uCT 868

uCT 868 è un sistema di tomografia computerizzata di fascia alta, che integra algoritmi di AI con componenti hardware avanzati. Unendo le tecnologie più avanzate di analisi dei dati in termini di percezione dell’immagine, rilevamento del movimento e ottimizzazione dei flussi di lavoro, questa piattaforma consente ai professionisti sanitari di ottenere dati visivi sempre più dettagliati e ridurre le azioni manuali.

L’integrazione di questi moduli spinge il processo diagnostico e la gestione del paziente verso un nuovo livello.

Dettagli invisibili ora sono svelati grazie all’ IA

La Tomografia Computerizzata ha incrementato la precisione diagnostica anche grazie all’evoluzione dell’Intelligenza Artificiale. Grazie al Deep Learning è stato possibile ottenere progressi tecnologici significativi, migliorando la risoluzione spaziale e il contrasto, riducendo contestualmente gli artefatti. Tali sviluppi potenziano le prestazioni della metodica, permettendo la visualizzazione di strutture precedentemente di difficile identificazione e supportando il miglioramento dei risultati per i pazienti.

AIIR** – Ricostruzione iterativa basata su AI

L’integrazione tra algoritmi di ricostruzione iterativa basata su modello (MBIR*) e Deep Learning combina i vantaggi di entrambi i metodi, riducendone i vincoli. Nella tecnologia AIIR** il parametro di fedeltà dei dati include l’ottica di sistema, la risposta del rivelatore e modelli di rumore quantistico per ogni scansione, mantenendo le informazioni anatomiche e patologiche dalle proiezioni grezze. Se la regolarizzazione dell’MBIR può generare immagini con tessitura non naturale a dosi ridotte, l’AIIR utilizza un modello basato su rete neurale convoluzionale (CNN***) per identificare caratteristiche cliniche complesse a partire da milioni di dati. L’utilizzo combinato di queste tecnologie complementari permette di ottenere una distinzione del rumore meglio definita e una resa dell’immagine più accurata.

*MBIR (Model-Based Iterative Reconstruction): Tecnica di ricostruzione iterativa basata su modelli matematici che descrivono la fisica dei raggi X per ridurre il rumore e migliorare la risoluzione rispetto ai metodi standard.

**AIIR (Artificial Intelligence Iterative Reconstruction): Algoritmo di ricostruzione iterativa che integra reti neurali artificiali per ottimizzare il processo di creazione dell’immagine medica.

***CNN (Convolutional Neural Network – Rete neurale convoluzionale): Tipologia di architettura di intelligenza artificiale specializzata nell’analisi e nel processamento di immagini, capace di estrarre caratteristiche strutturali in modo automatico.

AIIR** migliora la qualità dell’immagine sotto ogni punto di vista

AIIR (Artificial Intelligence Iterative Reconstruction) rappresenta un’architettura di ricostruzione per immagini CT caratterizzata da un design specifico. Agendo sulla riduzione del rumore, sulla rilevabilità dei dettagli a basso contrasto e sulla risoluzione spaziale, l’algoritmo mitiga la presenza di artefatti restituendo una qualità d’immagine definita e supportando l’accuratezza diagnostica.

Fino a 267% ※ Miglioramento della risoluzione a basso contrasto

Fino a 150% ※ Miglioramento della risoluzione spaziale

Fino a 90% ※ Riduzione della dose

Fino a 98% ※ Riduzione del rumore dell’immagine

Immagini AIIR confrontate con quelle FBP sulla base di test simulati. Dati in archivio.

L’infrastruttura solida alla base

Z-Detector ad alta risoluzione

Il sistema offre acquisizioni da 0,5 mm in tutti i campi di vista (FOV), rendendo visibili dettagli con la massima definizione. Grazie alla tecnologia TSV (Through-Silicon-Via)*, l’architettura del rivelatore è integrata per ridurre il percorso del segnale da centimetri a micrometri, riducendo il rumore di fondo e garantendo segnali puliti. L’adozione di una griglia anti-diffusione 3D calibrata sulla sorgente radiogena blocca i fotoni diffusi, assicurando un rapporto fascio diffuso e fascio primario contenuto entro l’8,5% e ottimizzando la resa finale delle immagini prodotte.

*TSV (Through-Silicon-Via): Tecnologia di interconnessione verticale che attraversa completamente un chip di silicio; permette di collegare i componenti elettroni in modo diretto e compatto, riducendo le distanze percorse dal segnale.

