Ein reproduzierbares Protokoll zur künstlich-intelligenzunterstützten Verbesserung digitalisierter historischer neuroanatomischer Illustrationen

Zusammenfassung

Dieser Methodenartikel präsentiert einen reproduzierbaren, qualitätskontrollierten Workflow zur künstlich-intelligent-unterstützten Verbesserung digitalisierter historischer neuroanatomischer Illustrationen. Das Protokoll definiert Quellcodeauswahl, -extraktion, Dateistandardisierung, lokale Super-Resolution-Verarbeitung, gepaarte original-verbesserte Archivierung, technische Qualitätskontrolle und Dokumentation sowohl akzeptabler als auch suboptimaler Ausgaben.

Zusammenfassung

Digitalisierte historische neuroanatomische Illustrationen sind wertvolle Ressourcen für anatomische Ausbildung, historische Forschung und digitale Archivierung. Ihr praktischer Einsatz im Lehrmaterial und in der wissenschaftlichen Präsentation ist jedoch oft durch geringe scheinbare Auflösung, Verblassen, Verfärbungen des Papiers, Kompressionsartefakte und verminderte Lesbarkeit feiner anatomischer Linien oder Etiketten eingeschränkt. Künstliche-Intelligenz-unterstützte Superauflösung kann die visuelle Nutzbarkeit dieser digitalisierten Reproduktionen verbessern, aber unkontrollierte Verbesserungen können auch künstliche Textur, veränderte Zeilenkontinuität, verzerrte Beschriftungen oder visuell plausible Details verursachen, die vom Quellbild nicht unterstützt werden. Daher sind standardisierte und transparente Verfahren erforderlich, wenn künstliche Intelligenz unterstützte Verbesserung auf historische wissenschaftliche Illustrationen angewendet wird.

Dieser Artikel beschreibt einen Schritt-für-Schritt-Workflow zur kontrollierten Verbesserung digitalisierter historischer neuroanatomischer Illustrationen. Das Protokoll umfasst die Auswahl des Quellbilds, die Dokumentation von Herkunft und Wiederverwendungsstatus, Bildextraktion, konservative Vorverarbeitung, lokale Superauflösungsverbesserung mit festen Einstellungen, gepaarte original-verbesserte Archivierung, regionalbasierte Inspektion und strukturierte technische Qualitätskontrolldokumentation. Der Arbeitsablauf soll die visuelle Zugänglichkeit für Lehre, Präsentation und vorläufige visuelle Inspektion verbessern und gleichzeitig eine direkte interpretative Verbindung zwischen jedem erweiterten Output und seiner ursprünglichen digitalisierten Quelle aufrechterhalten.

Die Methode sollte als ergänzende Verbesserung gescannter digitaler Reproduktionen betrachtet werden, nicht als Restaurierung originaler Kunstwerke, als Authentifizierung historischer Quellen oder als Wiederherstellung verlorener anatomischer Informationen. Original- und erweiterte Versionen müssen zusammen archiviert werden, und erweiterte Ausgaben sollten vor der Nutzung auf mögliche Artefakte überprüft werden. Dieses Protokoll bietet einen praktischen, kostengünstigen und reproduzierbaren Ansatz zur Erstellung historischer neuroanatomischer Bilder als gepaarte Begleitvisualisierungen, wobei vorsichtig in Bezug auf anatomische und historische Integrität gewahrt wird.

Einleitung

Historische neuroanatomische Illustrationen haben eine wichtige Rolle bei der visuellen Dokumentation, Lehre und Interpretation des Nervensystems gespielt. Vor der Entwicklung der modernen Neurobildgebung dienten anatomische Platten als primäres Medium zur Kommunikation von Beobachtungen des Gehirns, der Großhirnkammern, der Hirnnerven, der Gefäßstrukturen und der Hirnstammanatomie ^1,2,3. Viele dieser Werke sind heute über digitalisierte Bücher, gescannte Archivsammlungen und Online-Archive zugänglich. Der direkte Einsatz digitalisierter historischer Illustrationen in moderner Lehre, Präsentationen und digitaler Archivierung ist jedoch oft durch niedrige Auflösung, Verblassen, Papierverfärbung, Kompressionsartefakte, scanbezogene Unschärfe und eine verminderte Lesbarkeit von Feinlinien oder Beschriftungen ^begrenzt.

KI-unterstützte Bildverbesserungs- und Superauflösungsmethoden bieten eine praktische Möglichkeit, die visuelle Benutzerfreundlichkeit von verschlechterten oder niedrig aufgelösten digitalisierten Bildern zu verbessern. Deep-Learning-basierte Superauflösungsalgorithmen können die scheinbare Auflösung erhöhen, die Kantendefinition verbessern und scanbezogene visuelle Verschlechterung in digitalen Bildern reduzieren 9,10,11,12. Für historische neuroanatomische Illustrationen können solche Methoden helfen, feine anatomische Linien, Beschriftungen und strukturelle Grenzen zu klären, die in der ursprünglichen digitalisierten Reproduktion schwer zu überprüfen sind. Dennoch erfordern historische anatomische Bilder Vorsicht. Diese Illustrationen sind nicht nur visuelle Lehrmaterialien, sondern auch wissenschaftliche und historische Dokumente. Verbesserungen können die Klarheit verbessern, können aber auch die Linientextur verändern, Kanten übertreiben, Schattierungen verändern oder künstliche Details erzeugen, wenn sie ohne standardisierten Workflow angewendet wird.

Aus diesem Grund sollte die durch künstliche Intelligenz unterstützte Verbesserung historischer anatomischer Illustrationen als kontrollierter technischer Prozess stattfinden und nicht als uneingeschränkte Bildmanipulation. Ein reproduzierbares Protokoll sollte definieren, wie Quellbilder ausgewählt werden, wie Herkunft und Wiederverwendung dokumentiert werden, wie Bilder extrahiert und standardisiert werden, welche Verbesserungseinstellungen angewendet werden, wie Ausgabedateien archiviert werden und wie verbesserte Bilder auf mögliche Artefakte überprüft werden. Original- und erweiterte Versionen sollten im gesamten Arbeitsablauf miteinander verknüpft bleiben, sodass die erweiterte Ausgabe immer als bearbeitete digitale Reproduktion und nicht als restauriertes oder historisch originales Bild interpretiert werden kann.

