Wichtigste Erkenntnisse
- Der Markt für tragbare Ultraschallgeräte wird auf 2,49 Milliarden US-Dollar im Jahr 2025 … und soll bis 2030 bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 9,01 % einen Wert von 3,84 Mrd. USD erreichen – Edge-AI-Hardware ist dabei der wichtigste Treiber (MarketsandMarkets)
- Der Markt für KI im Ultraschallbereich wächst mit einer Rate von 24% CAGR, und wird bis 2030 6,88 Milliarden US-Dollar erreichen – angetrieben durch automatisierte Diagnostik und den Einsatz am Behandlungsort
- RK3588s 48 MP ISP 3.0 übernimmt gleichzeitig die Vorverarbeitung von Ultraschallsondensignalen, die HDR-Bildgebung und die Aufnahme mit mehreren Kameras – ohne externe Bildverarbeitungshardware
- Die 6 TOPS NPU läuft diagnostische KI-Modelle (Erkennung von Knoten, automatisierte Messung, Anomalie-Bewertung) in Echtzeit direkt auf dem Gerät – wodurch die Abhängigkeit von der Cloud bei klinischen Offline-Anwendungen entfällt
- 8K-H.265-Hardware-Kodierung erzeugt DICOM-kompatible Bildarchive mit hohen Komprimierungsraten – wodurch der Speicherbedarf im Vergleich zu unkomprimierten DICOM-Dateien um 40–60% reduziert wird
- Auf dem RK3588 basierende Designs für medizinische Geräte erzielen IEC 60601-1 Einhaltung der elektrischen Sicherheitsvorschriften durch eine ordnungsgemäße Isolationsauslegung – der SoC selbst stellt keinen Engpass bei der Zertifizierung dar
Warum die medizinische Bildgebung auf Edge-basierte KI-Plattformen umsteigt
Die medizinische Bildgebung befindet sich in einem strukturellen Wandel. Laut MarketsandMarkets… Der weltweite Markt für tragbare Ultraschallgeräte hatte im Jahr 2025 einen Wert von 2,49 Milliarden US-Dollar und wird bis 2030 voraussichtlich 3,84 Milliarden US-Dollar erreichen, angetrieben durch die dezentrale Gesundheitsversorgung, eine weltweit alternde Bevölkerung und die überzeugenden wirtschaftlichen Vorteile der Point-of-Care-Diagnostik.
Die radiologische Abteilung eines Krankenhauses ist nicht mehr der einzige Ort, an dem eine hochwertige Ultraschalldiagnostik durchgeführt werden kann. Notaufnahmen, ländliche Kliniken, Hausbesuche im Rahmen der häuslichen Pflege und Gesundheitsprogramme in abgelegenen Gemeinden entwickeln sich zunehmend zu Einsatzorten – und jeder dieser Bereiche erfordert ein Geräteprofil, das herkömmliche, auf Rollwagen montierte Bildgebungssysteme nicht erfüllen können: kompakt, akkubetrieben und in der Lage, KI-gestützte Befunde ohne Cloud-Anbindung zu erstellen.
Die Rolle eingebetteter KI in modernen medizinischen Geräten
Die Integration von KI in die medizinische Bildgebung ist längst keine Premium-Funktion mehr, die nur den Flaggschiff-Systemen der Krankenhäuser vorbehalten ist. Studie von SNS Insider berichtet, dass weltweit 88% klinische Einrichtungen KI-gestützte Ultraschalllösungen integriert haben, wobei Deep-Learning-Algorithmen Messungen automatisieren, die Abhängigkeit vom Bediener verringern und die diagnostische Genauigkeit in der Kardiologie, Geburtshilfe und Notfallmedizin verbessern.
Für Hersteller medizinischer Geräte stellt diese Marktentwicklung eine besondere technische Herausforderung dar: Wie lässt sich eine KI-Inferenz, die eine Diagnoseunterstützung auf klinischem Niveau ermöglicht, in ein Gerät integrieren, das tragbar, batteriebetrieben, thermisch versiegelt und zu Kosten herstellbar ist, die für den Einsatz im Gesundheitswesen im Mittelstand und in Schwellenländern angemessen sind? Der RK3588 bewältigt diese Herausforderung mit einer Hardwarearchitektur, die außergewöhnlich gut auf die Anforderungen der tragbaren medizinischen Bildgebung abgestimmt ist.