Supercomputer host dedicato

Dotato di GPU (Graphics Processing Unit) per il calcolo parallelo, l’host di ricostruzione AIIR risponde ai carichi computazionali richiesti dall’integrazione tra reti neurali profonde e MBIR. L’architettura è strutturata per processare un numero elevato di scansioni CT e trasferimenti di dati estesi, mantenendo flussi di lavoro diagnostici regolari e una gestione efficiente delle immagini cliniche.

CardioBoost

Aumentare l’affidabilità diagnostica nell’imaging cardiaco complesso grazie al deep learning

La tecnologia CardioBoost migliora significativamente l’imaging Cardio CT tramite reti neurali 3D (CNN)*, istruite su milioni di scansioni e concepite per superare in maniera definitiva le problematiche sull’immagine derivanti da calcificazioni, stent e protesi metalliche, come l’effetto blooming e artefatti a striscia da stent. Il modulo per la riduzione del rumore permette di identificare dettagli anche con basso contrasto, mentre il modulo Spatial Attention incrementa la definizione, fornendo una rappresentazione chiara dei vasi coronarici e facilitando l’analisi delle stenosi.

*CNN 3D (Rete Neurale Convoluzionale tridimensionale): Architettura di intelligenza artificiale specializzata nell’analisi di volumi di dati, capace di riconoscere e correggere strutture complesse nello spazio.

Fino a 99% ※ Miglioramento della risoluzione a basso contrasto

Fino a 72% ※ Miglioramento della risoluzione spaziale

Fino a 70% ※ Riduzione della dose

Fino a 97% ※ Riduzione del rumore

Risultati sulla base di test simulati

CardioBoost

Migliorare l’imaging cardiaco grazie a un design di rete unico

Aumento del contrasto

Il software CardioBoost utilizza reti 3D (CNN), una tecnologia di intelligenza artificiale addestrata su modelli anatomici, per ottimizzare il contrasto nelle scansioni. Il sistema assicura una rappresentazione chiara delle placche molli o miste, facilitando il lavoro del personale sanitario.

Miglioramento della risoluzione

Il sistema CardioBoost adotta un modulo dedicato all’analisi dei dati cardiologici. Grazie al modulo Spatial Attention*, il software localizza le aree rilevanti, ottimizzando la risoluzione spaziale per l’osservazione degli stent coronarici.

*Modulo Spatial Attention: Un componente di un’architettura di rete neurale che permette all’algoritmo di concentrare le risorse di calcolo sulle parti più importanti dell’immagine, come i vasi o le protesi, per preservarne i dettagli.

Attenuazione degli artefatti

Il modulo Spatial Attention mitiga gli artefatti di striatura e il blooming* derivanti da strutture ad alta densità, quali placche calcifiche multiple. A parità di dose di radiazioni ionizzanti, questa tecnologia stabilizza la qualità del segnale e favorisce una definizione dei margini anatomici regolare, riducendo le distorsioni visive che solitamente interferiscono con la valutazione dei vasi.

*blooming artefatto visivo che causa una distorsione delle dimensioni reali di oggetti molto densi, facendoli apparire più grandi e “sfocati” rispetto alla loro misura effettiva.

Ultra EFOV: maggiori dettagli in un campo visivo esteso grazie al deep learning

Imaging a pieno diametro del bore (82 cm)

Ultra EFOV (Extended Field of View)* è un algoritmo basato su Deep Learning che permette l’imaging a pieno diametro del bore, visualizzando strutture anatomiche periferiche e definendo i contorni cutanei. Rispetto alla tecnica EFOV standard, questo sistema mantiene la continuità ai margini del FOV (Field of View) di scansione e amplia l’area di scansione da 50 a 82 cm, assicurando una copertura anatomica estesa e una rappresentazione dei tessuti su un raggio più ampio.

*Ultra EFOV (Extended Field of View): Tecnologia per l’estensione del campo visivo oltre i limiti fisici standard del tunnel del macchinario, utilizzata per inquadrare interamente pazienti di grandi dimensioni o aree estese.

**FOV (Field of View): “Campo di vista”, ovvero il diametro dell’area circolare che viene effettivamente ricostruita e visualizzata durante una scansione radiologica.

±20 HU – precisione quantitativa

Il modello di rete neurale di Ultra EFOV (Extended Field of View) è configurato per identificare e correggere gli artefatti di troncamento nel campo visivo ampliato, favorendo la precisione quantitativa e la risoluzione dell’immagine. L’algoritmo permette una determinazione della densità CT con un margine di accuratezza di ±20 HU (Hounsfield Units).

