Explore Your Local Site

Looks like you've landed on our   site. Let's take you home:    

Please note that the content and products on the    site might not be available in your region.

 

Choose the language:

  Homepage
Continue on the current website:  

 

Keya Medical

DEEPVESSEL FFR

  • Koronargefäß-CT-Angiographie
  • Myokardische Ischämie

 

Die Bildanalysesoftware DEEPVESSEL FFR (DVFFR) wurde für die quantitative und qualitative Analyse von Computertomographie-Koronarangiographien (CCTA) entwickelt. Die Software basiert auf bildverarbeitenden und KI-basierten Verfahren zur nicht-invasiven Berechnung der fraktionellen Flussreserve (FFR), einem Index zur Quantifizierung des Schweregrads der mit Arterienverengungen verbundenen Myokardischämie. Das Ziel besteht in der Bereitstellung einer zusätzlichen physiologischen Funktionsbewertung der koronaren Herzkrankheit (KHK).​1

qure ai viewer

Die Abbildungen dienen nur zur Veranschaulichung.

Clinical Workflow

CINA (for ICH)

ICH workflow

CINA (for LVO)

LVO workflow

For CalanticTM software version 1.0.0, no prior study will be examined.

*ICH refers to intracranial haemorrhage; SAH to subarachnoid haemorrhage; SDH to subdural haemorrhage; IPH to intraparenchymal haemorrhage; IVH to intraventricular haemorrhage; and EDH to epidural haemorrhage.

white bg

 

    • Die koronaren CTA-Eingangsbilder müssen mit einem CT-Scanner mit mindestens 64 Detektorzeilen aufgenommen werden;
    • Koronare CTA-Eingangsbilder mit einer der folgenden Bedingungen kommen für eine DVFFR-Analyse NICHT infrage und sollten ausgeschlossen werden:
    • Ungeeignete Bildgebungsparameter:
      • Schichtdicke >1 mm;
      • Schichtabstand > 1 mm;
      • Pixelabstand in der Ebene > 0,55 mm;
      • kVp <70;
    • Ungeeignete Bildqualität:
      • Bilder mit schwerwiegenden Bildartefakten, einschließlich Bewegungsartefakten, Ausrichtungsfehlern, Calcium-Blooming, geringem Kontrast und starkem Rauschen.
    • Die Software erzeugt die DVFFR-Analyseergebnisse in zwei Hauptschritten. Im ersten Schritt wird aus dem CTA-Bild automatisch ein 3D-Baummodell der Koronararterien mithilfe von auf Deep Learning basierenden Segmentierungsalgorithmen erstellt. Manuelle Korrekturen der Segmentierungsergebnisse sind bei Bedarf möglich, um die Genauigkeit der Segmentierung des 3D-Koronararterienbaums zu bestätigen. 
    • Im zweiten Schritt besteht das Deep-Learning-Framework aus einem mehrschichtigen Perzeptron-Netzwerk (MLP) und einem bidirektionalen mehrschichtigen rekursiven neuronalen Netzwerk (BRNN), die die Segmentierungsergebnisse und das CTA-Bild nutzen, um semikontinuierliche FFR-Werte entlang der Mittellinien der Koronararterien zu schätzen.
    • Die Analyse wird in Form eines PDF-Berichts mit einer detaillierten DVFFR-Bewertung und Darstellung der einzelnen Verzweigungen sowie einem 3D-DVFFR-Baummodell, in dem die DVFFR-Werte auf dem Oberflächenmodell abgebildet sind, ausgegeben.

      Modellentwickler            
      Keya Medical

      Aufsichtsrechtliche Genehmigungen                
      CE-Kennzeichnung ab: ​6. August 2018. EU-MDD-Klasse: IIa​

      Erstattungsstatus                
      Keiner

      Zielpopulation​

      • Patienten mit Brustschmerzen, bei denen der Verdacht auf eine koronare Herzkrankheit besteht und die eine Bestätigung benötigen​
      • Patienten mit koronarer Herzkrankheit, die eine weitere Untersuchung benötigen

      Kontraindikationen​                
      Das Produkt selbst verursacht keine Nebenwirkungen. Da dieses Produkt jedoch auf der Koronararterientomographie basiert, gibt es strenge Anforderungen an die Qualität der CT-Bilder, die mit dieser Software verarbeitet werden sollen. Ungeeignete CT-Bilder können die Ergebnisse der FFR-Berechnung und damit die diagnostische Bewertung beeinträchtigen. Die spezifischen CT-Anforderungen werden in den Vorsichtshinweisen genannt. Wenn der Patient nicht für die Aufnahme von CTA-Bildern geeignet ist, darf dieses Produkt nicht verwendet werden.

        1.
        Gebrauchsanweisung DEEPVESSEL FFR, Softwareversion 1.0​
        2.
        Li, Y., Qui, H., Hou, Z., et al.(2022):Additional value of deep learning computed tomographic angiography-based fractional flow reserve in detecting coronary stenosis and predicting outcomes. Acta Radiologica 63.1: 133–140.​
        3.
        Wang, Z., Zhou Y., Zhao , Y. et al.(2019):Diagnostic accuracy of a deep learning approach to calculate FFR from coronary CT angiography. Journal of geriatric cardiology: JGC 16.1: 42.​
        App gallery wave image
        Discover ClearRead CT

        Entdecken Sie DEEPVESSEL FFR

        Jetzt als Teil von Calantic's Cardiac Service Line erhältlich. Kontaktieren Sie uns noch heute, um mehr zu erfahren.

        Buchen Sie Ihre Demo

        Other Offerings in the Thoracic Service Line

        Riverain technologies logo
        Thoracic

        ClearRead CT

        • Analysis
        • CT
        • Lung Nodules