Warum veraltete Embedded-Plattformen nicht mehr ausreichen
ARM-SoCs der vorherigen Generation – Cortex-A72-basierte Plattformen, i.MX8M Plus und ähnliche Embedded-Prozessoren der Mittelklasse – bieten eine ausreichende Leistung für einfache Benutzeroberflächen und die Datenerfassung in medizinischen Geräten. Für die KI-gestützte Echtzeit-Diagnostik reichen sie jedoch nicht aus. Ohne eine dedizierte NPU zwingt die gleichzeitige Ausführung eines diagnostischen Assistenzmodells neben der Bilderfassung und der Darstellung der Bilder zu einem Kompromiss zwischen akzeptablen Bildraten und akzeptabler Inferenzgeschwindigkeit. Der RK3588 beseitigt diesen Kompromiss durch die parallele Ausführung von CPU, GPU, NPU und ISP.
RK3588-Hardwarearchitektur für Anwendungen in der medizinischen Bildgebung
Vier spezifische Hardware-Subsysteme innerhalb des RK3588-SoC sind für die Entwicklung medizinischer Bildgebungsgeräte von unmittelbarer Bedeutung. Das Verständnis der medizinischen Anwendungsmöglichkeiten jedes einzelnen Subsystems verhindert, dass in einigen Bereichen überdimensioniert und in anderen Bereichen zu wenig spezifiziert wird.
ISP 3.0: Der 48-MP-Bildsignalprozessor
Der RK3588 verfügt über einen Dual-Pipe-ISP 3.0, der Sensoren mit bis zu 48 MP unterstützt. In der medizinischen Bildgebung geht die Rolle des ISP über die reine Bildaufnahme hinaus. Die Ausgangssignale von Ultraschallsonden erfordern vor der KI-Verarbeitung eine Signalaufbereitung, Rauschfilterung und Dynamikbereichskompression. Die Dual-Pipe-Architektur ermöglicht die gleichzeitige Verarbeitung von zwei unabhängigen Kameraströmen – beispielsweise einer primären diagnostischen Ultraschallsicht neben einer sekundären anatomischen Referenzkamera, wobei beide ohne Einbeziehung der CPU verarbeitet werden.
NPU: 6 Top-Lösungen für die klinische KI-Inferenz
Die 6-TOPS-NPU ist die entscheidende Funktion für die KI-gestützte medizinische Bildgebung auf dem RK3588. Modelle zur Diagnoseunterstützung – Klassifikatoren zur Knotenerkennung, automatisierte Messwerkzeuge, Netzwerke zur Anomaliebewertung – werden in der Regel als INT8-quantisierte Modelle im Gewichtsbereich von 5 bis 50 MB eingesetzt. Zu den Vorteilen des klinischen Einsatzes von NPU-Inferenz auf dem Gerät gehören: keine Notwendigkeit einer Cloud-Anbindung, deterministische Latenz unabhängig von den Netzwerkbedingungen sowie der Wegfall der Übertragung von Patientendaten an Server von Drittanbietern – ein wichtiger Aspekt im Hinblick auf die DSGVO und HIPAA. Detaillierte NPU-Benchmarks finden Sie in unserem RK3588 NPU Leistungsübersicht.
Video-Codec: 8K H.265-Hardware-Kodierung für DICOM
DICOM unterstützt die Videokomprimierung nach H.264 und H.265 für dynamische Bildgebungsverfahren. Der Hardware-H.265-Encoder des RK3588 – der 8K bei 30 fps unterstützt – erzeugt DICOM-konforme Videoarchive mit um 40–60% kleineren Dateigrößen als bei einer vergleichbaren H.264-Kodierung, was die Speicherkosten direkt senkt. Durch die Hardware-Kodierung wird die CPU vollständig entlastet, sodass diese für KI-Inferenz und UI-Rendering zur Verfügung steht.
Funktionen des Displays und der Touch-Oberfläche
Der RK3588 unterstützt bis zu vier gleichzeitige Bildschirmausgänge mit Auflösungen von bis zu 4K, darunter eDP für die Integration in eingebettete Displays, MIPI-DSI für kompakte Displays und HDMI 2.1 für externe Monitore. Die Mali-G610-GPU verarbeitet Qt-basierte klinische Benutzeroberflächen, Echtzeit-Bildüberlagerungen und Werkzeuge zur Messannotation, ohne dass die CPU eingreifen muss.