Ein standardisierter Arbeitsablauf ist vorzuziehen gegenüber ad-hoc künstlicher Intelligenz-unterstützter Verbesserung, da er Quellcodeauswahl, konservative Vorverarbeitung, feste Verbesserungseinstellungen, gepaarte original-verbesserte Archivierung und Qualitätskontrolle nach der Verbesserung vor der Verwendung des bearbeiteten Bildes definiert. Zu den vorgesehenen Endnutzern gehören Anatomen, Neurochirurgen, medizinische Lehrkräfte, Anatomiehistoriker, medizinische Illustratoren und Nutzer digitaler Archive, die visuell lesbare Begleitkopien benötigen, während sie den direkten Zugang zur Originalquelle erhalten.

Dieser Methodenartikel präsentiert ein Schritt-für-Schritt-Protokoll zur KI-unterstützten Verbesserung digitalisierter historischer neuroanatomischer Illustrationen. Die zentrale Bildverarbeitungssequenz, einschließlich Bildvorbereitung, fester 16× Superauflösungsverbesserung und PNG-Export, ist in Abbildung 1 zusammengefasst. Weitere Protokollschritte umfassen gepaarte original-verbesserte Archivierung, Qualitätskontrolle nach der Verbesserung, visuelle Inspektion auf Interessensgebiet und die Dokumentation erfolgreicher und suboptimaler Ergebnisse. Das Protokoll soll nicht die Restaurierung des Originalkunstwerks oder die Wiederherstellung verlorener anatomischer Informationen beanspruchen; vielmehr soll sie die visuelle Zugänglichkeit digitalisierter Reproduktionen verbessern und gleichzeitig die interpretative Beziehung zwischen dem verbesserten Bild und der Originalquelle bewahren.

Protokoll

Dieses Protokoll wurde nur auf digitalisierte historische neuroanatomische Illustrationen angewendet und umfasste keine menschlichen Teilnehmer, Patientendaten, Tierproben, biologische Proben oder identifizierbare persönliche Informationen; daher war die institutionelle Forschungsgenehmigung für Menschen nicht anwendbar. Alle Bilder stammen aus gemeinfreien Quellen, mit Genehmigung oder entsprechend lizenzierten historischen Quellen.

1. Quellennutzungsüberlegungen

1. Überprüfen Sie vor der Verarbeitung die Herkunft jedes Bildes, einschließlich des historischen Autors, des Quellentitels, des ungefähren Veröffentlichungsjahres und der digitalen Quelle.
2. Interpretieren Sie verbesserte Ausgaben als verarbeitete digitale Reproduktionen und nicht als restaurierte Originalkunstwerke oder Beweise, dass verlorene anatomische Informationen wiederhergestellt wurden.
3. Archivieren Sie Original- und verbesserte Dateien zusammen, sodass das bearbeitete Bild immer direkt mit dem Quellbild verglichen werden kann.

2. Auswahl digitalisierter historischer neuroanatomischer Illustrationen

1. Ausgewählte digitalisierte historische Illustrationen, die vom sechzehnten bis zum neunzehnten Jahrhundert veröffentlicht wurden.
2. Enthält Illustrationen, die neuroanatomische Strukturen wie das Gehirn, die Gehirnhemisphären, Gyri und Sulci, das Ventrikelsystem, den Hirnstamm, die Hirnnerven, die Gehirngefäße oder die verwandte Anatomie des Nervensystems darstellen.
3. Beziehen Sie nur Bilder ein, die aus Quellen mit identifizierbarer Herkunft sowie gemeinfreien- oder wiederverwendbarem Status stammen. Bestätigen, dass jede ausgewählte Illustration zwischen dem sechzehnten und neunzehnten Jahrhundert veröffentlicht wurde und dass ihre Herkunft und ihr Wiederverwendungsstatus vor der Aufnahme einzeln überprüft wurden.
4. Ausschließen Sie duplizierte Bilder, stark beschnittene Bilder, unvollständige Platten, moderne neu gezeichnete Reproduktionen oder Bilder mit unzureichender Quellklarheit, einschließlich Quelldateien mit einer Langachsendimension unter etwa 1.000 Pixeln, wenn eine hochwertigere Version verfügbar ist, fehlende oder beschnittene anatomische Inhalte, die mehr als etwa 20 % der Illustration betreffen, unlesbare Beschriftungen im ausgewählten Bereich, schwere Kompressionsartefakte, oder scan-bedingte Verschlechterung, die den Vergleich mit dem Originalbild verhindert.
5. Identifizieren Sie doppelte Illustrationen, indem Sie den historischen Autor, Quelltitel, Veröffentlichungsjahr, Kennzeichen oder Seitenzahl, sofern verfügbar, die Metadaten des Archivs und visuelle Inhalte vergleichen. Wenn doppelte Scans verfügbar sind, behalten Sie die Version mit höherer Auflösung, vollständigeren Plattengrenzen und klareren Etiketten.
6. Jedem enthaltenen Bild vor der Verarbeitung eine eindeutige Dateiidentität zuweisen.
7. Bewahren Sie während des gesamten Arbeitsablaufs gepaarte Original- und verbesserte Versionen jedes Bildes aufrecht.

