Embedded Systems

M/EDGE - Secure Low Power Medical Edge Computing

Mit dem Pro­jekt M/EDGE soll eine Elek­tro­nik-Platt­form für hoch­in­te­grier­te me­di­zi­ni­sche Edge-In­tel­li­genz ent­wi­ckelt und für die Mul­ti­sen­sor-Kap­se­len­do­sko­pie sowie für Neu­ro­im­plan­ta­te pro­to­ty­pisch rea­li­siert wer­den.

Mo­der­ne Me­di­zin­pro­duk­te haben mit ihrer engen In­te­gra­ti­on von pro­gram­mier­ba­rer Mi­kro­elek­tro­nik, Sen­so­rik und Ak­tua­to­rik grund­le­gend neue dia­gnos­ti­sche und the­ra­peu­ti­sche Mög­lich­kei­ten er­öff­net. Die lo­gi­sche Wei­ter­ent­wick­lung zu Cloud-ver­netz­ten cy­ber­me­di­zi­ni­schen Sys­te­men bie­tet durch den Ein­satz von KI-Ver­fah­ren re­vo­lu­tio­nä­re Chan­cen für eine in­tel­li­gen­te, scho­nen­de und ziel­ge­naue Me­di­zin. Für me­di­zi­ni­sche Im­plan­ta­te oder draht­lo­se Sen­so­rik ist je­doch eine breit­ban­di­ge und un­ter­bre­chungs­freie Netz­werk­an­bin­dung tech­nisch und prak­tisch nicht rea­li­sier­bar. Die Lö­sung für diese Her­aus­for­de­run­gen ist die In­te­gra­ti­on von In­tel­li­genz und Au­to­no­mie di­rekt im Me­di­zin­pro­dukt, d.h. me­di­zi­ni­sches Edge-Com­pu­ting. Für den Ein­satz von ma­schi­nel­len Lern­ver­fah­ren in der­ar­ti­gen cy­ber-me­di­zi­ni­schen Edge-De­vices be­steht ein hoher Be­darf an hoch-per­for­man­ten, ein­ge­bet­te­ten Hard­ware­ar­chi­tek­tu­ren, die in der Lage sind, ma­schi­nel­le Lern­ver­fah­ren für die in­tel­li­gen­te Sen­sor­da­ten­aus­wer­tung en­er­gie­ef­fi­zi­ent aus­zu­füh­ren ohne an­wen­dungs­spe­zi­fi­sche An­for­de­run­gen hin­sicht­lich La­tenz und elek­tri­scher Leis­tungs­auf­nah­me zu ver­let­zen. Wich­ti­ge Vor­aus­set­zung für die­ses Ziel ist die Be­reit­stel­lung von in­tel­li­gen­ten Edge-Kom­po­nen­ten, die maß­ge­schnei­dert in ihre Um­ge­bung ein­ge­bet­tet wer­den kön­nen und mit die­ser selbst­stän­dig in­ter­agie­ren. Hier­für sind ap­pli­ka­ti­ons­spe­zi­fi­sche Re­chen­be­schleu­ni­ger für ma­schi­nel­le Lern­ver­fah­ren not­wen­dig, die fle­xi­bel an die spe­zi­fi­schen An­for­de­run­gen der me­di­zi­ni­schen An­wen­dun­gen zur Ana­ly­se und Klas­si­fi­ka­ti­on von Sen­sor­da­ten­strö­men an­ge­passt wer­den kön­nen. Dabei sol­len die ma­schi­nel­len Lern­ver­fah­ren in einem au­to­ma­ti­sier­ten HW/SW-Code­sign ge­mein­sam mit den Hard­ware­be­schleu­ni­gern ent­wi­ckelt und op­ti­miert wer­den, um den Leis­tungs­an­for­de­run­gen ge­recht wer­den zu kön­nen. Dies er­mög­licht eine ef­fi­zi­en­te Pro­zes­sie­rung von Sen­sor­da­ten­strö­men mit einer durch­schnitt­li­chen elek­tri­schen Leis­tungs­auf­nah­me deut­lich klei­ner als 1 mW. 

Fun­ding

Das Pro­jekt M/EDGE wird vom Bun­des­mi­nis­te­ri­um für Bil­dung und For­schung (BMBF) ge­för­dert.

Par­ti­ci­pa­ting Team Mem­bers

Bring­mann, Oli­ver

Gerum, Chris­toph

Rei­ber, Mo­ritz

Wer­ner, Julia

Bause, Oli­ver