| Subsystem für Medizinprodukte | RK3588-Hardware | Spezifikation | Klinischer Nutzen |
|---|---|---|---|
| Signalverarbeitung bei Messungen | ISP 3.0 Dual-Pipe | 48 MP, HDR, Mehrfachkamera | Hardware-Vorverarbeitung, keine CPU-Auslastung |
| KI-gestützte Diagnosehilfe | 6 TOPS NPU | INT4/INT8/FP16, RKNN-Toolkit2 | Inferenz auf dem Gerät, keine Cloud erforderlich |
| Bildarchiv (DICOM) | H.265-Hardware-Encoder | 8K bei 30 Bildern pro Sekunde, 4K bei 120 Bildern pro Sekunde | 40–60% – kleinere DICOM-Dateien |
| Klinisches Erscheinungsbild | Mali-G610-GPU | 4× Ausgänge, 4K, eDP/MIPI/HDMI | Flüssige Benutzeroberfläche + Anmerkungen in Echtzeit |
| Datenverbindung | PCIe 3.0 + 2×GbE + USB 3.1 | Multi-Schnittstelle | PACS-Integration, Funkmodul |
| Energieverwaltung | 8-nm-Prozess, DVFS | 5–13 W bei Volllast | Batteriebetriebene tragbare Geräte |
| Speicherung (Patientendaten) | eMMC 5.1 + NVMe über PCIe | Bis zu 256 GB eMMC | Lokales DICOM-Archiv, kein externes Laufwerk |
Unterstützte Anwendungen für die medizinische Bildgebung auf dem RK3588
Das Hardware-Profil des RK3588 lässt sich bestimmten Kategorien medizinischer Bildgebungsgeräte zuordnen, in denen seine Fähigkeiten voll ausgeschöpft werden. Das Verständnis dieser Zuordnung verhindert eine Unterdimensionierung (mit Einbußen bei der KI-Leistung) oder eine Überdimensionierung (die zu einem unlösbaren Problem beim Wärmemanagement in einem tragbaren Gehäuse führt).
Point-of-Care-Ultraschall-Terminals (POCUS)
POCUS-Geräte kommen in der Notfallmedizin, Geburtshilfe und Anästhesiologie zum Einsatz. Sie erfordern eine Echtzeit-Ultraschallbilddarstellung mit 30–60 fps, eine KI-gestützte Automatisierung von Messungen (fötale Biometrie, Ejektionsfraktion) sowie eine lokale DICOM-Speicherung mit optionaler WLAN-Übertragung an ein PACS. Der RK3588 bewältigt alle Arbeitslasten gleichzeitig – der ISP verarbeitet die Sondendaten, die NPU führt KI-Modelle aus, die GPU rendert die klinische Anzeige –, wobei die Gesamtsystemleistung unter 10 W liegt und ein Akkubetrieb von 4–8 Stunden ermöglicht wird.
Unternehmen wie Schmetterlingsnetzwerk und Fujifilm Sonosite Sie haben Pionierarbeit im Bereich der tragbaren POCUS-Geräte geleistet und damit die klinische Akzeptanz von tragbaren, KI-integrierten Ultraschallgeräten unter Beweis gestellt – ein Markt, der nun für OEM-/ODM-Hersteller zugänglich ist, die auf Plattformen wie dem RK3588 aufbauen.
KI-gestützte Diagnosearbeitsplätze
Diagnosearbeitsplätze am Krankenbett für Intensivstationen, Stationen und ambulante Bereiche erfordern größere Bildschirme (15–21 Zoll), höhere Rechenleistung für komplexe KI-Modelle und redundante Anbindung an das Krankenhausnetzwerk. Der RK3588 bedient dieses Segment durch seinen 4K-Bildschirmausgang, maximal 32 GB LPDDR4X-Arbeitsspeicher, PCIe 3.0 für die optionale Erweiterung um KI-Beschleuniger sowie zwei Gigabit-Ethernet-Anschlüsse.
Tragbare Endoskopiesysteme
Die MIPI-CSI-2-Schnittstelle des RK3588 lässt sich direkt an endoskopische Kameramodule mit 4K-Auflösung anschließen. Die NPU führt Modelle zur Polypenerkennung aus (YOLOv8 oder benutzerdefinierte CNNs mit über 30 FPS), und der H.265-Hardware-Encoder speichert den Eingriff im DICOM-konformen Format. Dank einer Gesamtsystemleistung von unter 15 W sind batteriebetriebene, tragbare Koloskopiegeräte für Vorsorgeprogramme vor Ort möglich.
Patientenüberwachungssysteme am Krankenbett
Multiparameter-Patientenmonitore erfassen EKG-, SpO₂-Daten sowie Blutdruck-, Temperatur- und Atemfrequenzwerte. Die zahlreichen UART- und I2C-Schnittstellen des RK3588 übernehmen die Sensorerfassung, die NPU führt Modelle zur Arrhythmieklassifizierung aus und die GPU rendert die Wellenformanzeigen in Echtzeit – damit ist der RK3588 eine leistungsfähige Plattform für die KI-integrierte Patientenüberwachung der nächsten Generation am Krankenbett.
DICOM-Integration und PACS-Anbindung auf dem RK3588
Die DICOM-Konformität ist für medizinische Bildgebungsgeräte, die im klinischen Umfeld eingesetzt werden, unverzichtbar. Der RK3588 läuft unter Debian 12 oder Ubuntu 22.04, die beide die ausgereifte Open-Source-Software unterstützen. DCMTK (DICOM-Toolkit) — entwickelt von OFFIS und dem Universitätsklinikum Regensburg — mit Funktionen zur Erstellung von DICOM-Dateien, für Netzwerkoperationen mit C-STORE/C-FIND/C-MOVE sowie zur Erstellung von DICOM-Konformitätserklärungen.
