超声系统要求

有效的超声系统可加快诊断速度,并帮助医生更快做出更有效的治疗决策。 为此,超声机器要求极高的处理性能和图形渲染效果以提高诊断准确性,并立即获取精确的图像。 类似地,还需要易于移动以适应不断变化的医疗场景和趋势,尤其是在治疗因COVID-19导致行动不便或旅行/活动受限的患者时。

挑战

高端超声波通常利用 FPGA、显卡或 AI 加速器模块实现高计算和图形性能,因此系统设计复杂,在额外 GPU 或 VPU 引擎集成的情况下会产生更高的成本。此外,由于追求极端性能,这些系统不可避免会遇到散热问题。在正常应用中,冷却解决方案可以解决这些问题。但是,当代主流的超声设备采用冷却解决方案的占地空间有限,甚至要求在医院环境中安静运行。

限制条件和要求两者相结合造成以下挑战:

  • 附加的硬件/软件集成成本会产生高昂的开发费用
  • 尽管空间有限,但这些解决方案必须高度可靠才能为医疗保健提供准确、及时的服务
  • 普通的散热模块(对于紧凑型设备而言体积太大,且在医疗环境中使用时噪声过大)不适用于可移动超声解决方案

出色的性能SOM-6883和QFCS技术

XM-SOM-6883 搭载第 11 代Intel® Core™ 处理器 (Tiger Lake-UP3)以及 Intel iRIS® Xe(96 EU)图形显示,具有出色的计算性能。与前几代相比,SOM-6883 实现 3 倍图形性能提升和 2 倍 AI 模型基准测试结果,无需额外的显卡实现。此外,QFCS(Quadra流量冷却系统)技术具有薄型和静音设计特点,可释放所有 TDP 功耗,100% 发挥CPU 效能。

该模型不仅具有突破性的性能,还支持DDR4内存下降,超高速PCIe Gen4(16GT / s),USB 4 Type-C接口和其他高速I / O,可为客户的系统设计提供更薄、抗震的特性。 总之,紧凑型(95 x 95mm/3.74 x 3.74 in)SOM-6883核心模块是超声设备的理想解决方案。

该款功能强大的紧凑型嵌入式模块化电脑所搭载的处理器可提供本地计算/图形性能以及8K SDR高分辨率显示,从而满足我们的客户需求。 此外,SOM-6883无需使用第二个显卡即可实现基于AI的诊断。 这些特性简化了开发,降低了成本,并缩短了超声设备的上市时间。

XM-SOM-6801 的规格
产品类型 COM Express Type 6
芯片组 SOC
CPU Intel I3-4100M,2.5GHz,双核处理器
Intel I5-4300M,2.6GHz,最大睿频3.3GHz,双核处理器                                                                    Intel I7-4900M,2.8GHz,最大睿频3.8GHz,四核处理器
内存 板载 4G/8G可选DDR3 L 内存;1×内存插槽,最大支持8G
BIOS AMI 
以太网 1×10M/100M/1000Mbps Intel I211以太网
显示  支持VGA,DVI,HDMI,DP,LVDS显示输出;LVDS支持双通道24bit,最大分辨率1920×1080,支持同步/异步双显
音频 集成 ALC662 高保真音频控制器,支持 MIC 、 Line_out
USB 6×USB 2.0,4×USB 3.0
串口 6×RS-232
扩展 1×PCIE*8,1×PCIE*16
存储 4×SATA Ⅲ硬盘接口
供电 DC 12V /ATX≤55W
看门狗 255级,1~255秒复位/重置
GPIO 8-bit 输入/输出
工作温度  -20~70℃,10%~90% RH,无凝结
存储温度  -40~85℃,5%~95% RH,无凝结
尺寸 1 2 5 m m ×9 5mm , Type 6
OS 支持 Win7,Win10,Linux等操作系统

关键特性   

[XM-SOM-6883] COM Express R 3.0 Type 6 Compact 模块

  • 搭载功能强大的第11代Intel®Core™4核心处理器,28W低功耗
  • 通过Intel®iRIS Xe Graphics G7 96 EU提供出色的图形和AI性能
  • 采用坚固设计,板载存储的薄型核心模块
  • 支持4个独立4K显示(最多两个8k)
  • 可配置的USB 4 Type-C超薄I / O和雷电接口
  • 支持超高速I / O扩展:PCIe Gen4(16GT / s),USB 3.2 Gen2(10Gbps),2.5GbE超薄,静音QFCS散热解决方案

基于Intel Lake-UP3平台的超声设备方案设计,提供出色的图形和AI性能相关推荐

  1. 深度解析Intel Medfield手机平台的可怕潜力

    导读:本届CES展会正式开幕第一天,Intel终于正式放出了Medfield平台智能手机/平板电脑比较详细的指标,与此同时硬件网站Anandtech与Hothardware也第一时间放出了自己掌握的资 ...