※ Risultati di test simulati

Attenuazione degli artefatti di movimento

Il movimento è un fattore che condiziona la resa della CT, causando artefatti nelle scansioni. Il problema è particolarmente delicato in ambiti dinamici quali imaging del cuore e la gestione di pazienti poco collaboranti che non riescono a trattenere il movimento della testa durante la scansione. Grazie all’incremento della risoluzione temporale e all’integrazione del Deep Learning, i sistemi attuali riducono l’impatto del movimento, ottimizzando la stabilità delle immagini e l’efficacia del processo diagnostico complessivo.

Sinergia tra velocità di rotazione superiore e deep learning

Riduzione degli artefatti causati dal movimento

Per mitigare gli artefatti da movimento è necessario unire la risoluzione temporale nativa con algoritmi di Deep Learning. Se le componenti hardware riducono le distorsioni, il Deep Learning seleziona le fasi ottimali del ciclo cardiaco e corregge le alterazioni cinetiche, oltre le capacità fisiche del sistema. Questo permette all’uCT 868 di stabilizzare il movimento, fornendo immagini con ridotte distorsioni e una elevata definizione delle arterie coronarie.

Velocità di rotazione: 0,25 sec/rotazione

La tecnologia CT sfrutta la velocità di scansione per gestire gli artefatti da movimento e contenere l’esposizione radiologica. La risoluzione temporale* nativa, dipendente dalla velocità di rotazione del sistema, agisce sulla qualità dei dati grezzi. Questo valore è considerato un riferimento centrale per eliminare i disturbi da movimento nell’esame delle coronarie.

*Risoluzione temporale: Il tempo impiegato dal sistema per acquisire i dati di una singola immagine; una risoluzione temporale rapida permette di catturare organi in movimento senza sfocature.

CardioXphase: individuazione della fase ottimale per le arterie coronarie

Valutazione accurata e approfondita

I metodi tradizionali cercano le fasi di bassa attività cardiaca, ma non sempre garantiscono la qualità necessaria per lo studio delle coronarie. CardioXphase supera l’analisi basata sui soli parametri CT sfruttando l’AI per il riconoscimento accurato delle arterie. Il sistema analizza la regolarità della forma e la chiarezza dei profili per individuare la fase corretta per la scansione.

Adattamento dinamico a ogni ciclo

I cicli cardiaci presentano fasi ottimali differenti. Nei sistemi CT con copertura del rivelatore inferiore a 16 cm, l’acquisizione del volume cardiaco richiede più battiti. Di conseguenza, ogni ciclo richiede l’identificazione di una fase idonea, soprattutto in presenza di aritmie. CardioXphase individua tale fase autonomamente per ogni battito, stabilizzando la qualità dell’immagine delle arterie coronarie.

CardioCapture: correzione degli artefatti da movimento tramite deep learning

Migliorare la risoluzione temporale effettiva fino a 25 ms

Grazie alla tecnologia di correzione del movimento coronarico basata su AI, lo scanner uCT 868 compensa i limiti della risoluzione temporale nativa del sistema. Raggiungendo una risoluzione temporale effettiva di 25 ms, il dispositivo incrementa la frequenza di esami diagnostici validi e la definizione dei vasi nella CCTA (Angiografia Coronarica mediante Tomografia Computerizzata), riducendo l’impatto dei battiti cardiaci veloci sulla qualità dell’immagine.

Più dettagli grazie all’intelligenza artificiale

I sistemi tradizionali si affidano a parametri fissi della Tomografia Computerizzata e a modelli, risultando talvolta inadeguati per i vasi disturbati dal movimento cardiaco. La tecnologia CardioCapture permette di individuare le linee centrali delle arterie coronarie, comprese le diramazioni distali e i vasi con qualità d’immagine variabile.

Motion Freeze: eliminazione degli artefatti dovuti al movimento della testa tramite intelligenza artificiale

Soppressione degli artefatti dovuti al movimento della testa

Il modulo Motion Freeze sopprime efficacemente gli artefatti causati dai movimenti della testa, garantendo la visibilità delle strutture cerebrali e delle patologie. Riducendo il numero di nuove scansioni necessarie, questa tecnologia consente un risparmio di tempo e risorse per la struttura sanitaria e favorisce la sicurezza del paziente evitando esposizioni alle radiazioni supplementari.

