Prozessoren stellen sich den Herausforderungen beim Design von Medizinprodukten

Medizinprodukte umfassen eine Reihe von Produkten, von Ultraschallgeräten und implantierbaren Geräten bis hin zu Blutzuckermessgeräten für den Heimgebrauch und Fitnesstrackern. Jede Anwendung stellt unterschiedliche Anforderungen, aber alle suchen nach Mikroprozessoren (MPUs) und Mikrocontrollern (MCUs), die Leistung in den Bereichen Ausführung, Zuverlässigkeit, Sicherheit, Energieeinsparung und Konnektivität bieten können. Viele dieser Leistungsverbesserungen können in einer Vielzahl von Anwendungen verwendet werden.

Die zunehmende Akzeptanz tragbarer Elektronik und der Bedarf an medizinischer Elektronik, die den Gesundheitszustand eines Patienten verfolgen und überwachen, werden durch eine alternde Bevölkerung und ein wachsendes Gesundheitsbewusstsein vorangetrieben. Die Explosion bei vernetzten medizinischen Geräten treibt auch Chiphersteller dazu, Cybersicherheitsrisiken auf Chipebene anzugehen.

Ein extrem niedriger Stromverbrauch ist besonders wichtig bei Anwendungen, die auf Echtzeitsignale wie Temperatur, Beschleunigung und Geschwindigkeit zugreifen müssen. Ein Trend, der in einem MarketsandMarkets-Bericht festgestellt wurde ist der Bedarf an Ultra-Low-Power-Mikrocontrollern mit analoger Peripherie. Zu den Vorteilen zählen hohe Zuverlässigkeit, reduziertes Rauschen, geringe Latenz und geringere Kosten, was bei medizinischen oder medizinischen Geräten wie Blutzuckermessgeräten, Herzfrequenzmonitoren und implantierbaren Geräten von Vorteil sein kann.

Ein Beispiel für einen stromsparenden Mikrocontroller mit integriertem programmierbarem Analog ist die Synergy S1 MCU-Serie von Renesas Electronics Corp. Die S1JA MCU Group . wurde entwickelt, um das Design zu vereinfachen und die Stückliste zu reduzieren verfügt über einen 48-MHz-Arm-Cortex-M23-Kern und programmierbare Analog- und Sicherheitsfunktionen für die hochgenaue Erfassung und Aufbereitung von Sensorsignalen. Diese MCUs können in einer Reihe kostensensibler und stromsparender industrieller Internet of Things (IIoT)-Sensoranwendungen eingesetzt werden. Dazu gehören medizinische Hauptmonitore, Durchflussmesser, Multisensorsysteme, Instrumentensysteme und einphasige Stromzähler.

Die S1JA-Gruppe umfasst fünf MCUs mit 256-KB-Flash-Speicher, 32-KB-SRAM-Speicher und einem breiten Betriebsspannungsbereich von 1,6 V bis 5,5 V. Jede MCU integriert eine Sensor-Vorspannungseinheit, die den externen Sensor genau mit Strom versorgt, und eine hochgradig konfigurierbare analoge Struktur, die komplexe Algorithmen verarbeitet, um die Signalkonditionierung und präzise analoge Messungen zu maximieren, sagte Renesas.

Die S1JA-MCUs ermöglichen erweiterte analoge Konfigurationen, von grundlegenden Funktionen bis hin zu komplexeren analogen Blöcken, sodass Entwickler mehrere externe analoge Komponenten eliminieren können. Zu den analogen Komponenten auf dem Chip gehören ein hochpräziser 16-Bit-Analog-Digital-Wandler (ADC), ein 24-Bit-Sigma-Delta-ADC, ein reaktionsschneller 12-Bit-Digital-Analog-Wandler (DAC), Rail-to- -Schienen-Operationsverstärker mit niedrigem Offset und Hochgeschwindigkeits-/Low-Power-Komparatoren.

Die S1JA-MCUs von Renesas ermöglichen erweiterte analoge Konfigurationen, von grundlegenden Funktionen bis hin zu komplexeren analogen Blöcken. (Bild:Renesas Electronics)

Der extrem niedrige Stromverbrauch der Mikrocontroller verlängert die Batterielebensdauer für batteriebetriebene tragbare Anwendungen und Batterie-Backup-Anwendungen. Der Software-Standby-Modus verbraucht nur 500 nA, um 20-jährige batteriebetriebene Anwendungen zu ermöglichen, die längere Zeit im Ruhemodus verbringen.

