Intel Core Ultra Series 3 เพื่อมอบประสิทธิภาพ AI สูงถึง 180 TOPS ผ่าน Xe3 GPU และ NPU ในตัว บอร์ดนี้มีอินเทอร์เฟซ USB4 Type- C สำหรับแหล่งจ่ายไฟและการเชื่อมต่อวิดีโอด้วยสายเคเบิลเส้นเดียว ซึ่งช่วยลดความซับซ้อนของการออกแบบกล้องเอนโดสโคปทางการแพทย์อีกด้วย

โมดูลกล้องเอนโดสโคปทางการแพทย์จะได้รับประโยชน์จากแนวทางนี้โดยการลดภาระการประมวลผลที่เกี่ยวข้องกับ AI{0}} ที่เข้มข้นไปยัง GPU/AI Accelerator ภายนอก เมนบอร์ดจะทำหน้าที่เป็นศูนย์กลางในการควบคุมสตรีมวิดีโอ ในขณะที่ยังสามารถทำงานประมวลผลขั้นพื้นฐานบางอย่างได้

 

สถาปนิกระบบยังสามารถใช้ประโยชน์จากโอกาสในการใช้วิธีการแบบโมดูลาร์เพื่อเร่งการพัฒนาผลิตภัณฑ์กล้องเอนโดสโคปทางการแพทย์ของตน คุณสามารถใช้ทรัพยากรเร่งความเร็วทั้งแบบฝังและภายนอกร่วมกันได้ โดยสงวนฟังก์ชัน AI ที่ซับซ้อนที่สุดไว้สำหรับการพัฒนาในระยะต่อมาเมื่อได้รับอนุมัติตามกฎข้อบังคับแล้ว วิธีการนี้ช่วยลดความเสี่ยงในการตัดสินใจออกแบบเบื้องต้นในขณะเดียวกันก็ช่วยให้สามารถปรับปรุงผลิตภัณฑ์ได้อย่างค่อยเป็นค่อยไป

 

สรุป: การขยายแบบโมดูลาร์ช่วยให้สามารถใช้งาน AI ภายนอกแบบฝังตัวสำหรับกล้องเอนโดสโคปทางการแพทย์ได้

เมื่อออกแบบมาเธอร์บอร์ดสำหรับกล้องเอนโดสโคปทางการแพทย์ วิศวกรจำเป็นต้องทำการแลกเปลี่ยนที่สำคัญหลายประการ- ประการแรก คุณลักษณะด้านประสิทธิภาพของโปรเซสเซอร์แบบฝังต้องเพียงพอที่จะรองรับการจับภาพและประมวลผลวิดีโอพร้อมกัน รวมถึงการอนุมานโมเดล AI ประการที่สอง ระบบจะต้องสามารถใช้โมดูลเร่งความเร็วภายนอกได้ หากจำเป็น สุดท้ายนี้ การออกแบบระบบโดยรวมจะต้องได้รับการปรับให้เหมาะสมเพื่อใช้พื้นที่ที่จำกัดภายในกล้องเอนโดสโคปทางการแพทย์ให้เกิดประโยชน์สูงสุด

 

วิธีการแบบโมดูลาร์ที่อธิบายไว้ในบทความนี้ช่วยให้สามารถปฏิบัติตามข้อกำหนดแต่ละข้อที่ระบุไว้โดยไม่มีการประนีประนอมที่สำคัญ ระบบฝังตัวจำเป็นต้องจัดเตรียมประสิทธิภาพในระดับพื้นฐานเท่านั้น หลังจากนั้นโมดูลเร่งความเร็วภายนอกจะสามารถให้พื้นที่ว่างด้านประสิทธิภาพเพิ่มเติมได้ วิธีการดังกล่าวช่วยให้ระบบสามารถปรับขนาดประสิทธิภาพของ AI ได้ตามความต้องการของสถานพยาบาล

 

สำหรับโมดูลกล้องเอนโดสโคปทางการแพทย์และมาเธอร์บอร์ดที่เกี่ยวข้อง วิธีการที่อธิบายไว้ยังมีประโยชน์ในแง่ของการลดความซับซ้อนอีกด้วย การใช้โมดูล GPU/AI ภายนอกช่วยลดปริมาณการประมวลผลที่ต้องจัดการโดยโปรเซสเซอร์แบบฝัง อินเทอร์เฟซวิดีโอเคเบิลเดี่ยว-ช่วยลดจำนวนการเชื่อมต่อที่จำเป็นในการตั้งค่าระบบ

 

วิธีการแบบโมดูลาร์ที่อธิบายไว้สามารถใช้เป็นรากฐานที่ดีเยี่ยมสำหรับระบบเอนโดสโคปซึ่งจะต้องรวมการอัปเดตโมเดล AI ในอนาคต การใช้อินเทอร์เฟซ USB4 พร้อมแบนด์วิดท์ 40 Gbps จะช่วยเพิ่มประสิทธิภาพสูงสุดของโมดูล GPU/AI ภายนอก อินเทอร์เฟซวิดีโอเคเบิล-เดียวจะช่วยลดความยุ่งยากในการให้บริการและการใช้งานอุปกรณ์ในแต่ละวัน-ถึง- สุดท้าย การใช้โมดูลเร่งความเร็วภายนอกจะเปิดประตูสู่การปรับปรุงความสามารถของกล้องเอนโดสโคปทางการแพทย์อย่างต่อเนื่องตลอดอายุการใช้งานสิบปี-