3. Bildgewinnung aus digitalisierten Quellen

1. Öffnen Sie die digitalisierte Quelldatei mit der hochwertigsten verfügbaren Version.
2. Jede Zielillustration wird abgerufen, indem man sie aus der Quelldatei des portablen Dokumentformats (PDF) exportiert oder aus der digitalen Quelle ernimmt, wenn ein direkter Export nicht möglich ist.
3. Verwenden Sie einen PDF-Reader oder eine Exportsoftware für die PDF-basierte Bildextrahierung. Verwenden Sie ein Standard-Screencapture-Tool nur, wenn der direkte Export nicht möglich ist.
4. Für PDF-basierte Extraktion verwenden Sie bei Verfügbarkeit die originale eingebettete Bildauflösung und vermeiden Sie Downsampling während des Exports. Für die screenshotbasierte Extraktion zeigen Sie die Quelle mit 100 % oder 200 % Vergrößerung an und zeichnen Sie die Anzeigeauflösung, Vergrößerung, Monitorskalierung und resultierende Screenshot-Abmessungen auf.
5. Speichern Sie das extrahierte Bild im Format Joint Photographic Experts Group (JPEG) oder Portable Network Graphics (PNG), abhängig von Quellverfügbarkeit und Extraktionsmethode.
6. Bewahren Sie die vollständige anatomische Abbildung während der Entnahme wann immer möglich auf. Wenn die vollständige Abbildung nicht erhalten bleiben kann, wenden Sie die Ausschlusskriterien in Schritt 2.4 an und dokumentieren Sie den Beschnitt.
7. Behalte Etiketten und historisch relevante Markierungen, wenn diese Teil der Hauptillustration sind. Zeichnen, färben, rekonstruieren oder retuieren Sie anatomische Strukturen während der Extraktion nicht manuell.

4. Vorverarbeitung und Dateistandardisierung vor der Verbesserung

1. Überprüfen Sie jedes extrahierte Bild vor der Verbesserung.
2. Schneiden Sie nur nicht-informative Außenränder oder leere umliegende Bereiche zu. Führen Sie keine manuelle visuelle Korrektur außer dem Zuschneiden durch. Insbesondere sollten Sie vor der Verbesserung kein manuelles Schärfen, Entschädigen, Neufärben, Nachzeichnen, selektives Reinigen oder anatomisches Retuschen vornehmen.
3. Verwenden Sie Bildbearbeitungssoftware nur für konservatives Bildzuschneiden und einfache Layout-Vorbereitung. Führen Sie keine anatomischen Retusche durch.
4. Erhalten Sie die Basisbilder als die ursprünglichen Referenzdateien vor der Erweiterung. Erzwingen Sie vor der Verarbeitung keine Basisbildgröße und -auflösung in eine einheitliche Pixeldimension, da die ursprünglichen Quellmaße zwischen historischen Platten variieren.
5. Bestätigen Sie, dass jede vorbearbeitete Datei eine originalgetreue digitalisierte Reproduktion des ursprünglichen Quellbilds bleibt, bevor Sie mit der KI-unterstützten Verbesserung fortfahren.

5. Künstlich-Intelligenz-unterstützte Verbesserung

1. Öffnen Sie das standardisierte Eingabebild in einer lokal installierten, auf künstlicher Intelligenz basierenden Bild-Upscaling-Software.
2. Verwenden Sie den Einzelbildverarbeitungsmodus , es sei denn, Batch-Verarbeitung ist ausdrücklich erforderlich.
3. Wählen Sie das Eingabebild mit der Funktion "Bild auswählen " aus.
4. Wählen Sie vor der Verarbeitung ein festes Superauflösungsmodell oder -preset aus und verwenden Sie dasselbe Modell für alle enthaltenen Bilder.
5. Stellen Sie die Bildskala auf 16x ein, um die feste Einstellung in diesem Workflow wiederzugeben, und notieren Sie, dass die Standard-Softwareparameter nicht manuell geändert wurden. Interpretieren Sie die ausgewählte Skala nicht als optimiert oder überlegen gegenüber alternativen Skalierungsfaktoren.
6. Verwenden Sie dieselben Verbesserungseinstellungen für alle enthaltenen Bilder, um die Konsistenz im gesamten Workflow zu gewährleisten.
7. Setze den Ausgabeordner auf dasselbe Verzeichnis wie das Eingabebild oder auf einen vordefinierten Projektausgabeordner und verwende wenn möglich ein separates Ausgabeverzeichnis, um versehentliches Überschreiben der Originaldateien zu verhindern.
8. Führen Sie die Verbesserung an einem Computer durch, der mit einer 16-Kern-Zentralverarbeitungseinheit der 13. Generation mit 24 Threads, einer dedizierten Laptop-Grafikeinheit mit 8 GB Grafikspeicher und 32 GB RAM ausgestattet ist. Aktivieren Sie die Beschleunigung der Grafikeinheit (GPU) während der Bildverarbeitung, um die Verarbeitungszeit je nach Bildmaß auf etwa 3 Minuten pro Bild zu reduzieren.
   HINWEIS: Nach der lokalen Installation der Software- und Modelldateien ist kein Internetzugang erforderlich.
9. Führen Sie den Enhancement-Prozess mit dem Befehl "Enhancement" oder Start-Processing der Software aus.
10. Exportiere die erweiterte Ausgabe im PNG-Format.
11. Bewahren Sie den von der Software generierten automatisierten Ausgabedateinamen, wenn möglich, oder weisen Sie einen strukturierten Dateinamen zu, der die Quellbild-Identität, den Enhancement-Umfang und das Ausgabeformat aufzeichnet.
    HINWEIS: Zeichnen Sie nach der KI-Verbesserung nicht manuell neu, retuschieren, färben oder selektiv anatomische Details korrigieren.
12. Archiviere die verbesserte PNG-Datei zusammen mit dem ursprünglichen Basisbild.