Darüber hinaus sind die Mikrocontroller vollgepackt mit Sicherheitsfunktionen, darunter ein integrierter AES-Kryptografiebeschleuniger und ein echter Zufallszahlengenerator (TRNG), und Speicherschutzeinheiten bieten die grundlegenden Bausteine, um ein sicheres System zu entwickeln, das sich mit der Cloud verbindet.

Das Renesas Synergy Software Package (SSP) unterstützt die S1JA-MCUs mit HAL-Treibern, Anwendungsframeworks und RTOS. Der SSP enthält außerdem sechs Module, die das Zusammenschalten der konfigurierbaren internen Analogblöcke vereinfachen. Designer von eingebetteten Systemen können eine der Renesas Synergy-Entwicklungsumgebungen – e² Studio oder IAR Embedded Workbench – verwenden, um ihre Designs zu erstellen und anzupassen.

Renesas hat auch ein Referenzdesign/eine Referenzlösung entwickelt die für tragbare galvanische Hautreaktionsprodukte und tragbare Körperzusammensetzungsmesssysteme verwendet werden können. Messungen des galvanischen Hautwiderstands (GSR) und des Körperzusammensetzungsmonitors (BCM) liefern biometrische Informationen, die zur Ableitung des emotionalen Zustands bzw. zur Berechnung der Körperfettmasse verwendet werden können.

Dieses batteriebetriebene Gerät nimmt Gleichstrom-Leitfähigkeitsmessungen im GSR-Modus und hochpräzise Wechselstrom-Impedanzmessungen im BCM-Modus bei geringem Stromverbrauch vor. Die Auflösung und Geschwindigkeit der ADCs sind zusammen mit der Hauttemperaturkompensation entscheidend für die Genauigkeit der GSR-BCM-Messungen, sagte Renesas.

Die GSR-BCM-Lösung nutzt die Synergy S1JA MCU für ihre analogen und stromsparenden Funktionen. Es enthält auch den Renesas RL78/G1D für Bluetooth-Konnektivität und den ISL9203A zum Laden von Lithium-Ionen-Akkus.

Der RL78/G1D ist eine 16-Bit-MCU mit Bluetooth-Low-Energy-Unterstützung und geringem Stromverbrauch bei 4,3 mA HF-Sendestrom (0 dBm-Ausgang) und 3,5 mA HF-Empfangsstrom. Die für den Antennenanschluss benötigten Schaltungselemente sind eingebaut, was das Schaltungsdesign vereinfacht und die Kosten senkt, indem externe Teile entfallen. Der Software-Stack unterstützt drahtlose Software-Updates.

Das ISL9203A ist ein integriertes Einzelzellen-Li-Ion- oder Li-Polymer-Akkuladegerät, das mit einer Eingangsspannung von nur 2,4 V betrieben werden kann. Es funktioniert mit verschiedenen Arten von Netzteilen.

Bei tragbaren und drahtlosen Designs wie Fitness-Trackern erfordern diese Anwendungen einen geringen Stromverbrauch, verbesserte Sicherheit und Unterstützung für mehrere Protokolle.

Ein aktuelles Beispiel ist der Exynos i T100 . von Samsung Electronics , das einen Prozessor und Speicher in einem einzigen Chip integriert und die Protokolle Bluetooth 5 Low Energy, Zigbee 3.0 und Thread unterstützt. Für eine verbesserte drahtlose Konnektivitätsfunktionalität bietet der Chip einen gleichzeitigen Multi-Radio-Modus, der zwei verschiedene Protokolle gleichzeitig unterstützt. Es kann also gleichzeitig Bluetooth und Zigbee oder Bluetooth und Thread unterstützen.

Der Chip wurde entwickelt, um die Sicherheit und Zuverlässigkeit von Geräten für die Kommunikation über kurze Distanzen zu verbessern, z. B. Fitness-Wearables, intelligente Beleuchtung sowie Sicherheit und Überwachung zu Hause. Die Lösung bietet einen separaten Hardwareblock für das Sicherheitssubsystem (SSS) für die Datenverschlüsselung und eine Physical Unclonable Function (PUF), die für jeden Chipsatz eine eindeutige Identität erstellt.

Der Exynos i T100 besteht aus einem Arm Cortex-M4F, der mit bis zu 100-MHz-Taktfrequenz läuft, und High-Density-Speicher, einschließlich 1,2-MB-Flash-Speicher und SRAM, der 192 KB und 24 KB bereitstellt. Darüber hinaus kann es bei extremen Temperaturen von -40°C bis zu 125°C betrieben werden.

