MEDGE

Vertrauenswürdige und energiesparsame Edge-Elektronik für medizinische Anwendungen

BKM OCTOPUS
Edge-Anwendungen benötigen effiziente und leistungsfähige Elektronik entlang der gesamten Wertschöpfungskette, um die damit verbundenen Anforderungen, z. B. an Echtzeit oder Vertrauenswürdigkeit, umzusetzen.© Poobest - Adobe Stock

Motivation

Die zunehmende Zahl von vernetzten Geräten und Sensoren, das „Internet of Things“ (IoT), ermöglicht vielfältige und neue Anwendungen. Sie sorgt aber auch für eine rasant wachsende Datenmenge. Die Verarbeitung von Daten an ihrem Entstehungsort (Edge Computing) hilft, damit effizient umzugehen. Edge Computing stärkt dabei die Funktionalität, Nachhaltigkeit, Vertrauenswürdigkeit und Wirtschaftlichkeit von Elektronikanwendungen durch den Einsatz von Künstlicher Intelligenz und Vernetzung. Ziel der OCTOPUS-Projekte ist es, anwendungsbezogen hochinnovative Elektronik bereitzustellen, um diese Vorteile zu erschließen.

Ziele und Vorgehen

Im Vorhaben MEDGE werden Elektronik und Datenauswertung mittels Künstlicher Intelligenz in der Medizintechnik erforscht. Hier bestehen höchste Anforderungen an Datenschutz und Nachvollziehbarkeit. Die Verarbeitung persönlicher, medizinischer Daten soll deshalb vor Ort im Messgerät selbst stattfinden. Um die Vorteile der Künstlichen Intelligenz nutzen zu können, werden energiespar-same und leistungsfähige Prozessoren mit Sensoren direkt in die Geräte integriert. Im Projekt wird ein modulares Konzept verfolgt, das flexibel in verschiedenen Geräten eingesetzt werden kann. Damit werden drei Anwendungen demonstriert: ein implantierbarer EEG-Monitor, ein schluckbares Kapsel-Endoskop sowie ein kabelloser Ultraschallkopf.

Innovationen und Perspektiven

Der Einsatz Künstlicher Intelligenz ist vor allem für vielfältige Diagnosezwecke attraktiv. So können Messdaten dauerhaft und kostengünstig überwacht bzw. die energieintensive Datenübertragung eingespart werden. Um dies auch für komplexere Messungen wie Ultraschall gangbar zu machen, werden die Leistungsfähigkeit und der Energieverbrauch der Elektronik über ein Hardware-Software-Co-Design optimiert. Somit können leistungsfähige KI-Modelle eingesetzt werden, welche die Genauigkeit der Messungen und der Diagnosen steigern.