6. Qualitätskontrollüberprüfung nach der Verbesserung

1. Öffnen Sie jedes verbesserte Bild zusammen mit dem entsprechenden Originalbild. Bestätigen Sie, dass die erweiterte Datei vollständig generiert wurde und keine Dateibeschädigung oder unvollständiger Export aufgetreten ist.
2. Vergleichen Sie das verbesserte Bild mit dem Originalbild bei niedriger und hoher Vergrößerung. Überprüfen Sie, ob die Verbesserung die Sichtbarkeit von Linienarbeiten, anatomischen Konturen, Etiketten und eingescannten Details verbessert.
3. Wenden Sie eine strukturierte technische Qualitätskontroll-Checkliste an. Diese Checkliste ist ein Dokumentationsschritt und keine formale Validierungsstudie durch Experten und Bewerter.
4. Inspiziere das Ergebnis speziell auf folgende verbesserungsbezogene Probleme: künstliche Texturbildung; übermäßige Schärfung, einschließlich verdickter feiner Linien, übertriebener Papierkörnung oder Kanten, die ausgeprägter erscheinen als im Originalbild; Verzerrung von Buchstaben oder Beschriftungen; falsche Kontinuität zwischen getrennten Linien; Verdickung feiner anatomischer Linien; übertriebene Papierstruktur; und Strukturen, die nicht eindeutig durch das Originalbild gestützt werden.
5. Klassifiziere jede Ausgabe als technisch akzeptabel oder suboptimal.
   1. Betrachten Sie ein Ergebnis als technisch akzeptabel, wenn anatomische Konturen, Etiketten und historische Markierungen visuell mit dem ursprünglich digitalisierten Bild übereinstimmen.
   2. Betrachten Sie einen Output als suboptimal, wenn die Verbesserung irreführende Textur, verzerrten Text, künstliche Linienbildung oder übermäßige Veränderungen des historischen Erscheinungsbildes erzeugt. Bewahren Sie suboptimale Ausgaben für die Dokumentation bei, wenn sie die Einschränkungen der Methode aufzeigen.
6. Ersetzen Sie das Originalbild nicht durch das verbesserte Bild. Verwenden Sie das verbesserte Bild nur als bearbeitete Begleitversion.

7. Auswahl des Interessensbereichs für den gepaarten Vergleich

1. Wählen Sie aus jedem Bildpaar manuell eine oder mehrere repräsentative Interessensgebiete (ROIs) aus, nachdem das Original und die erweiterten vollständigen Bilder archiviert wurden. Wählen Sie Regionen, die die praktische Wirkung der Verbesserung auf die neuroanatomische Visualisierung zeigen. Bevorzugen Sie Bereiche mit visuell komplexen oder tiefenreichen anatomischen Details, wie ventrikulären Strukturen, Gyri und Sulci, Gefäßlinien, Hirnstammkonturen, Schädelnerven-bezogenen Details oder kleinen Etiketten. Vermeiden Sie es, nur die visuell besten Regionen auszuwählen; Beziehen Sie Regionen ein, die die Stärken und Schwächen der Verbesserung fair widerspiegeln.
2. Für jede ausgewählte Region schneiden Sie denselben anatomischen Bereich aus den Original- und verbesserten Bildern mit identischen proportionalen Koordinaten zu. Wenn eine exakte Koordinatenübereinstimmung aufgrund unterschiedlicher Bilddimensionen nicht möglich ist, dokumentieren Sie die Anpassung. Verwenden Sie eine ROI-Größe von etwa 10–20 % der Bildbreite und -höhe, die nur bei Bedarf angepasst wird, um dieselbe anatomische Struktur oder Beschriftung in beiden Panels einzubeziehen.
3. Stellen Sie sicher, dass die ursprünglichen und verbesserten ROI-Panels das gleiche anatomische Feld zeigen. Fügen Sie nach dem Zuschneiden keine zusätzlichen Schärfungen, Kontrastanpassungen oder manuellen Korrekturen an den ROI-Panels vor.
4. Verwenden Sie die ROI-Panels nur zur visuellen Demonstration des Verbesserungseffekts, nicht als unabhängiges Expertenbewertungsmaterial.

8. Erstellung repräsentativer Figuren

1. Bereite eine Workflow-Abbildung vor, die das vollständige Protokoll zusammenfasst.
2. Bereiten Sie repräsentative, gepaarte Bildfiguren vor, die Original- und verbesserte Versionen zeigen.
3. Für jede repräsentative Bildfigur solltest du bei Möglichkeit eine Vier-Panel-Struktur verwenden. Platzieren Sie die originale digitalisierte Illustration in Panel A; die KI-optimierte Illustration in Panel B; die verstärkte Rendite des Originalbildes in Panel C; und die abgestimmte vergrößerte Rendite des verbesserten Bildes in Panel D.
4. Verwenden Sie konsistente Panelabstände, Ausrichtung, Paneletiketten und Vergrößerung über paarweise original-verbesserte Panels. Verwenden Sie eine Standard-Serifenlose Schrift in einer einheitlichen, lesbaren Größe für Panelbeschriftungen und Anmerkungen und notieren Sie die ausgewählte Schriftart und Größe.
5. Verwenden Sie Pfeile oder Pfeilspitzen nur, wenn es notwendig ist, um eine bestimmte Linie, Beschriftung oder ein Artefakt anzuzeigen, und fügen Sie keine Pfeile hinzu, die eine anatomische Interpretation implizieren, die im Originalbild nicht sichtbar ist.
6. Füge Skalenbalken nur dann hinzu, wenn das Quellbild eine zuverlässige räumliche Kalibrierung bietet. Für historische Tafeln ohne gültige räumliche Maßstab sollten keine Maßstabsbalken hinzugefügt werden.
7. Nehmen Sie bei der Vorbereitung der gepaarten ursprünglichen und verbesserten Panels keine zusätzlichen Helligkeits- oder Kontrastanpassungen vor. Exportieren Sie Werte mit 300 dpi oder 600 dpi, wenn Feinlinienarbeiten und Etiketten eine höher aufgelöste Darstellung erfordern.
8. Fügen Sie Beispiele aus verschiedenen historischen Quellen hinzu, um zu zeigen, dass der Workflow über variable Zeichenstile und Scanqualitäten hinweg angewendet werden kann. Fügen Sie mindestens ein Beispiel bei, das ein suboptimales Verbesserungsergebnis zeigt, wie künstliche Texturbildung oder Textverzerrung, um die Einschränkungen der Methode zu verdeutlichen.
9. Exportiere Figuren als separate, hochwertige PDF-, TIFF- oder JPEG-Dateien ohne eingebettete Legenden. Für den PDF-Export erhalten Sie die Quellbildmaße und vermeiden Sie Downsampling oder verlustbehaftende Kompression.
10. Stellen Sie Figurenlegenden nur in der Manuskriptdatei an.
11. Überprüfen Sie alle Figurenpanels auf Beschnitt, Auflösung und Panelvollständigkeit vor der Einreichung.