# DCMTK auf RK3588 mit Debian 12 installieren
sudo apt install dcmtk libdcmtk-dev
# Aufgenommenes Bild in das DICOM-Format konvertieren
img2dcm -i JPEG input_image.jpg output.dcm
# DICOM-Datei über C-STORE an das PACS des Krankenhauses senden
storescu -aec PACS_AET 192.168.1.100 104 output.dcm
# PACS nach vorhandenen Untersuchungen abfragen (C-FIND)
findscu -S -k QueryRetrieveLevel=STUDY \
-k PatientID="12345" \
192.168.1.100 104PACS-Konnektivitätsarchitektur
Der Standard-Workflow: Bildaufnahme auf dem Gerät → Erstellung einer lokalen DICOM-Datei über DCMTK → Übertragung an den PACS-Server über C-STORE → PACS-Bestätigung → lokale Cache-Verwaltung. Die beiden Gigabit-Ethernet-Anschlüsse des RK3588 unterstützen gleichzeitig sowohl das Krankenhaus-LAN als auch ein isoliertes Geräteverwaltungsnetzwerk, wobei WiFi 6 für die drahtlose PACS-Anbindung zur Verfügung steht.
HL7-FHIR-Integration für elektronische Patientenakten
Moderne Arbeitsabläufe in Krankenhäusern erfordern zunehmend, dass Geräte Daten mit EHR-Systemen austauschen über HL7 FHIR APIs. Der mit Linux betriebene RK3588 unterstützt HAPI FHIR (Java) und py-fhirclient (Python), wodurch Geräte Bilder automatisch mit Patientenakten verknüpfen und bei der Bildaufnahme Ereignisse im klinischen Arbeitsablauf auslösen können.
Regulatorische Aspekte: IEC 60601, FDA und CE-MDR
Der RK3588 ist eine Embedded-Computing-Komponente und kein Medizinprodukt – die regulatorischen Verpflichtungen gelten für das Endprodukt. Das Verständnis dieser Unterscheidung verhindert sowohl unnötige Beunruhigung als auch falsche Sicherheit.
Elektrische Sicherheit
Allgemeine Sicherheitsanforderungen für medizinische elektrische Geräte. Regelt die Isolierung, den Ableitstrom sowie die Kriech- und Luftstrecken zwischen den an den Patienten angeschlossenen Stromkreisen und dem Netz.
Software-Lebenszyklus
Anforderungen an den Entwicklungslebenszyklus von Software für Medizinprodukte. Gilt für KI-Diagnosesoftware, die auf dem RK3588 läuft – nicht für das eingebettete Linux-Betriebssystem oder das BSP, sofern diese nicht als medizinische Software eingestuft sind.
Zulassung für den US-Markt
Prädikatbasiertes Zulassungsverfahren für Medizinprodukte der Klasse II. KI-gestützte Diagnosefunktionen erfordern je nach Verwendungszweck möglicherweise eine „De-Novo“-Klassifizierung oder eine PMA.
Marktzugang in der EU
Die EU-Medizinprodukteverordnung schreibt für Produkte der Klasse IIa und höher eine Konformitätsbewertung durch eine benannte Stelle vor. Bildgebungsgeräte auf Basis des RK3588 fallen in der Regel unter die Klasse IIa oder IIb.
Qualitätsmanagement
Norm für Qualitätsmanagementsysteme für Hersteller von Medizinprodukten. Erforderlich für die CE-Kennzeichnung und die FDA-Zulassung. Gilt für die Prozesse des Medizinprodukteherstellers, nicht für Zulieferer von Komponenten.
Datenschutz
Die NPU-Inferenz direkt auf dem Gerät (ohne Datenübertragung in die Cloud) vereinfacht die Einhaltung der HIPAA- und DSGVO-Vorschriften erheblich – während der KI-Verarbeitung verlassen keine geschützten Gesundheitsdaten das Gerät.
Wichtig: Zertifizierung von Platinen vs. Geräten
Das RK3588-Entwicklungsboard bzw. SoM ist nicht nach IEC 60601 zertifiziert und stellt kein Medizinprodukt dar. Die behördliche Zertifizierung gilt für das Endprodukt einschließlich Gehäuse, Netzteil, patientenbezogene Schaltkreise und Software. ieeker kann Konformitätsunterlagen auf Komponentenebene (CE, FCC, RoHS) bereitstellen, um den Zertifizierungsprozess auf Geräteebene zu unterstützen.
