作者：吉娜鲁斯，主编
医疗设备包括一系列产品，从超声波设备和植入式设备到家用血糖仪和健身追踪器。每个应用都有不同的要求，但他们都在寻找能够在执行、可靠性、安全性、节能和连接性方面提供性能的微处理器(MPU)和微控制器(MCU)。许多相同的性能增强可用于各种应用。
可穿戴电子设备的日益普及以及对医疗电子设备跟踪和监控患者的需求健康状况受到人口老龄化和健康意识提高的推动。网络化医疗设备的爆炸式增长也促使芯片制造商在芯片层面解决网络安全风险。
超低功耗在需要访问温度、加速度和速度等实时信号的应用中尤为重要。MarketsandMarkets报告中指出的一个趋势是需要带模拟外设的超低功耗微控制器。好处包括高可靠性、降噪、低延迟和成本降低，这在医疗或保健设备中可能是有利的，例如血糖仪、心率监测器和可植入设备。
集成可编程模拟的低功率微控制器的一个例子是瑞萨电子公司的协同S1 MCU系列。S1JA MCU系列旨在简化设计并减少物料清单(BOM)。它具有48 MHz Arm Cortex-M23内核和可编程模拟和安全功能，可用于高精度传感器信号采集和调整。这些MCU可用于一系列对成本敏感的低功耗工业物联网(IIoT)传感器应用。这些产品包括医用监护仪、流量控制仪表、多传感器系统、仪表系统和单相仪表。
S1JA集团包括五个MCU，具有256 KB闪存、32 KB SRAM存储器和1.6 V至5.5 V的宽工作电压范围。每个MCU都集成了一个传感器偏置单元，可以为外部传感器提供精确的电源，瑞萨电子表示，这是一个高度可配置的模拟结构，可以处理复杂的算法，以最大限度地进行信号调理和精确的模拟测量。
S1JA MCU支持高级模拟配置，从基本技能到更复杂的模拟模块，使设计人员能够消除多个外部模拟元件。片内模拟元件包括高精度16位模数转换器(ADC)、24位-型ADC、快速响应12位数模转换器(DAC)、轨到轨低失调运算放大器和高速/低功耗比较器。
瑞萨S1JA MCU支持高级模拟配置，从基本技能到更复杂的模拟模块。(图片：瑞萨电子)
微控制器的超低功耗可以延长便携式和电池供电应用的电池寿命。软件待机模式仅消耗500 nA电流，支持20年电池供电应用，这些应用在睡眠模式下花费更多时间。
此外，微控制器还具有安全功能，包括集成的AES加密加速器和真随机数发生器(TRNG)。内存保护单元为开发连接到云的安全系统提供了基本模块。
瑞萨协同软件包(SSP)通过HAL驱动程序、应用框架和RTOS支持S1JA MCU。SSP还包括六个模块，可以简化可配置内部模拟模块的互连。嵌入式系统设计人员可以使用瑞萨协同开发环境(eStudio或IAR Embedded Workbench)来构建和定制他们的设计。
瑞萨电子还开发了一种参考设计/解决方案，可用于可穿戴皮肤电反应产品和手持式身体成分分析仪系统。电阻测量(GSR)和身体成分监测(BCM)提供生物信息，可分别用于推断情绪状态和计算身体脂肪量。
这款电池供电器件以低功耗在GSR模式下执行DC电导测量，在BCM模式下执行高精度交流阻抗测量。瑞萨电子表示，ADC的分辨率和速度对于GSR-BCM测量和皮肤温度补偿的准确性非常重要。
GSR-BCM解决方案使用Synergy S1JA MCU来实现其模拟和低功耗。它还包括用于蓝牙连接的瑞萨RL78/G1D和用于锂离子电池充电的ISL9203A。
RL78/G1D是一款16位MCU，支持蓝牙低功耗，在4.3 mA射频发射电流(0 dBm输出)和3.5 mA射频接收电流下具有低功耗。天线连接所需的内置电路元件无需外部元件，从而简化了电路设计并降低了成本。软件堆栈支持无线软件更新。
ISL9203A是一款集成的单节锂离子或锂聚合物电池充电器，可在低至2.4V的输入电压下工作，适用于各种类型的交流适配器。
对于便携式和无线设计，如健身追踪器，这些应用需要低功耗、增强的安全性和多协议支持。
最近的一个例子是三星电子的Exynos i T100，它将处理器和内存集成在一个芯片中，支持蓝牙5低能耗、Zigbee 3.0和线程协议。为了增强无线连接功能，芯片提供了同时支持两种不同协议的多射频并发模式。因此，它既可以支持蓝牙和Zigbee，也可以支持蓝牙和线程。
该芯片旨在提高用于短距离通信的设备的安全性和可靠性，如健身可穿戴设备、智能照明以及家庭安全和监控。它提供的安全功能可以防止潜在的黑客攻击和其他威胁。该解决方案为数据加密和物理不可克隆功能(PUF)提供了单独的安全子系统(SSS)硬件模块，为每个芯片组创建了唯一的标识。
Exynos i T100包含一个时钟速度高达100 MHz的Arm Cortex-M4F和高密度存储器，包括1.2 MB闪存和192 KB和24 KB SRAM。此外，它可以在低至-40C和高达125C的极端温度下工作。
