NVIDIA와 지멘스 헬시니어스: NV-Raw2Insights-US, 원시 초음파 신호에서 직접 학습하여 실시간으로 영상 보정
왜 중요한가
NV-Raw2Insights-US는 NVIDIA와 Siemens Healthineers가 공동 개발한 AI 모델로, 전통적인 빔포밍(beamforming) 처리 이전 단계의 원시 초음파 채널 신호(raw ultrasound channel data)에서 직접 학습하여 단일 AI 추론으로 환자별 맞춤형 조직 내 음속 분포도를 생성합니다. 이 분포도는 실시간 촬영에서의 적응형 이미지 포커싱에 사용됩니다. 모델 가중치(weights)와 데이터셋은 HuggingFace와 GitHub에 오픈으로 공개되었으며, NVIDIA Holoscan 플랫폼과 Blackwell GPU를 통해 배포됩니다.
2026년 4월 28일, NVIDIA와 Siemens Healthineers의 연구자들은 NV-Raw2Insights-US를 발표하였습니다. 이는 전통적인 초음파 처리 파이프라인을 근본적으로 바꾸는 AI 모델입니다. 기존의 빔포밍(beamforming)은 초음파 탐침에서 수집한 수백만 개의 에코를 최종 영상으로 압축하면서 물리적 가정(예: 체내 음속이 일정)을 전제로 합니다. NV-Raw2Insights-US는 이 압축 처리 이전, 즉 **원시 채널 데이터(raw channel data)**에서 직접 학습합니다.
모델이 구체적으로 무엇을 합니까?
이 첫 번째 Raw2Insights 응용에서 NVIDIA와 지멘스는 조직을 통과하는 음속을 추정하여 적응형 이미지 포커싱에 활용합니다. 시스템은 단일 AI 추론에서 환자별 맞춤형 음속 분포도를 생성하고, 이를 스캐너에 실시간으로 전송하여 라이브 촬영 중 영상을 보정합니다. 이전에는 복잡한 연산이 필요했던 작업이 단일 패스 추론(single-pass inference)으로 가능해졌습니다. Siemens Healthineers AI & Advanced Platforms 그룹의 Ismayil Guracar와 Rickard Loftman이 이 협력을 이끌었습니다.
어떻게 배포됩니까?
원시 초음파 채널 데이터는 신호의 대역폭이 매우 높아 임상 스캐너에서 접근하기 쉽지 않습니다. NVIDIA의 Holoscan Sensor Bridge(HSB)(오픈소스 FPGA IP)가 RDMA over Converged Ethernet을 통해 낮은 지연 시간으로 데이터를 GPU 메모리에 전송합니다. 데모에서는 Altera Agilex-7 FPGA 개발 키트, ACUSON Sequoia 스캐너(지멘스), 그리고 NVIDIA가 **「Data over DisplayPort」**라고 부르는 기술(스캐너의 DisplayPort 출력을 통해 원시 신호를 스트리밍)이 사용되었습니다. 추론은 NVIDIA IGX Thor 또는 DGX Spark 시스템 내의 Blackwell-class GPU에서 NVIDIA Holoscan 엣지 AI 플랫폼 하에 실행됩니다.
오픈으로 공개된 내용은 무엇입니까?
NVIDIA는 완전한 연구 패키지를 오픈으로 공개하였습니다. GitHub(github.com/NVIDIA-Medtech/NV-Raw2insights-US), 모델 가중치(weights)(huggingface.co/nvidia/NV-Raw2Insights-US), 데이터셋(huggingface.co/datasets/nvidia/NV-Raw2Insights-US)입니다. 이번 발표에는 상세한 벤치마크(benchmark) 수치나 임상 검증은 포함되지 않았으며, 초점은 아키텍처와 개념적 측면에 있습니다. NVIDIA는 강조합니다. 이 기술은 연구개발 단계에 있으며 임상 승인을 받지 않았다고. 더 넓은 메시지로는: 사전 처리된 영상이 아닌 각 환자의 물리적 특성에서 학습하는 「AI 네이티브 이미징」 접근 방식이 다음 세대 AI 기반 진단 시스템의 모듈형 기반이 될 수 있음을 시사합니다.
이 기사는 AI가 1차 출처를 기반으로 생성했습니다.