Praktische Isolationsarchitektur zur Einhaltung der Norm IEC 60601-1
Der Standardansatz: isolierte Stromversorgung für die mit dem Patienten verbundenen Front-End-Schaltungen, optische Isolierung oder digitale Isolatoren an Signalleitungen, die die Isolationsbarriere durchqueren, sowie galvanische Trennung an USB- oder seriellen Schnittstellen, die mit patientenseitigen Peripheriegeräten verbunden sind. Der RK3588-SoC arbeitet in einer ordnungsgemäß ausgelegten Trägerplatine vollständig auf der nicht patientenseitigen Seite der Isolationsbarriere.
Bereitstellung von KI-Diagnosemodellen auf dem RK3588: Pipeline für klinische Schlussfolgerungen
Der Weg von einem trainierten diagnostischen KI-Modell zu einem medizinischen Bildgebungsgerät für den Produktiveinsatz umfasst drei technische Phasen, wobei in jeder Phase medizingerätespezifische Aspekte zu berücksichtigen sind, die sich vom standardmäßigen Einsatz von KI in der Industrie unterscheiden.
Phase 1: Modelltraining und Validierung (außerhalb des Geräts)
Diagnostische KI-Modelle werden anhand klinischer Datensätze mit PyTorch oder TensorFlow trainiert. Bei der Auswahl der Modellarchitektur gelten andere Kriterien als in der industriellen Bildverarbeitung: Im Vordergrund stehen Sensitivitäts- und Spezifitätskennzahlen (nicht nur mAP), Falsch-Negativ-Raten werden oft stärker gewichtet als Falsch-Positiv-Raten, und die Interpretierbarkeit des Modells (Grad-CAM-Visualisierungen) ist häufig für Zulassungsanträge erforderlich. Zu den gängigen Architekturen zählen EfficientNet für die Klassifizierung, U-Net für die Segmentierung und leichtgewichtige DETR-Varianten für die Erkennung.
Schritt 2: Quantisierung und RKNN-Umwandlung
Die Konvertierung eines medizinischen KI-Modells in das RKNN-Format folgt dem Arbeitsablauf des RKNN-Toolkit2, mit einer entscheidenden Ergänzung: der klinischen Validierung nach der Quantisierung. Eine INT8-Quantisierung, die die Genauigkeit um 0,51 TP3T verringert, ist bei der maschinellen Bildverarbeitung akzeptabel. Im Kontext der medizinischen Diagnostik kann ein Rückgang um 0,51 TP3T bei einem Modell zur Erkennung von Knoten Auswirkungen auf die Patientensicherheit haben und muss anhand derselben klinischen Metriken validiert werden, die auch beim ursprünglichen Training verwendet wurden.
from rknn.api import RKNN
rknn = RKNN(verbose=True)
rknn.load_onnx(model='./thyroid_nodule_detector.onnx')
rknn.config(
mean_values=[[123,675; 116,28; 103,53]],
std_values=[[58,395, 57,12, 57,375]],
target_platform='rk3588',
# Klinischen Validierungsdatensatz verwenden – mindestens 500 annotierte Fälle
#, der den gesamten Bereich der Patientendemografie und Bildgebungsbedingungen abdeckt
)
rknn.build(
do_quantization=True,
dataset='./clinical_calibration_dataset.txt'
)
# Validierung von Sensitivität und Spezifität anhand eines zurückgehaltenen klinischen Testdatensatzes
# vor der produktiven Bereitstellung – nicht nur mAP oder Genauigkeit
rknn.export_rknn('./thyroid_nodule_detector_int8.rknn')Phase 3: Integration klinischer Schlussfolgerungen
Auf dem RK3588-Gerät läuft die KI-Inferenz-Pipeline als Hintergrunddienst, dessen Echtzeit-Ausgabe an das klinische Display weitergeleitet wird. Der NPU-Inferenz-Thread arbeitet mit der Priorität „SCHED_FIFO“, um eine konsistente Latenz zu gewährleisten – während einer aktiven Diagnosesitzung sollte es für den Arzt niemals zu Verzögerungen bei den Inferenzergebnissen kommen, die durch Hintergrundaktivitäten des Betriebssystems verursacht werden.
Behebung eines ISP-Kalibrierungsproblems an einem tragbaren Ultraschallgerät
Ein OEM-Hersteller von Medizinprodukten, der ein tragbares Point-of-Care-Ultraschallgerät entwickelte, wandte sich acht Wochen vor Ablauf der Einreichungsfrist für die klinische Validierung mit einem Problem hinsichtlich der Anzeigequalität an uns. Das Gerät – das für den Einsatz in der Geburtshilfe und Notfallmedizin in südostasiatischen Kliniknetzwerken vorgesehen ist – nutzte einen RK3588-SBC als Rechenkern, wobei ein digitalisiertes Ultraschallsondensignal über eine maßgeschneiderte analoge Front-End-Platine in den ISP eingespeist wurde.