9. Dokumentation und Datenmanagement

1. Speichere die Original- und erweiterten Versionen jedes Bildes als gepaarte Dateien, sodass jeder verbesserte Ausgang auf das entsprechende Quellbild zurückverfolgt werden kann.
2. Erfassen Sie das Quellverzeichnis für jede Illustration, einschließlich des Archiv- oder Archivnamens, der stabilen URL oder der verfügbaren Zugangsinformationen, des Wiederverwendungsstatus und des Zugriffsdatums.
3. Erfassen Sie die Verarbeitungsmethode für jedes Bild, einschließlich der Extraktionsmethode, des Vorverarbeitungsschritts, der Verbesserungssoftware, der Softwareversion, des ausgewählten Modells, des Skalierungsfaktors, des Ausgabeformats und des endgültigen Dateinamens.
4. Notieren Sie, ob jedes Bild durch PDF-Export oder Screenshot-Erfassung extrahiert wurde, ob das Zuschneiden auf nicht informative Ränder beschränkt war und ob die Verbesserung die feste 16x-Super-Auflösungseinstellung verwendet hat.
5. Bewahren Sie die softwaregenerierten Ausgabedateinamen, wenn möglich, oder weisen Sie strukturierte Dateinamen zu, die die Quellbildidentität, den Erweiterungsbereich und das Ausgabeformat aufzeichnen.
6. Dokumentieren Sie, ob jede verbesserte Ausgabe technisch akzeptabel oder suboptimal war. Suboptimale Befunde können künstliche Texturbildung, übermäßiges Schärfen, verzerrte Etiketten oder visuell irreführende Linienveränderungen sein.

Ergebnisse

Repräsentative Original- und verbesserte Bildvergleiche werden in den Manuskriptfiguren bereitgestellt. Das Veröffentlichungsdatum, die Herkunft, die Archivinformationen und der Wiederverwendungsstatus wurden für jede der 40 in dieser Studie enthaltenen historischen Illustrationen überprüft und dokumentiert.

Bilddatensatz und Quellcharakteristika
Das Protokoll wurde auf 40 digitalisierte historische neuroanatomische Illustrationen angewandt. Das Veröffentlichungsdatum, die Herkunft und der Wiederverwendungsstatus jeder Illustration wurden vor der Aufnahme einzeln überprüft, und alle ausgewählten Illustrationen stammen aus Werken, die zwischen dem sechzehnten und neunzehnten Jahrhundert veröffentlicht wurden. Die beigefügten Illustrationen stellten eine Reihe neuroanatomischer Themen dar, darunter die Anatomie der kortikalen Oberfläche, Hirngyri und -sulci, ventrikuläre Strukturen, Hirnstammregionen, kraniale nervenbezogene Anatomie und Gefäßmerkmale. Die Bilder stammten aus gemeinfreien, genehmigungsfreigegebenen oder wiederverwendbaren digitalisierten historischen Quellen; Repository-Informationen und Wiederverwendungsstatus wurden einzeln für alle 40 Illustrationen dokumentiert.

Die ursprünglichen digitalisierten Reproduktionen wiesen häufige Einschränkungen historischer Materialien auf, darunter niedrige scheinbare Auflösung, verblasste Linienführungen, Hintergrundverfärbungen, scanbedingte Unschärfe, Kompressionsartefakte und verminderte Lesbarkeit kleiner Etiketten. Diese Einschränkungen boten praktische Testfälle für die Anwendung des standardisierten Verbesserungsworkflows. Die ursprünglichen, nicht verbesserten Bilder wurden als Basisdateien beibehalten und während des gesamten Workflows mit den entsprechenden erweiterten Ausgaben gepaart.

Technisches Ergebnis des Verbesserungs-Workflows
Alle 40 Baseline-Bilder wurden mit derselben lokal installierten, KI-unterstützten Bild-Upscaling-Software mit festen Verbesserungseinstellungen verarbeitet. Ein 16-faches Superauflösungs-Preset wurde auf alle enthaltenen Bilder konsistent angewendet, und die verbesserten Ausgaben wurden im PNG-Format exportiert. Vor oder nach der Verbesserung wurde kein manuelles Nachzeichnen, Neufärben, selektive Korrektur oder anatomisches Retuschen durchgeführt. Die Verarbeitung erfolgte auf einem Computer, der mit einer 16-Kern-Zentralverarbeitungseinheit der 13. Generation mit 24 Threads, einer dedizierten Laptop-Grafikeinheit mit 8 GB Grafikspeicher und 32 GB RAM ausgestattet war, wobei die Beschleunigung der Grafikeinheit aktiviert war. Die Verarbeitungszeit betrug etwa 3 Minuten pro Bild, abhängig von den Eingabeabmessungen.

Die verbesserten Bilder zeigten im Allgemeinen eine größere scheinbare Schärfe, eine stärkere Liniendefinition, eine klarere Trennung zwischen anatomischer Linienführung und Hintergrund sowie eine erhöhte wahrgenommene Sichtbarkeit kleiner anatomischer oder textueller Details. Diese Effekte waren am deutlichsten bei Bildern mit verblasster Tinte, niedrigem Kontrast oder scanbedingter Unschärfe. Die Verbesserung wurde als technische Verarbeitung digitalisierter Reproduktionen und nicht als Restaurierung der ursprünglichen historischen Kunstwerke interpretiert.

Eine praktische Einschränkung des Arbeitsablaufs war die erhebliche Vergrößerung der Ausgabedateigröße. In einigen Fällen stiegen Dateien von etwa 1 MB nach 16-facher Erweiterung auf mehr als 200 MB. Daher sollten Speicherkapazität, Dateiverwaltung und Figurenvorbereitung bei der Anwendung des Arbeitsablaufs auf größere Bildsammlungen berücksichtigt werden.

Repräsentative erfolgreiche Verbesserungsergebnisse
Repräsentative gepaarte Beispiele zeigten die praktische Wirkung des Protokolls auf historische neuroanatomische Illustrationen aus verschiedenen Quellen und Epochen (Abbildung 2, Abbildung 3, Abbildung 4 und Abbildung 5). In erfolgreichen Beispielen zeigten die verbesserten Bilder klarere anatomische Konturen, eine größere Kontinuität der feinen Linienarbeit und eine erhöhte wahrgenommene Sichtbarkeit komplexer Regionen, einschließlich kortikaler Gyri, ventrikulärer Strukturen, Gefäßlinien und hirnstammbezogenen Details.

