NVIDIA i Siemens Healthineers: NV-Raw2Insights-US uči direktno iz raw ultrasound signala i korigira sliku u real-timeu
NV-Raw2Insights-US je AI model NVIDIA-e i Siemens Healthineers-a koji uči direktno iz raw ultrasound channel signala — prije tradicionalnog beamforming-a — i u jednom AI prolazu generira pacijentu prilagođenu mapu brzine zvuka kroz tkivo. Mapa se koristi za adaptivno fokusiranje slike u live snimanju. Model, weights i dataset objavljeni su otvoreno na HuggingFaceu i GitHubu, deploy preko NVIDIA Holoscan-a i Blackwell GPU-a.
Ovaj članak generiran je uz pomoć umjetne inteligencije na temelju primarnih izvora.
NVIDIA i istraživači iz Siemens Healthineers-a objavili su 28. travnja 2026. NV-Raw2Insights-US — model koji preokreće tradicionalni ultrasound pipeline. Klasični beamforming komprimira milijune ehoa s ultrasound probe u finalnu sliku, uz pretpostavke fizike (npr. konstantnu brzinu zvuka kroz tijelo). NV-Raw2Insights-US uči prije te kompresije, direktno iz raw channel data.
Što model konkretno radi?
U ovoj prvoj Raw2Insights aplikaciji NVIDIA i Siemens estimiraju brzinu zvuka kroz tkivo za adaptivno image fokusiranje. Sustav generira pacijentu specifičnu mapu sound-speed-a u jednom AI prolazu i streama je nazad u skener za korekciju slike u live snimanju. Ono što je dosad zahtijevalo kompleksan compute postaje single-pass inference. Suradnja sa Siemens Healthineers-om vodili su Ismayil Guracar i Rickard Loftman iz AI & Advanced Platforms grupe.
Kako je deployiran?
Raw ultrasound channel data nije lako dostupan na kliničkim skenerima jer je signal vrlo visokog bandwidth-a. NVIDIA-in Holoscan Sensor Bridge (HSB), open-source FPGA IP, prebacuje podatke u GPU memoriju preko RDMA over Converged Ethernet s niskom latencijom. Demonstracija koristi Altera Agilex-7 FPGA development kit, ACUSON Sequoia skener (Siemens), i tehnologiju koju NVIDIA naziva “Data over DisplayPort” — streaming sirovih signala kroz DisplayPort izlaz skenera. Inferencija ide na Blackwell-class GPU unutar NVIDIA IGX Thor ili DGX Spark sustava, pod NVIDIA Holoscan edge AI platformom.
Što je objavljeno otvoreno?
NVIDIA je objavila kompletan istraživački paket otvoreno: GitHub (github.com/NVIDIA-Medtech/NV-Raw2insights-US), model weights (huggingface.co/nvidia/NV-Raw2Insights-US) i dataset (huggingface.co/datasets/nvidia/NV-Raw2Insights-US). Detaljne benchmark brojke ili klinička validacija nisu uključene u ovaj announcement — fokus je arhitekturalni i konceptualni. NVIDIA naglašava: tehnologija je u investigativnom razvoju i nije klinički odobrena. Šira poruka: “AI-native imaging” pristup koji uči iz fizike svakog pacijenta umjesto iz unaprijed obrađenih slika može postati modularna osnova za sljedeću generaciju AI-driven dijagnostičkih sustava.
Česta pitanja
- Što je 'raw' u NV-Raw2Insights-US?
- Raw ultrasound channel data je sirovi sensor signal s probe — milijuni minijaturnih ehoa prije nego što ih tradicionalni beamforming pretvori u sliku. Tradicionalni pipeline odbacuje veći dio tih informacija; NV-Raw2Insights-US uči direktno iz njih.
- Je li model klinički odobren?
- Ne. NVIDIA izričito navodi: 'Tehnologija je u investigativnom razvoju i nije odobrena niti dostupna za prodaju u SAD-u ili drugim zemljama.' Ovaj release je open research artifact, ne medicinski uređaj.
Povezane vijesti
arXiv:2605.21006: Off-the-shelf persona vektori postižu 68-98% učinkovitosti targetiranog sycophancy steeringa u LLM modelima
Black Forest Labs: FLUX Erase nadmašuje GPT Image-2 (68.5%) i Finegrain (63.2%) u uklanjanju objekata bez prompta
arXiv:2605.19762: ICML 2026 paper tvrdi da kod ne poboljšava matematičko zaključivanje LLM-ova