Das Problem trat während der klinischen Evaluierung zutage: Radiologen berichteten von Uneinheitlichkeiten bei Helligkeit und Kontrast zwischen Geräten desselben Modells. Zwei Geräte aus derselben Produktionscharge lieferten bei Verwendung derselben Sonde am selben Patienten optisch unterschiedliche Bilder. Eine Signalanalyse schloss Abweichungen bei der Sonde aus – das Problem trat in der ISP-Verarbeitungsphase auf.
Die Diagnose ergab, dass die Parameter für den automatischen Weißabgleich des ISP RK3588 auf den Werkseinstellungen belassen worden waren, die von einer Standard-Fotografiesituation im sichtbaren Licht ausgehen. Ultraschallbilddaten weisen eine grundlegend andere spektrale Verteilung auf – der standardmäßige AWB-Algorithmus führte zu einer systematischen Verzerrung in ultraschallbildern mit starkem Speckle-Anteil, die durch geringfügige Fertigungstoleranzen bei den Komponenten des analogen Frontends noch verstärkt wurde.
Die Behebung erforderte eine individuelle ISP-Anpassung: Deaktivierung der automatischen AWB für den Ultraschallmodus, Kalibrierung einer festen Verstärkungsmatrix pro Gerät unter Verwendung eines Standard-Testphantoms während der Produktion sowie die Anwendung der kalibrierten Parameter als gerätespezifische ISP-Konfiguration beim Systemstart. Wir entwickelten eine automatisierte 20-sekündige Kalibrierungsvorrichtung, die am Ende der Fertigungslinie an jedem Gerät durchgeführt wird.
Die Erkenntnis für Teams im Bereich Medizinprodukte: Der ISP erfordert bei nicht-fotografischen Bildgebungsverfahren eine anwendungsspezifische Feinabstimmung. Beziehen Sie die ISP-Kalibrierung von Anfang an in Ihren Produktionsprozess ein – eine nachträgliche Anpassung in einer späten Entwicklungsphase ist kostspielig.
Einsatz von 50 tragbaren Ultraschallgeräten für die medizinische Grundversorgung in ländlichen Gebieten
Im zweiten Quartal 2024 beauftragte eine im Bereich digitale Gesundheit tätige Nichtregierungsorganisation, die mit einem regionalen staatlichen Gesundheitsprogramm zusammenarbeitet, einen Medizinproduktehersteller mit der Lieferung von 50 tragbaren Ultraschall-Diagnosegeräten für ländliche Primärversorgungskliniken in Ostafrika. Die Einsatzbedingungen waren anspruchsvoll: keine zuverlässige Internetverbindung, ein unzuverlässiges Stromnetz (was einen Batteriebetrieb von mehr als 6 Stunden erforderte), Umgebungstemperaturen von bis zu 40 °C sowie klinisches Personal mit begrenzter Ultraschallausbildung, das KI-Unterstützung benötigte, um den Mangel an ausgebildeten Ultraschalltechnikern auszugleichen.
Das Gerät basierte auf einem industriellen SBC vom Typ ieeker RK3588. Der KI-Inferenz-Stack führte drei Modelle gleichzeitig auf der NPU aus: ein Modell zur Automatisierung der fetalen Biometrie, ein Modell zur Erkennung geburtshilflicher Komplikationen sowie ein Modell zur Beurteilung der Bildqualität, das ungeschulten Anwendern half, die Sonde so zu positionieren, dass eine diagnostisch aussagekräftige Bildqualität erzielt wurde.
Das Modell zur Anwenderführung – bei dem die Qualität der Ultraschallbilder in Echtzeit bewertet und Richtungshinweise angezeigt werden – war das klinisch aussagekräftigste Merkmal. Mitarbeiter, die eine einstündige Schulung absolviert hatten, erzielten bei jeder Untersuchung innerhalb von 3 bis 5 Minuten durchweg Bilder in diagnostischer Qualität, während erfahrene Ultraschalltechniker für eine vergleichbare manuelle Führung 15 bis 25 Minuten benötigten.
Die Gesamtstromaufnahme des Systems von 8,9 W war die entscheidende Vorgabe für die Akkuspezifikation. Bei einer typischen x86-Alternative mit 50–80 W würde derselbe Akku weniger als 2 Stunden halten. Das Leistungsprofil des RK3588 war kein Komfortmerkmal – es war die physikalische Voraussetzung für den klinischen Nutzen des Produkts.
