NVIDIA 3D CT üçün NV-Reason-CT açıq modelini təqdim edib

NVIDIA üçölçülü kompüter tomoqrafiyası (CT) skanlarının təhlili üçün xüsusi hazırlanmış NV-Reason-CT görmə-dil modelini (VLM) təqdim edib. Şirkətin 23 sentyabr 2026-cı ildə dərc etdiyi bloq yazısına görə, model strukturlu diaqnostik hesabatlar və radioloqun iş məntiqini təkrarlayan addım-addım düşüncə zənciri yaradır.

Buraxılış NVIDIA-nın döş qəfəsi rentgeni üçün hazırladığı NV-Reason-CXR modelinin yanaşmasını həcmli görüntüləməyə keçirir; həmin modelin çoxoxuculu klinik tədqiqatı RSNA 2026-da qəbul edilib və diaqnostik dəqiqliyi saxlayaraq radioloqlara vaxt qənaətini təsdiqləyib.

Niyə 3D CT fərqli yanaşma tələb edir

Bir qarın CT müayinəsi 300–600 aksial kəsikdən ibarət ola bilər və anatomiya üç məkan ölçüsündə kodlanır. Standart VLM-lər təsviri ikiölçülü token şəbəkəsi kimi qəbul edir, ona görə həcmin müstəqil kadrlar yığını kimi emal edilməsi kütlələri, effuziyaları və infiltratları klinik baxımdan mənalı edən kəsiklər arası əlaqələri itirir.

NVIDIA daha iki boşluğa diqqət çəkir: anomaliyanı düzgün görən modellər çox vaxt səbəbini izah etmədən yalnız etiket verir, mövcud sistemlərin əksəriyyətində isə həkimin tapıntını yoxlaması üçün lazım olan çoxdövrlü dialoq dərinliyi yoxdur.

3D transformator və 4B dil modeli

Arxitektura tam 3D vision transformer enkoderini Qwen3.5-4B dil modeli ilə birləşdirir. CT həcmi 2 mm izotrop ayırdetmə ilə 192³ vokselə gətirilir və üst-üstə düşməyən 8×8×8 yamaq tokenlərinə bölünür — cəmi 13 824 vizual token dil modelinə 3D koordinatları ilə birlikdə ötürülür. 3D MRoPE sxemi məkan əlaqələrini modelin bütün qatlarında qoruyur. Bütün çəkilər başdan-başa yenidən öyrədilib.

Təlim iki mərhələdə aparılıb: əvvəlcə döş və qarın bölgələrini əhatə edən təxminən 550 000 strukturlu QA nümunəsi üzərində nəzarətli incə tənzimləmə, sonra anatomiya nəzərə alan mükafatla GRPO əsaslı gücləndirməli öyrənmə.

Nəticələr və klinik qiymətləndirmə

3D CT anlayışı üzrə aparıcı açıq meyar olan CT-RATE-də NV-Reason-CT 0,614 Macro-F1 və 0,871 Macro-AUROC göstərir — VoxelFM (0,581/0,870), Pillar-0 (0,544/0,861), CT-CLIP və Merlin kimi 3D kontrastiv modellərdən, həmçinin ClinFusion-8B (0,442) və MedGemma 1.5-dən (0,303) irəlidə. Şirkətin sözlərinə görə, ilk dəfə tək bir açıq model həm CT təsnifatında, həm hesabat yaradılmasında rəqabətli olub.

NIH radioloqları nəticələri qiymətləndirib; Milli Sağlamlıq İnstitutlarının baş klinisisti Baris Türkbey bildirib ki, modelin addım-addım düşüncəsi radioloqların CT müayinəsinə əslində necə yanaşdığını əks etdirir və nəticəni deyil, düşüncə prosesini görmək imkanı tapıntılara güvənməyi və onlara əsaslanaraq hərəkət etməyi mümkün edir.

“Açıq” nəyi əhatə edir

NV-Reason-CT açıq tədqiqat və inkişaf təməlidir, müstəqil diaqnostik sistem və ya təsdiqlənmiş klinik məhsul deyil. Çəkilər Hugging Face-də, GitHub deposunda isə çıxarış skriptləri, təlim konfiqurasiyaları və sonrakı təlim reseptləri mövcuddur. Model sintetik həcmlər üçün NV-Generate-CTMR və seqmentasiya üçün NV-Segment-CTMR ilə birlikdə NVIDIA Medical AI ailəsinə qoşulur.