NV-Reason-CT
英伟达发布的开源3D CT视觉语言模型，支持放射科医生式思维链推理，能够处理三维体数据并输出可解释的诊断推理路径，面向医学影像AI领域
Timeline (last 90 days)
NV-Reason-CT的模型权重托管在Hugging Face，代码和微调脚本连同配套skill发布在GitHub，论文可在arXiv查阅
NV-Reason-CT训练分为两个阶段：先进行监督微调，再用强化学习优化，奖励信号针对是否正确识别出影像所见
在CT-RATE Abnormality基准测试中，NV-Reason-CT仅凭简单的是/否提示、不依赖分类头，就取得了对比中最高的macro F1分数
NV-Reason-CT支持灵活交互模式，可关闭思考过程获得快速是/否回答，也可针对同一次扫描持续追问
英伟达开源了名为NV-Reason-CT的医学影像模型，能够以原生3D方式读取CT扫描并逐步推理生成放射学报告
NV-Reason-CT的核心是一个原生3D视觉编码器，其输出喂给QWEN 3.5语言模型，两者进行端到端联合训练
数据预处理阶段使用名为MoniTransforms的处理器加载扫描、重采样并自动裁剪出胸部或腹部区域
NV-Reason-CT的视觉编码器将体数据切分为3D网格的patch，共生成13,824个视觉token，每个token连同其三维空间位置标记一起送入语言模型
NV-Reason-CT的训练使用约55万个问答样本，来自约7万个CT体数据，推理过程由放射科医生记录的阅片结果引导
NV-Reason-CT引入了放射科医生式的思维链推理机制，模拟医生逐步推断过程
2 more timeline events
All Facts (12)
NV-Reason-CT的模型权重托管在Hugging Face，代码和微调脚本连同配套skill发布在GitHub，论文可在arXiv查阅
50%UnverifiedNV-Reason-CT的训练使用约55万个问答样本，来自约7万个CT体数据，推理过程由放射科医生记录的阅片结果引导
50%UnverifiedNV-Reason-CT训练分为两个阶段：先进行监督微调，再用强化学习优化，奖励信号针对是否正确识别出影像所见
50%Unverified在CT-RATE Abnormality基准测试中，NV-Reason-CT仅凭简单的是/否提示、不依赖分类头，就取得了对比中最高的macro F1分数
50%UnverifiedNV-Reason-CT支持灵活交互模式，可关闭思考过程获得快速是/否回答，也可针对同一次扫描持续追问
50%UnverifiedNV-Reason-CT的核心是一个原生3D视觉编码器，其输出喂给QWEN 3.5语言模型，两者进行端到端联合训练
50%Unverified数据预处理阶段使用名为MoniTransforms的处理器加载扫描、重采样并自动裁剪出胸部或腹部区域
50%UnverifiedNV-Reason-CT的视觉编码器将体数据切分为3D网格的patch，共生成13,824个视觉token，每个token连同其三维空间位置标记一起送入语言模型
50%UnverifiedNV-Reason-CT引入了放射科医生式的思维链推理机制，模拟医生逐步推断过程
50%UnverifiedNV-Reason-CT作为新发布的模型，其真实临床表现仍需在多中心、多病种的实际数据上接受检验
50%Unverified英伟达开源了名为NV-Reason-CT的医学影像模型，能够以原生3D方式读取CT扫描并逐步推理生成放射学报告
50%Unverified英伟达发布了NV-Reason-CT，一款支持思维链推理的开源3D CT视觉语言模型
50%