Modellizazione 3D dei movimenti per riprodurre la reale situazione clinica

I movimenti della testa durante l’esame generano problemi tecnici che i sistemi comuni faticano a gestire. L’algoritmo Motion Freeze ricrea artificialmente gli artefatti nelle direzioni spaziali X, Y e Z (rotazioni e traslazioni) per creare un modello di riferimento. Grazie a questo metodo, la tecnologia basata su AI impara a trattare gestire diversi scenari di movimento.

Efficienza innata, guidata istintivamente dall’intelligenza

L’efficienza è fondamentale nelle operazioni di scansione quotidiane. Nei sistemi CT di fascia alta, le esigenze in termini di velocità e qualità dell’immagine vanno oltre le applicazioni di routine per estendersi a scenari più complessi. Grazie all’impiego di hardware avanzato — come un tubo a raggi X a risposta immediata per ridurre al minimo i tempi di preparazione e un tavolo ad alta velocità per le modalità di scansione rapide — abbinato a tecnologie intelligenti, uCT 868 migliora significativamente l’efficienza del flusso di lavoro. Questo approccio integrato massimizza sia la produttività che i benefici per il paziente, anche in contesti clinici complessi.

Ottimizzazione della scansione rapida e uniforme grazie a tecnologie avanzate

Tubo radiogeno da 34 MHU: risposta immediata con tempi di preparazione minimi

La struttura del tubo radiogeno, dotata di cuscinetti a metallo liquido, permette il movimento continuo dell’anodo durante l’intero orario lavorativo, velocizzando le operazioni e la produttività del reparto. Grazie al tempo di attesa contenuto tra le acquisizioni, il sistema risulta indicato per le situazioni di emergenza in cui la velocità di esecuzione è un requisito clinico fondamentale.

Posizionamento all’isocentro e pianificazione del campo di scansione basati sull’intelligenza artificiale

Il modulo uAI Vision (tecnologia basata su sensori 3D e intelligenza artificiale) automatizza il posizionamento del paziente nell’isocentro (il centro fisico del tunnel di scansione), favorendo l’uniformità delle immagini e il contenimento della dose di radiazioni. In aggiunta, la funzione Easy Range supporta l’attività clinica suggerendo intervalli di scansione personalizzati in base ai protocolli selezionati.

Modulazione della dose basata sull’intelligenza artificiale

Il modulo Organ Based Auto ALARA mA (As Low As Reasonably Achievable)* riconosce automaticamente le aree del torace e dell’addome per gestire i livelli di mA (milliampere). Questo strumento adegua l’erogazione della dose in base agli organi presenti nel campo di vista, assicurando un utilizzo efficiente delle risorse del sistema.

*ALARA (As Low As Reasonably Achievable): Principio fondamentale della radioprotezione che impone di mantenere l’esposizione alle radiazioni al livello più basso ragionevolmente ottenibile, compatibilmente con le necessità diagnostiche.

Capacità di scansione ad alta velocità

Attraverso un rivelatore con ampiezza di 8 cm e una velocità di scorrimento del tavolo di 440 mm/s, il sistema esegue l’acquisizione CT whole body in tempi ridotti, limitando la durata dell’esposizione e la probabilità di artefatti.

uOmnispace**: produttività con analisi intelligent e ottimizzazione del workflow

Flusso di lavoro automatizzato per un processo decisionale rapido

Il sistema uOmnispace migliora l’imaging tramite processi automatizzati e tecnologia pre-fetching, che prepara i file per l’uso rapido. Algoritmi intelligenti per la segmentazione e l’etichettatura di vasi e organi alleggerisce l’attività dell’operatore, mentre un layout configurabile modella il software sui flussi di lavoro richiesti.

Ottimizzare la diagnostica medica con soluzioni cliniche complete

Il modulo uOmnispace include una serie di applicativi per la visualizzazione 3D, idonei per le attività di radiologia, oncologia, cardiologia e neurologia. Questa tecnologia supporta il personale sanitario nella formulazione delle decisioni, fornendo strumenti di analisi per la gestione dei casi.

Migliorare la diagnostica per immagini grazie alla visualizzazione 3D avanzata

La tecnologia HRR (High Resolution Rendering) elabora i dati di imaging per generare modelli 3D (tridimensionali) basati sulla densità dei tessuti. Rispetto al rendering VR (Volume Rendering) standard, l’HRR fornisce una rappresentazione dei dettagli anatomici e delle caratteristiche patologiche fedele ai dati acquisiti.

** Indipendente dalla CT, certificazione CE separata.