  2. 基于intel低功耗平台边缘计算解决方案助力半导体设备升级

    半导体芯片是现代电子领域的大脑.事实上,在通信.计算.零售.医疗保健和运输应用领域,半导体芯片为各种先进技术提供了基础.2020年全球半导体销售额增长6.5%,相关制造设备的生产需求也相应增加. 某业 ...

  3. intel最新服务器平台,五舟科技发布基于Intel Purley平台的下一代服务器产品

    五舟科技发布基于Intel Purley平台的下一代服务器产品 2017年7月12日,Intel发布了全新Xeon系列下一代产品Purley处理器,新的处理器有着无与伦比的技术规格,性能上有较大的提升 ...

  4. 开源项目-基于Intel VT技术的Linux内核调试器

    本开源项目将硬件虚拟化技术应用在内核调试器上,使内核调试器成为VMM,将操作系统置于虚拟机中运行,即操作系统成为GuestOS,以这样的一种形式进行调试,最主要的好处就是调试器对操作系统完全透明.如下 ...

  5. 如何用深度学习进行CT影像肺结节探测(附有基于Intel Extended Caffe的3D Faster RCNN代码开源)

    近期宜远智能参加阿里天池医疗AI大赛,用3D Faster RCNN模型在CT影像的肺结节探测上,取得了较好的成绩,特别是在计算资源充足的情况下,模型效果表现优异.这是他们的经验分享(https:// ...

  6. 基于Delta lake、Hudi格式的湖仓一体方案

    简介:Delta Lake 和 Hudi 是流行的开放格式的存储层,为数据湖同时提供流式和批处理的操作,这允许我们在数据湖上直接运行 BI 等应用,让数据分析师可以即时查询新的实时数据,从而对您的业务 ...

  7. 基于多层结构的网络游戏平台的研究与应用

    基于多层结构的网络游戏平台的研究与应用 学科专业: 计算机软件与理论 研究方向: 计算机软件 导 师: 李 祥 教授 研 究 生: 匡 华 中国 · 贵州 · 贵阳 2007年 5 月 本文的主要工作 ...

  8. 【转载】基于多层结构的网络游戏平台的研究与应用

    本文纯粹收藏,如有再转,请按如下方式详细标明文章题目.作者及其导师信息,以示尊重.由此所引发的版权问题与本博无关! 来源:http://www.cnblogs.com/bluespot/archive ...

  9. 基于Ocean Connect云平台的照明控制系统设计

    目 录 摘 要 I Abstract II 1 绪论 1 1.1选题背景及意义 1 1.2国内外研究现状 2 1.2.1云平台发展现状 2 1.2.2智能照明的发展现状 2 1.3 研究主要内容 3 ...

最新文章

  1. YSlow简介与使用(转)
  2. solidworks工具集_【第1975期】SolidWorks!从3D扫描到3D打印的一站式设计工具
  3. 数组之冒泡排序、选择排序
  4. 基于Wide Deep Learning的推荐系统
  5. Asp:Response对象
  6. 【VS开发】动态创建ActiveX控件
  7. 深入Java集合学习系列:HashMap的实现原理
  8. arcgis select by attributes一次选多个_地理工具学习--arcgis篇:单工具学习(2)
  9. php基础教程 第五步 逻辑控制
  10. 模板:多项式乘法(FFTNTT)
  11. Vue中计算属性与class,style绑定
  12. homebrew mac_借助Homebrew使从Mac到Linux的转换更加容易
  13. linux分区文件 pe,关于linux的磁盘和分区的操作(一)
  14. js判断页面点击事件
  15. ASP.NET MVC 解析模板生成静态页一(RazorEngine)
  16. SQL数据分析-淘宝用户行为
  17. MacBook没声音
  18. 快速输入对号框(框中加对号或者对勾)的方法
  19. 计算机显示屏对比度怎么调整,如何调节电脑屏幕亮度(电脑如何调节显示器亮度和对比度?)...
  20. java工具类 PDF转图片

热门文章

  1. 【NVIDIA Xavier NX入坑记录1】环境语言包下载、系统语言设置、Google输入法无候选输入栏的解决
  2. 利用神经网络进行分类,神经网络学什么
  3. HECKTOR2020第二名 Combining CNN and Hybrid Active Contours for Head and Neck Tumor Segmentation in CT a
  4. GSS7 - Can you answer these queries VII 题解
  5. 小米note2 刷android,小米Note2系统刷机升级lineage16刷机包(最新固件完整rom包安卓9.0)...
  6. labview 转标准c语言,如何将LabVIEW的VI转换为C语言代码..docx
  7. Destoon采集翻译伪原创发布工具
  8. 开放式激光振镜+运动控制器(四):PSO位置同步输出在激光振镜加工中的应用
  9. YouTube 架构学习体会
  10. hostapd wpa_supplicant madwifi详细分析(十一)——wps原理及实现 三