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

  • Angiografia TC del vaso coronarico
  • Ischemia miocardica

 

DEEPVESSEL FFR (DVFFR) è un software di analisi delle immagini sviluppato per l'analisi quantitativa e qualitativa dell'angiografia con tomografia computerizzata coronarica (CCTA). Il software utilizza l’elaborazione dell’immagine e l’intelligenza artificiale per calcolare in modo non invasivo l’indice della riserva frazionale di flusso (FFR), un indice che quantifica la gravità dell’ischemia miocardica associata a stenosi arteriosa. Lo scopo consiste nel fornire un'ulteriore valutazione funzionale fisiologica della coronaropatia (CAD).​1

qure ai viewer

Immagini mostrate esclusivamente a scopo illustrativo.

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

 

    • Le immagini CTA coronariche inserite devono essere acquisite da uno scanner TC con almeno 64 righe di rilevatore;  ​
    • Le immagini CTA coronariche inserite con una qualsiasi delle seguenti condizioni potrebbero NON essere idonee per l'analisi DVFFR e dovrebbero essere escluse:  ​
    • Parametri di imaging non idonei: 
      • Spessore delle sezioni >1 mm;
      • Distanza tra le sezioni >1 mm;
      • Spaziatura dei pixel nel piano >0,55 mm;
      • kVp <70;
    • Qualità dell'immagine non adatta:  ​
      • Immagini con gravi artefatti di imaging, inclusi artefatti da movimento, disallineamento, effetto blooming del calcio, basso contrasto e rumore elevato.   ​
    • Il software genera i risultati dell'analisi DVFFR in due fasi principali. Il primo passaggio genera automaticamente un modello 3D dell'albero coronarico dall'immagine CTA utilizzando algoritmi di segmentazione basati sul deep learning. Se necessario, sono consentite correzioni manuali dei risultati della segmentazione per confermare l'accuratezza della segmentazione dell'albero coronarico in 3D.   ​
    • Nella seconda fase, la struttura di deep learning è costituita da una rete multistrato MLP (Multilayer Perceptron) e una rete neurale BRNN (recurrent neural network), che utilizzano i risultati della segmentazione e l'immagine CTA, per stimare i valori FFR semi-continui lungo le linee centrali dell’arteria coronaria.   ​
    • Il risultato dell'analisi è un report in PDF con una valutazione DVFFR dettagliata e visualizzazioni ramo per ramo, insieme a un modello 3D dell’ albero DVFFR in cui i valori DVFFR sono mappati sul modello di superficie.   ​

      Classe di rischio UE e marchio CE                 
      Marcatura CE dal: 6 agosto 2018. Classificazione UE MDD: IIa​

      Stato del rimborso                
      Non rimborsato.

      Controindicazioni                
      Il prodotto in sé non provoca reazioni avverse. Tuttavia, poiché questo prodotto si basa sulla tomografia coronarica, esistono requisiti rigorosi per la qualità dell'immagine TC che deve essere elaborata dal software. Immagini TC inappropriate possono influenzare i risultati del calcolo della FFR e quindi influire sulla valutazione diagnostica. Gli standard e i requisiti specifici della tomografia sono illustrati nelle precauzioni. Se il paziente non è idoneo all’acquisizione di immagini mediante CTA, il prodotto non verrà utilizzato.​

      Popolazione target

      • Pasinetti con dolore toracico sospetto sintomo di malattia coronarica da confermare​
      • Pazienti con coronaropatia che necessitano di ulteriore valutazione
        1.
        DEEPVESSEL FFR - Istruzioni per l'uso, versione software 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.​
        2.
        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

        Scopri DEEPVESSEL FFR

        Ora disponibile nell’ambito della linea di servizio Cardiologia di Calantic. Contattaci oggi stesso per maggiori informazioni.

        Richiedi una dimostrazione

        Other Offerings in the Thoracic Service Line

        Riverain technologies logo
        Thoracic

        ClearRead CT

        • Analysis
        • CT
        • Lung Nodules