Das gepaarte Figurenformat ermöglichte einen direkten Vergleich zwischen der Original- und der verbesserten Version. Bei niedriger Vergrößerung waren die auffälligsten Verbesserungen die globale Klarheit, Kontrast und Lesbarkeit. Bei höherer Vergrößerung wurden Unterschiede in Linienkontinuität, Kantendefinition und Sichtbarkeit bei kleinen Etiketten deutlicher. Abgestimmte Interessensgebiete waren nützlich, um den lokalen Effekt der Verbesserung auf anatomisch relevante Details zu demonstrieren.

Das ursprüngliche Bild blieb in allen Fällen für die Interpretation unerlässlich. Verbesserte Bilder sollten daher als begleitend verarbeitete Bilder präsentiert werden und nicht als Ersatz für die ursprüngliche historische Quelle.

Suboptimale Verbesserungsergebnisse und Qualitätskontrollergebnisse
Obwohl der Workflow in den meisten repräsentativen Beispielen technisch akzeptable Ergebnisse lieferte, wurden während der Qualitätskontrollprüfung mehrere Einschränkungen festgestellt. In einigen Bildern erhöhte der Verbesserungsprozess künstliche Textur, übertriebene Papierkörnung oder verzerrte kleine Buchstaben und Etiketten. In anderen Fällen wirkten feine Linien übermäßig geschärft oder visuell dicker als im Originalbild.

Diese suboptimalen Ergebnisse traten eher in Bildern mit starker Basisverschlechterung, niedriger Quellauflösung, dichter Kennzeichnung oder prominenter Papierstruktur auf. Solche Ergebnisse unterstreichen die Notwendigkeit eines direkten Vergleichs mit dem Originalbild nach der Verbesserung. Sie unterstützen außerdem einen Qualitätskontrollschritt, bevor verbesserte Bilder in Bildungsmaterialien, Präsentationen oder wissenschaftlichen Figuren verwendet werden. Diese strukturierte Überprüfung wurde als technische Qualitätskontrolldokumentation und nicht als formale Validierungsstudie durch Experten und Bewerter verwendet.

Ein suboptimales Beispiel ist in Abbildung 6 enthalten, um die Einschränkungen der Methode zu verdeutlichen. Dies ist besonders wichtig, da künstliche-Intelligenz-unterstützte Verbesserung die visuelle Klarheit verbessern und gleichzeitig Veränderungen bewirken kann, die als authentische historische oder anatomische Details verwechselt werden könnten.

Empfohlene Interpretation erweiterter Ausgaben
Die Ergebnisse dieses Protokolls sollten als Demonstration der technischen Machbarkeit und Workflow-Reproduzierbarkeit interpretiert werden. Die Methode kann die wahrgenommene visuelle Zugänglichkeit digitalisierter historischer neuroanatomischer Illustrationen verbessern, insbesondere wenn das ursprüngliche digitalisierte Bild durch Unschärfe, Verblassen oder verminderte Linienschärfe beeinträchtigt ist. Die verbesserten Ausgaben stellen jedoch keine Wiederherstellung des Originalkunstwerks, keine Wiederherstellung verlorener Informationen oder anatomische Genauigkeit dar.

Für Lehre, Präsentation oder Archivpräsentation sollte das verbesserte Bild neben oder klar mit der ursprünglich digitalisierten Quelle verlinkt werden. Dieser gepaarte Ansatz bewahrt historische Transparenz und verringert das Risiko, verbesserungsbezogene Änderungen zu überinterpretieren. Das Protokoll eignet sich daher am besten als kontrollierter visueller Verbesserungsworkflow für digitalisierte Reproduktionen und nicht als Methode zum Ersetzen historischer Quellmaterial.