RK3588 im Vergleich zu alternativen Plattformen für die medizinische Bildgebung
| Plattform | KI-Rechenleistung | ISP | Strom | Passform von Medizinprodukten |
|---|---|---|---|---|
| RK3588 | 6 TOPS NPU | Dual 48 MP ISP 3.0 | 5-13W | POCUS · Endoskopie · Patientenmonitor |
| i.MX8M Plus (NXP) | 2.3 TOPS NPU | Dual-ISP (eingeschränktes HDR) | 3–6 W | Patientenmonitor · KI mit geringer Komplexität |
| Jetson Orin Nano | 40 TOPS GPU | Kein Internetanbieter | 7-15W | KI mit hoher Komplexität · Erfordert einen externen Internetdienstanbieter |
| Snapdragon 888 | 26 TOPS (Sechseck) | Triple-ISP (Spectra 580) | 5–12 W | Handheld · Medical BSP Limited |
| x86 (Core i5/i7) | Keine (dGPU-Erweiterung) | Keine (externer Framegrabber) | 35–80 W | Nur Wagensysteme · Nicht tragbar |
Für Anwendungen, die neben hochauflösender Bildgebung auch diagnostische KI-Unterstützung in Echtzeit erfordern, ist die Kombination aus der 6-TOPS-NPU und dem 48-MP-ISP des RK3588 die leistungsstärkste Option innerhalb der Leistungsgrenze von unter 15 W, die derzeit in serienreifen industriellen SBC-Formfaktoren verfügbar ist.
Leiterplattenformfaktoren für die Integration in medizinische Geräte
Hardware-Ingenieure für Medizinprodukte stehen bei der Wahl des Formfaktors vor zusätzlichen Einschränkungen: Die Isolationsanforderungen der Norm IEC 60601-1 legen es nahe, patientenseitige und nicht patientenseitige Schaltkreise auf getrennten Leiterplatten unterzubringen, und für die behördliche Dokumentation ist es von Vorteil, ein handelsübliches SoM als klar definierte Standardkomponente mit eigenen CE- und FCC-Konformitätserklärungen zu verwenden.
🧩 SoM + maßgeschneiderte medizinische Trägerplatine
- Klarste regulatorische Abgrenzung – SoM ist eine OTS-Komponente
- Maßgeschneiderte Isolationskonstruktion auf der Trägerplatine
- Optimierte Bauform für das Gerätegehäuse
- Ideal für Medizinprodukte der Klassen IIa/IIb (510k / CE MDR)
- Empfohlen bei einem Volumen von mehr als 200 Einheiten pro Jahr
🔧 Industrieller SBC (Entwicklungsplatine)
- Der schnellste Weg zur Validierung eines klinischen Prototyps
- Volle BSP-Unterstützung, für Linux vorab validiert
- Geeignet für Medizinprodukte der Klasse I oder für Forschungszwecke
- Für Patientenkreisläufe ist eine externe Isolationsplatine erforderlich
- Geeignet für Pilotstudien und frühe klinische Bewertungen
Siehe unsere SoM vs. SBC-Leitfaden für einen umfassenden Vergleich der Vor- und Nachteile verschiedener Formfaktoren bei Produktionsprogrammen für Medizinprodukte.
Ist RK3588 die richtige Plattform für Ihr medizinisches Bildgebungsgerät?
- ✅Tragbares POCUS-Gerät — optimale Ausstattung. ISP + NPU + H.265-Encoder + batteriebetriebene Stromversorgung entsprechen genau den Anforderungen an POCUS-Geräte.
- ✅KI-gestützte Diagnosearbeitsstation (Krankenhaus/ambulant) – ideal geeignet. 4K-Display, 6 TOPS NPU, DICOM/PACS-Integration über Linux-Stack.
- ✅Tragbares Endoskopiesystem — Hervorragende Leistung. MIPI-CSI-4K-Eingang, NPU-Polypen-Erkennung, H.265-DICOM-Aufzeichnung per Hardware.
- ✅Offline-KI-Diagnose (keine Cloud) – optimale Anpassung. Die Inferenz über die geräteinterne NPU macht die Übertragung von PHI überflüssig und vereinfacht die Einhaltung der HIPAA- und DSGVO-Vorschriften.
- ✅Multiparameter-Patientenmonitor mit KI-Alarmfunktion — Hervorragende Leistung. Mehrere Sensorschnittstellen, NPU für Arrhythmie-Modelle, Bilddarstellung.
- ⚠️Dermatoskopie / Bildgebung in der Augenheilkunde — funktioniert mit ISP-Kalibrierung. Erfordert anwendungsspezifische Feinabstimmung (siehe Fallstudie aus der Fertigung oben).
- ⚠️DICOM-Archiv mit hohem Datenaufkommen (über 100 GB/Tag) — Kompatibel mit NVMe über PCIe. Bei der Konstruktion der Trägerplatine ist eine NVMe-SSD einzuplanen; eMMC allein reicht nicht aus.
- ❌3D-MRT-/CT-Rekonstruktion — Nicht geeignet. Erfordert Rechenleistung auf GPU-Niveau. Der RK3588 unterstützt die Anzeige von 2D-Schnitten, jedoch keine volumetrische Rekonstruktion in Echtzeit.