Samsung bietet auch eine Referenzlösung für eine schnellere Entwicklung. Das Referenzboard unterstützt die Shields-Schnittstelle, die zum Testen und Steuern von Sensoren auf ein Arduino-Board gesteckt werden kann. Es bietet auch Betriebssystem und eingebettete APIs für Konnektivitätsprotokolle zur Entwicklung benutzerdefinierter Anwendungen.

Der STM32MP1 . von STMicroelectronics wurde für leistungsstarke Gesundheits- und Wellness-, Smart-Home-, Industrie- und Verbraucheranwendungen entwickelt Multicore-Mikroprozessorserie mit Linux-Distribution erweitert das STM32-Mikrocontroller-Portfolio um verbesserte Leistung, Ressourcen und Open-Source-Software. Der STM32MP1 mit Rechen- und Grafikunterstützung bietet energieeffiziente Echtzeitsteuerung und hohe Funktionsintegration.

Die STM32MP1-Serie ermöglicht Designern die Entwicklung einer neuen Reihe von Anwendungen unter Verwendung der heterogenen STM32-Architektur, die Arm-Cortex-A- und Cortex-M-Kerne kombiniert. Diese Architektur bietet schnelle Verarbeitungs- und Echtzeitaufgaben auf einem einzigen Chip und bietet gleichzeitig eine hohe Energieeffizienz.

Der STM32MP1 von STMicroelectronics bietet verbesserte Leistung, Ressourcen und Open-Source-Software. (Bild:STMicroelectronics)

ST nennt Beispiele für seine Energieeinsparungen. Durch das Stoppen der Cortex-A7-Ausführung und das Ausführen nur von dem effizienteren Cortex-M4 kann die Leistung normalerweise um 25 % reduziert werden. Das Umschalten von diesem Modus in den Standby-Modus reduziert den Strom um das 2,5k-fache und unterstützt gleichzeitig die Wiederaufnahme der Linux-Ausführung in 1 bis 3 Sekunden, je nach Anwendung.

Der STM32MP1 enthält eine 3D-Grafikprozessoreinheit (GPU) für Human-Machine-Interface (HMI)-Displays. Es unterstützt eine Reihe von externen DDR-SDRAM- und Flash-Speichern. Es bettet auch eine große Anzahl von Peripheriegeräten ein, die entweder Cortex-A/Linux- oder Cortex-M/Echtzeit-Aktivitäten zugeordnet werden können. Die STM32MP1-Serie ist in verschiedenen BGA-Paketen erhältlich.

ST bietet zwei Evaluation Boards (STM32MP157A-EV1 und STM32MP157C-EV1 ) und zwei Discovery-Kits (STM32MP157A-DK1 und STM32MP157C-DK2 ).

Darüber hinaus sind je nach Bedarf des Designers drei Entwicklerpakete verfügbar:

• Starterpaket (STM32MP1Starter) um schnell mit jedem STM32MP1-Mikroprozessorgerät zu starten
• Entwicklerpaket (STM32MP1Dev) eigene Entwicklung über die STM32MP1-Embedded-Software-Distribution hinzufügen
• Verteilungspaket (STM32MP1Distrib) eigene Starter- oder Entwicklerpakete für Linux-Distributionen erstellen

Big Data

Das Verschieben und Analysieren riesiger Datenmengen ist in zahlreichen Endmärkten eine große Herausforderung. Diese Segmente umfassen medizinische Bildgebung, medizinische Geräte, drahtlose Unterhaltungselektronik sowie Fabrik- und Gebäudeautomation. Die gemeinsame Nutzung von mehr Daten erfordert höhere Sicherheit, bessere Interoperabilität, schnellere Verarbeitung und konsistente und qualitativ hochwertigere Kommunikation.

Texas Instruments Inc. (TI) hat Anfang des Jahres zwei Geräte vorgestellt, die seine Bulk Acoustic Wave (BAW)-Technologie verwenden entwickelt für den Einsatz in Anwendungen mit hoher Datenübertragung, wie z. B. angeschlossene medizinische Geräte. Diese neuen Geräte sind die drahtlose MCU SimpleLink CC2652RB und die Netzwerksynchronisationsuhr LMK05318 für eine leistungsstarke Datenübertragung.