Abbildung 1: Arbeitsablauf für KI-unterstützte Verbesserung digitalisierter historischer neuroanatomischer Illustrationen. Der Schaltplan fasst die Bildaufnahme aus digitalen Repositories, die Bildvorbereitung, die feste 16× KI-unterstützte Verbesserung sowie den Export des verbesserten Bildes zur späteren Bewertung und Dokumentation zusammen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 2: Repräsentative Verbesserung einer digitalisierten historischen neuroanatomischen Illustration von Vesalius. Die Illustration stammt aus einer digitalisierten historischen Quelle, De humani corporis fabrica libri septem von Andreas^{Vesalius 13}. (A) Original digitalisierte Illustration vor der Verbesserung. (B) Super-auflösende verbesserte Version derselben Illustration. (C) Vergrößerter Interessensbereich im Vergleich zum Originalbild. (D) Abgestimmte vergrößerte Interessenregion aus dem verbesserten Bild. Rote Kästchen zeigen die in den Feldern C und D vergrößerten Bereiche an. Der gepaarte Vergleich zeigt eine stärkere wahrgenommene Liniendefinition, Kontrast und visuelle Klarheit und ermöglicht einen direkten Vergleich mit dem ursprünglich digitalisierten Bild. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3: Repräsentative Verbesserung einer digitalisierten historischen neuroanatomischen Illustration von Steno. Die Illustration stammt aus einer digitalisierten historischen Quelle von Discours de Monsieur Stenon sur l'anatomie du cerveau von Nicolas Steno¹⁴. (A) Original digitalisierte Illustration vor der Verbesserung. (B) Super-auflösende verbesserte Version derselben Illustration. (C) Vergrößerter Interessensbereich im Vergleich zum Originalbild. (D) Abgestimmte vergrößerte Interessenregion aus dem verbesserten Bild. Rote Kästchen zeigen die in den Feldern C und D vergrößerten Bereiche an. Das verbesserte Bild zeigt eine größere sichtbare Sichtbarkeit feiner Linienarbeiten und eine reduzierte scanbezogene visuelle Verschlechterung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 4: Repräsentative Verbesserung einer digitalisierten historischen neuroanatomischen Illustration von Rolando. Die Illustration stammt aus einer digitalisierten historischen Quelle von Della struttura degli emisferi cerebrali von Luigi Rolando¹⁵. (A) Original digitalisierte Illustration vor der Verbesserung. (B) Super-auflösende verbesserte Version derselben Illustration. (C) Vergrößerter Interessensbereich im Vergleich zum Originalbild. (D) Abgestimmte vergrößerte Interessenregion aus dem verbesserten Bild. Rote Kästchen zeigen die in den Feldern C und D vergrößerten Bereiche an. Der Vergleich zeigt eine größere sichtbare sichtbare Sichtbarkeit der kortikalen Oberflächendetails und der anatomischen Linienkontinuität nach der Verbesserung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 5: Repräsentative Verbesserung einer digitalisierten historischen neuroanatomischen Illustration von Vicq d'Azyr. Die Illustration stammt aus einer digitalisierten historischen Quelle Traité d'anatomie et de physiologie von Félix Vicq d'Azyr¹⁶. (A) Original digitalisierte Illustration vor der Verbesserung. (B) Super-auflösende verbesserte Version derselben Illustration. (C) Vergrößerter Interessensbereich im Vergleich zum Originalbild. (D) Abgestimmte vergrößerte Interessenregion aus dem verbesserten Bild. Rote Kästchen zeigen die in den Feldern C und D vergrößerten Bereiche an. Die gepaarten Paneele zeigen einen größeren wahrgenommenen Kontrast und eine größere Detailsichtbarkeit auf einer historischen anatomischen Platte. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 6: Suboptimales KI-unterstütztes Enhancement-Ergebnis in einer digitalisierten historischen neuroanatomischen Illustration von Arnold. Die Illustration stammt aus einer digitalisierten historischen Quelle der Tabulae anatomicae von Friedrich Arnold¹⁷. (A) Original digitalisierte Illustration vor der Verbesserung. (B) Super-auflösende verbesserte Version derselben Illustration. (C) Vergrößerter Interessensbereich im Vergleich zum Originalbild. (D) Abgestimmte vergrößerte Interessenregion aus dem verbesserten Bild. Rote Kästchen zeigen die in den Feldern C und D vergrößerten Bereiche an. Das verbesserte Bild zeigt methodische Einschränkungen, darunter künstliche Papiertextur, übermäßiges Schärfen, teilweise Verzerrung kleiner Etiketten und visuell verdickte Linien. Dieses Beispiel zeigt, warum verbesserte Bilder mit der Originalquelle gepaart bleiben und vor der Nutzung einer Qualitätskontrolle unterzogen werden sollten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Diskussion

Dieser Methodenartikel präsentiert einen reproduzierbaren Workflow zur KI-unterstützten Verbesserung digitalisierter historischer neuroanatomischer Illustrationen. Historische anatomische Bilder dienen seit langem als wichtige Werkzeuge für anatomische Dokumentation, Lehre und wissenschaftliche Kommunikation, und viele dieser Werke sind heute über digitalisierte Bücher, gescannte Archive und Online-Archive zugänglich. Ihre Verwendung in moderner Lehre, Präsentation und digitaler Archivierung ist jedoch oft durch eine niedrige scheinbare Auflösung, verblasste Linienführung, Hintergrundverfärbung, scanbedingte Unschärfe, Kompressionsartefakte und eine eingeschränkte Lesbarkeit von Kleinbuchstaben 12,18,19,20 begrenzt.

Die Hauptstärke des Protokolls liegt in seiner Einfachheit und Reproduzierbarkeit. Das Protokoll soll keinen neuen Superauflösungsalgorithmus einführen oder behaupten, verbesserte Bilder seien historisch authentischer als Quellbilder. Stattdessen trägt sie dazu durch die Standardisierung eines vorsichtigen Arbeitsablaufs, der das Risiko unkontrollierter, ad-hoc-Verbesserungen reduziert. Der Workflow verwendet digitale Quellen aus der öffentlichen Domäne oder Wiederverwendung, konservativen Zuschnitt und eine feste Enhancement-Einstellung in einer barrierefreien Bild-Upscaling-Anwendung. Das gleiche 16-fache Super-Auflösungs-Preset wurde auf alle enthaltenen Bilder angewendet, und es wurde kein manuelles anatomisches Retuschieren, Nachzeichnen, Neufärben oder selektive Korrektur durchgeführt. Das ist wichtig, weil historische neuroanatomische Illustrationen keine gewöhnlichen digitalen Bilder sind; Es handelt sich um wissenschaftliche, pädagogische, künstlerische und historische Dokumente. Daher sollte Verbesserungen als Verarbeitung einer digitalisierten Reproduktion verstanden werden, nicht als Restaurierung des Originalkunstwerks oder als Beweis, dass verlorene anatomische Informationen wiederhergestellt wurden 19,21,22^.

KI-unterstützte Bildverbesserungs- und Superauflösungsmethoden können die scheinbare Auflösung, die Kantendefinition, den Kontrast und die visuelle Zugänglichkeit in verschlechterten oder niedrig aufgelösten Bildern verbessern. In erfolgreichen Beispielen führte der aktuelle Workflow zu einer größeren wahrgenommenen Sichtbarkeit feiner anatomischer Linien, kortikaler und ventrikulärer Konturen, Gefäßdetails, hirnstammbezogenen Strukturen und kleinen Etiketten. Diese Änderungen können bei der Erstellung historischer neuroanatomischer Illustrationen für Vorträge, Bildungsfiguren, digitale Archive oder wissenschaftliche Präsentationen nützlich sein. Das Originalbild sollte jedoch weiterhin als Referenzquelle verfügbar sein, und verbesserte Bilder sollten als begleitend verarbeitete Bilder verwendet werden, anstatt als Ersatzbilder ^9,23,24.

Die Qualitätskontrolle nach der Verbesserung ist ein wesentlicher Schritt im Protokoll. KI-unterstützte Verbesserung kann gelegentlich suboptimale Ergebnisse liefern, insbesondere bei Bildern mit starker Basisverschlechterung, dichter Kennzeichnung, schlechter Quellauflösung oder prominenter Papiertextur. Mögliche Probleme umfassen künstliche Texturbildung, übermäßiges Schärfen, Verdickung feiner Linien, Verzerrung kleiner Buchstaben und visuell irreführende Änderungen der Linienkontinuität. Diese Risiken stehen im Einklang mit übergeordneten Bedenken hinsichtlich der anatomischen Zuverlässigkeit von KI-generierten oder KI-modifizierten medizinischen Illustrationen, bei denen visuelle Plausibilität nicht zwangsläufig eine anatomische Genauigkeit garantiert. Aus diesem Grund sollte jeder verbesserte Ausgang direkt mit der ursprünglich digitalisierten Quelle vor der Nutzung 12,25,26 verglichen werden.