三星也提供了加速开发的参考方案。参考板支持Shields接口，可以插入Arduino板的顶部，用于测试和控制传感器。它还为开发自定义应用程序的连接协议提供了操作系统和嵌入式API。
意法半导体采用Linux发行版的STM32MP1多核微处理器系列专为高性能健康和保健、智能家居、工业和消费应用而设计，通过增强的性能、资源和开源软件扩展了STM32微控制器产品组合。具有计算和图形支持的STM32MP1提供高能效、实时控制和高功能集成。
STM32MP1系列支持设计人员使用STM32异构架构开发一系列新应用，该架构结合了Arm Cortex-A和Cortex-M内核。这种架构在单个芯片上提供快速处理和实时任务，同时提供高能效。
ST举了一个节能的例子。通过停止执行Cortex-A7并仅从更高效的Cortex-M4运行，功耗通常可降低25%。从这种模式切换到待机模式进一步降低了2.5k倍的功耗，同时支持在1到3秒内恢复Linux执行，具体取决于应用。
STM32MP1嵌入了3D图形处理器单元(GPU)，用于人机界面(HMI)显示。它支持一系列外部DDR SDRAM和闪存。它还具有大量的嵌入式外设，可以分配给Cortex-A/Linux或Cortex-M/实时活动。STM32MP1系列提供多种BGA封装。
提供两个评估板(STM32MP157A-EV1和STM32MP157C-EV1)和两个开发套件(STM32MP157A-DK1和STM32MP157C-DK2)。
此外，根据设计人员的需求，还提供了三种开发人员包：
Starter包(STM32MP1Starter)可以快速启动任何STM32MP1微处理器设备。
开发者包(STM32MP1Dev)在STM32MP1嵌入式软件发行版的基础上添加了自己的开发。
分发包(STM32MP1Distrib)，用于创建自己的Linux分发启动器或开发包。
大数据
海量数据的移动分析是很多终端市场面临的巨大挑战。这些细分市场包括医疗成像、医疗设备、无线消费电子以及工厂和建筑自动化。共享更多数据需要更高的安全性、更好的互操作性、更快的处理速度以及一致和更高质量的通信。
德州仪器公司(TI)今年早些时候推出了两款采用体声波(BAW)技术的设备，这款设备是专为高数据传输应用而设计的，如联网医疗设备。这些新器件是SimpleLink CC2652RB无线MCU和LMK05318网络同步器时钟，用于高性能数据传输。
BAW技术集成了一个参考时钟谐振器，可以在小尺寸中提供最高频率，从而提高性能，增强对机械应力(如振动和冲击)的抵抗力。这样可以实现稳定连续的数据传输，并且可以提供更精确的有线和无线信号的数据同步，从而可以快速处理数据，提高效率。
CC2652RB集成了完整的RF系统和片内DC/DC转换器，是业界首款无定形无线MCU。它将BAW谐振器集成在QFN封装中，无需外部高速48 MHz晶体。更高的集成度还可以节省10%至15%的印刷电路板(PCB)空间。
CC2652RB器件具有极低的有源RF和MCU电流，以及高达80 KB奇偶校验保护的sub-A睡眠电流RAM保持能力，因此具有出色的电池寿命，允许在小型纽扣电池和能量采集应用中工作。
CC2652RB器件在支持多个物理层和RF标准的平台中集成了一个极低功耗RF收发器和一个48MHz Arm Cortex-M4F CPU。专用无线电控制器(Arm Cortex-M0)处理存储在ROM或RAM中的低级RF协议命令，以实现超低功耗和更大的灵活性。TI表示传感器控制器具有快速唤醒和超低功耗2MHz模式，专为采样、缓冲和处理模拟和数字传感器数据而设计。它可以最大限度地延长睡眠时间，降低单片机系统的有功功率。
此外，该芯片号称是功耗最低的多标准设备，在单个芯片上支持Zigbee、Thread、蓝牙低功耗和专有的2.4 GHz连接解决方案。其工作温度范围为-40C至85C，不同于目前市场上许多基于晶体的解决方案。提供了基于CC2652B SimpleLink MCU的TI LaunchPad开发套件。
英特尔等芯片制造商也看到，人工智能(AI)正在进入医疗成像应用和其他领域，包括需要大量处理能力的急性和重症护理和诊断。曾经，深度学习唯一真正的硬件解决方案是GPU。
今天，英特尔提供至强可扩展处理器，可以处理复杂的混合工作负载，包括医学成像中常见的内存密集型模型。
在与英特尔飞利浦的合作中，我们展示了深度学习推理，即使用英特尔至强可扩展处理器的服务器可以在没有硬件加速器的情况下执行X射线和计算机断层扫描(CT)。测试表明，对于许多人工智能工作负载，至强可扩展处理器的性能优于基于GPU的系统。
两家公司已经测试了两个医疗保健成像概念验证：一个用于通过骨X射线进行骨龄预测建模，另一个用于肺部CT扫描进行肺部分割。使用OpenVINO Toolkit的Intel分发版和其他软件优化，飞利浦可以将骨龄预测模型的每秒图像速度提高188倍，肺部分割模型的每秒图像速度提高37倍。回顾黄浩宇