Die BAW-Technologie integriert Referenztakt-Resonatoren, um die höchste Frequenz auf kleinem Raum bereitzustellen, was die Leistung verbessert und die Widerstandsfähigkeit gegen mechanische Belastungen wie Vibrationen und Stöße erhöht. Dies führt zu einer stabilen und kontinuierlichen Datenübertragung, die eine präzisere Datensynchronisierung von kabelgebundenen und kabellosen Signalen ermöglicht, sodass Daten für eine höhere Effizienz schnell verarbeitet werden können.

Mit einem kompletten HF-System und einem On-Chip-DC/DC-Wandler wird die CC2652RB als die erste kristalllose drahtlose MCU der Branche angepriesen. Es integriert einen BAW-Resonator in das QFN-Gehäuse und macht einen externen 48-MHz-Hochgeschwindigkeitsquarz überflüssig. Die höhere Integration ermöglicht auch eine Einsparung von 10 bis 15 % beim Platzbedarf auf der Leiterplatte (PCB).

Das Gerät CC2652RB bietet eine hervorragende Batterielebensdauer und ermöglicht den Betrieb mit kleinen Knopfzellenbatterien und in Energy-Harvesting-Anwendungen dank seines sehr geringen aktiven HF- und MCU-Stroms, zusätzlich zu einem Ruhestrom von Sub-µA mit bis zu 80 KB paritätsgeschütztem RAM-Speicherung.

Das CC2652RB-Gerät kombiniert einen HF-Transceiver mit sehr geringem Stromverbrauch mit einer 48-MHz-Arm-Cortex-M4F-CPU in einer Plattform, die mehrere physikalische Schichten und HF-Standards unterstützt. Ein dedizierter Funkcontroller (Arm Cortex-M0) verarbeitet Low-Level-RF-Protokollbefehle, die im ROM oder RAM gespeichert werden, um einen extrem geringen Stromverbrauch und mehr Flexibilität zu gewährleisten. Der Sensorcontroller mit seinem schnellen Aufwachen und dem extrem stromsparenden 2-MHz-Modus ist für das Abtasten, Puffern und Verarbeiten von analogen und digitalen Sensordaten ausgelegt .

Darüber hinaus behauptet der Chip, das Multistandard-Gerät mit dem niedrigsten Stromverbrauch zu sein, das Zigbee, Thread, Bluetooth Low Energy und proprietäre 2,4-GHz-Konnektivitätslösungen auf einem einzigen Chip unterstützt. Es arbeitet über einen Temperaturbereich von -40 °C bis 85 °C, im Gegensatz zu vielen derzeit auf dem Markt befindlichen Lösungen auf Kristallbasis. Ein CC2652B SimpleLink MCU-basiertes TI LaunchPad-Entwicklungskit ist verfügbar.

Chiphersteller wie Intel Corp. sehen auch, dass künstliche Intelligenz (KI) in medizinische Bildgebungsanwendungen und andere Bereiche eindringt, einschließlich Akut- und Intensivpflege und Diagnose, die viel Rechenleistung erfordern. Früher waren GPUs die einzigen echten Hardwarelösungen für Deep Learning.

Heute bietet Intel die skalierbaren Xeon-Prozessoren (eingeführt im Jahr 2017) an, die komplexe Hybrid-Workloads bewältigen können, einschließlich speicherintensiver Modelle, die normalerweise in der medizinischen Bildgebung zu finden sind.

Intel hat mit Philips zusammengearbeitet um zu zeigen, dass Server mit Intels Xeon Scalable-Prozessoren Deep-Learning-Inferenz für Röntgen- und Computertomographie-(CT)-Scans durchführen können, ohne dass Hardwarebeschleuniger erforderlich sind. Die Tests zeigen, dass die Xeon Scalable-Prozessoren bei vielen KI-Workloads besser abschneiden als GPU-basierte Systeme.

Die Unternehmen testeten zwei Machbarkeitsnachweise für die Bildgebung im Gesundheitswesen :eine auf Röntgenaufnahmen von Knochen für die Modellierung der Knochenaltersvorhersage und die andere auf CT-Scans der Lunge zur Lungensegmentierung. Verwenden des Intel Distribution of OpenVINO-Toolkits und anderer Softwareoptimierungen , konnte Philips die Geschwindigkeit der Bilder pro Sekunde beim Knochenaltersvorhersagemodell um das 188-fache und beim Lungensegmentierungsmodell um das 37-fache gegenüber den Ausgangsmessungen verbessern.