Dieses Protokoll hat mehrere Einschränkungen. Erstens hängt die Qualität des verbesserten Outputs stark von der Qualität des Quellbildes ab. Stark beschädigte, unvollständige oder schlecht gescannte Bilder liefern möglicherweise keine zuverlässigen Ergebnisse. Zweitens kann eine 16-fache Erweiterung die Ausgabedateigröße erheblich erhöhen, was Speicher, Übertragung und Figurenvorbereitung erschweren kann. Die ausgewählte 16x-Skala wurde nicht mit alternativen Skalierungsfaktoren verglichen und sollte nicht als optimal interpretiert werden. Drittens liefert dieser Artikel keine objektiven Bildqualitätskennzahlen, Expertenbewertungen oder Daten zu Bildungsergebnissen. Stattdessen bietet das vorliegende Protokoll eine strukturierte technische Qualitätskontrolldokumentation und rahmt verbesserte Bilder explizit als Begleitvisualisierungen statt als validierte Ersatz für originelle historische Quellen. Der Zweck ist es, einen standardisierten technischen Arbeitsablauf zu beschreiben, anstatt die Überlegenheit gegenüber anderen Verbesserungsalgorithmen zu beweisen oder Lernergebnisse zu messen.

Zukünftige Studien könnten verschiedene Verbesserungsmodelle, Skalierungsfaktoren und objektive Bildqualitätskennzahlen wie Schärfe, Kontrast, Kantenerhaltung, Textlesbarkeit, Dateigröße und Verarbeitungszeit vergleichen. Pädagogische Studien können auch bewerten, ob verbesserte historische Bilder das Lernengagement oder das anatomische Verständnis verbessern. In seiner heutigen Form bietet das Protokoll einen praktischen und reproduzierbaren Ansatz zur Verbesserung der visuellen Zugänglichkeit digitalisierter historischer neuroanatomischer Illustrationen, während gleichzeitig Quelltransparenz und interpretative Vorsicht erhalten bleiben. Das verbesserte Bild sollte als bearbeiteter digitaler Begleiter zur ursprünglichen Quelle betrachtet werden, nicht als unabhängige anatomische Referenz.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Adobe Acrobat	Adobe	Version nicht aufgezeichnet	PDF-basierte Bildextraktion
Computerarbeitsplatz	Nicht in den eingereichten Dateien gemeldet	Konfiguration nicht gemeldet	Hardware für lokale KI-gestützte Bildverbesserung
Anzeige-/Screenshot-Einstellungen	Windows-Bildschirmaufnahme-Tool oder Äquivalent	100% oder 200% Bildschirmvergrößerung; Monitorskalierung aufgezeichnet	Standardisierte screenshotbasierte Extraktion, wenn ein direkter PDF-Export nicht möglich war
Gallica	Bibliothèque nationale de France	Online-Repository	Quelle digitalisierter historischer Werke
General Photo Real-ESRGAN-Voreinstellung	Upscayl / Real-ESRGAN-basiertes Modell	16x Einstellung	Superauflösungsverbesserung digitalisierter Illustrationen
Google Books	Google	Online-Repository	Quelle digitalisierter historischer Bücher
Grafikverarbeitungseinheit	Nicht in den eingereichten Dateien gemeldet	Modell und Beschleunigungsstatus nicht gemeldet	GPU-Beschleunigung für Bildvergrößerung, wenn aktiviert
Internet Archive	Internet Archive	Online-Repository	Quelle öffentlich zugänglicher digitalisierter historischer Werke
Lokaler Speicherlaufwerk	Benutzerspezifizierter Arbeitsplatz	Ausreichend freier Speicherplatz	Speicherung der Original-, verbesserten und figurbereiten Bilddateien
PDF-Export-Einstellungen	Adobe Acrobat oder gleichwertige PDF-Reader/Export-Software	Ursprüngliche eingebettete Auflösung, wenn verfügbar	Extraktion von Bildern aus digitalisierten PDF-Quellen ohne absichtliche Abtastung
PhotoScape X	MOOII Tech	v4.1.1	Konservatives Zuschneiden und Figurenvorbereitung
PNG-Bildformat	—	—	Ausgabeformat für verbesserte Bilder
Verarbeitungsprotokoll-Tabelle	Microsoft Excel oder gleichwertige Tabellenkalkulation-Software	Version nicht kritisch	Dokumentation der Quelle, Extraktionsmethode, Verbesserungseinstellung, Verarbeitungszeit, Ausgabedateiname und QC-Klassifizierung
Qualitätskontroll-Checkliste	Autorengenerierte Checkliste	Nicht anwendbar	Strukturierte technische Überprüfung für künstliche Textur, übermäßige Schärfung, Etikettenverzerrung, Linienverdickung und nicht unterstützte visuelle Änderungen
Systemspeicher	Nicht in den eingereichten Dateien gemeldet	RAM-Kapazität nicht gemeldet	Verfügbarer Speicher für hochskalige Bildverbesserung
Upscayl	Upscayl	v2.11.5	Künstliche Intelligenz unterstützte Bildvergrößerung
Wellcome Collection	Wellcome Collection	Online-Repository	Quelle öffentlich zugänglicher digitalisierter historischer Werke
Wikimedia Commons	Wikimedia Foundation	Online-Repository	Quelle öffentlich zugänglicher oder wiederverwendbarer Bilder
Windows-Betriebssystem	Microsoft	Windows 10	Betriebssystem zur Bildextraktion und -verarbeitung
Windows-Bildschirmaufnahme-Tool	Microsoft	Windows 10 eingebautes Tool	Screenshot-basierte Bildaufnahme, wenn PDF-Export nicht möglich war