- ❌Steuerung der Strahlentherapie (SIL3+) — Nicht als alleiniger Controller geeignet. Erfordert spezielle, sicherheitszertifizierte Hardware, die vom Anwendungsprozessor getrennt ist.
Häufig gestellte Fragen
Ist der RK3588 nach IEC 60601-1 zertifiziert?
Nein – und das muss auch nicht sein. Die Zertifizierung nach IEC 60601-1 gilt für komplette medizinische elektrische Geräte, nicht für einzelne Komponenten oder SoCs. Die Platinen von ieeker verfügen als elektronische Komponenten über CE- und FCC-Konformitätserklärungen. Der Medizinprodukte-OEM ist für die Einhaltung der Norm IEC 60601-1 beim fertigen Gerät verantwortlich, indem er eine ordnungsgemäße Isolierung zwischen den an den Patienten angeschlossenen Schaltkreisen und der Rechenplattform gewährleistet.
Kann der RK3588 Echtzeit-Ultraschall-Beamforming bewältigen?
Nein. Die Ultraschall-Strahlformung erfordert spezielle FPGA- oder ASIC-Hardware mit einer Zeitgenauigkeit im Sub-Nanosekundenbereich. Der RK3588 arbeitet nachgeschaltet zum Beamformer – er empfängt digitalisierte, durch Beamforming aufbereitete Bilddaten und führt KI-Verarbeitung, Bilddarstellung und DICOM-Archivierung durch. Zwischen der Sonde und dem RK3588 befindet sich eine maßgeschneiderte analoge Front-End-Platine mit ADCs und einem Beamforming-FPGA.
Inwiefern vereinfacht die KI-Inferenz auf dem Gerät die Einhaltung der HIPAA-Vorschriften?
Wenn die KI-Inferenz über die RK3588-NPU direkt auf dem Gerät ausgeführt wird, verlassen die Bilddaten der Patienten während der Verarbeitung zu keinem Zeitpunkt das Gerät – wodurch der Cloud-Dienstleister vollständig aus dem Geltungsbereich der Compliance-Vorschriften herausfällt. Die lokale DICOM-Speicherung erfolgt mit einer AES-256-Verschlüsselung auf Geräteebene (unterstützt durch die Hardware-Krypto-Engine des RK3588). Die Netzwerkübertragung an das PACS erfolgt ausschließlich innerhalb des internen Netzwerks des Krankenhauses und unterliegt somit bereits den bestehenden Compliance-Vorgaben der Organisation.
Welches Betriebssystem wird für medizinische Bildgebungsgeräte auf dem RK3588 empfohlen?
Debian 12 wird für Geräte empfohlen, für die behördliche Zulassungen erforderlich sind. Der vorhersehbare Rhythmus der Sicherheitsupdates und die auf apt basierende Paketverwaltung vereinfachen die Dokumentation der Softwareversionen, die für die Einhaltung der Norm IEC 62304 erforderlich ist. Android wird aufgrund des komplexen Update-Lebenszyklus von AOSP nicht für Geräte der Klasse IIa oder höher empfohlen. Siehe unsere Linux vs. Android auf RK3588 Anleitung für den vollständigen Vergleich.
Die industriellen SBCs und Core-Boards RK3588 von ieeker bilden die Rechenbasis für tragbare medizinische Bildgebungsgeräte – mit vorvalidierten Debian/Ubuntu-BSPs, Unterstützung für die Integration von DCMTK und RKNN-Toolkit2, SoM-Formfaktor-Optionen für kundenspezifische Trägerplatinen-Designs sowie die Unterstützung durch ein Ingenieurteam bei der Beratung zu medizinischen Anwendungen.
Quellen und Referenzen
- Der weltweite Markt für tragbare Ultraschallgeräte soll bis 2030 ein Volumen von 3,84 Milliarden US-Dollar erreichen – MarketsandMarkets (April 2026)
- Der Markt für KI im Ultraschallbereich soll bis 2030 ein Volumen von 6,88 Milliarden US-Dollar erreichen – MarketsandMarkets (2025)
- Markt für KI im Ultraschallbereich: Klinische Integrationsrate von 88% — SNS Insider (2025)
- DICOM – Digital Imaging and Communications in Medicine – Wikipedia
- HL7 FHIR – Health Level 7 Fast Healthcare Interoperability Resources – Wikipedia
- DCMTK – DICOM-Toolkit, OFFIS-Institut für Informationstechnologie
- Rockchip RK3588 – Kurzdatenblatt — rock-chips.com
- RKNN-Toolkit2 SDK – Rockchip GitHub
- IEC 60601-1 – Norm für medizinische elektrische Geräte — IEC
