Un protocolo reproducible para la mejora asistida por inteligencia artificial de ilustraciones neuroanatómicas históricas digitalizadas

Resumen

Este artículo de métodos presenta un flujo de trabajo reproducible y controlado por calidad para la mejora asistida por inteligencia artificial de ilustraciones neuroanatómicas históricas digitalizadas. El protocolo define la selección de fuentes, extracción, estandarización de archivos, procesamiento local de superresolución, archivo emparejado original-mejorado, revisión técnica de control de calidad y documentación de resultados tanto aceptables como subóptimos.

Resumen

Las ilustraciones neuroanatómicas históricas digitalizadas son recursos valiosos para la educación anatómica, la investigación histórica y el archivo digital. Sin embargo, su uso práctico en materiales didácticos y presentaciones académicas suele estar limitado por una baja resolución aparente, desvanecimiento, decoloración del papel, artefactos de compresión y menor legibilidad de líneas anatómicas finas o etiquetas. La superresolución asistida por inteligencia artificial puede mejorar la usabilidad visual de estas reproducciones digitalizadas, pero la mejora incontrolada también puede introducir textura artificial, continuidad de líneas alterada, etiquetas distorsionadas o detalles visualmente plausibles no soportados por la imagen fuente. Por ello, se requieren procedimientos estandarizados y transparentes al aplicar la mejora asistida por inteligencia artificial a ilustraciones científicas históricas.

Este artículo describe un flujo de trabajo paso a paso para la mejora controlada de ilustraciones neuroanatómicas históricas digitalizadas. El protocolo incluye selección de imagen fuente, documentación del estado de procedencia y reutilización, extracción de imágenes, preprocesamiento conservador, mejora local de superresolución usando ajustes fijos, archivo mejorado original-emparejado, inspección basada en regiones de interés y documentación estructurada de control técnico de calidad. El flujo de trabajo está diseñado para mejorar la accesibilidad visual para la enseñanza, la presentación y la inspección visual preliminar, manteniendo al mismo tiempo un vínculo interpretativo directo entre cada resultado mejorado y su fuente digitalizada original.

El método debe considerarse como una mejora auxiliar de reproducciones digitales escaneadas, no como restauración de obras originales, autenticación de fuentes históricas o recuperación de información anatómica perdida. Las versiones originales y mejoradas deben archivarse juntas, y los resultados mejorados deben revisarse para posibles artefactos antes de su uso. Este protocolo proporciona un enfoque práctico, de bajo coste y reproducible para preparar imágenes neuroanatómicas históricas como visualizaciones complementarias emparejadas, manteniendo la precaución respecto a la integridad anatómica e histórica.

Introducción

Las ilustraciones neuroanatómicas históricas han desempeñado un papel importante en la documentación visual, la enseñanza y la interpretación del sistema nervioso. Antes del desarrollo de la neuroimagen moderna, las placas anatómicas servían como medio principal para comunicar observaciones del cerebro, ventrículos cerebrales, nervios craneales, estructuras vasculares y anatomía del tronco^{encefálico 1,2,3}. Muchas de estas obras son ahora accesibles a través de libros digitalizados, colecciones archivísticas escaneadas y repositorios en línea. Sin embargo, el uso directo de ilustraciones históricas digitalizadas en la enseñanza moderna, las presentaciones y el archivo digital suele estar limitado por baja resolución, desvanecimiento, decoloración del papel, artefactos de compresión, desenfoque relacionado con el escaneo y menor legibilidad de las líneas finas o^etiquetas 4,5,6,7,8.

Los métodos de mejora de imagen asistidos por IA y superresolución ofrecen una oportunidad práctica para mejorar la usabilidad visual de imágenes digitalizadas degradadas o de baja resolución. Los algoritmos de superresolución basados en aprendizaje profundo pueden aumentar la resolución aparente, mejorar la definición de los bordes y reducir la degradación visual relacionada con el escaneo en imágenes^digitales 9,10,11,12. Para ilustraciones neuroanatómicas históricas, estos métodos pueden ayudar a clarificar líneas anatómicas finas, etiquetas y límites estructurales que son difíciles de inspeccionar en la reproducción digitalizada original. No obstante, las imágenes anatómicas históricas requieren precaución. Estas ilustraciones no son solo materiales didácticos visuales, sino también documentos científicos e históricos. La mejora puede mejorar la claridad, pero también puede alterar la textura de las líneas, exagerar los bordes, modificar el sombreado o crear detalles artificiales si se aplica sin un flujo de trabajo estandarizado.

Por esta razón, la mejora asistida por inteligencia artificial de ilustraciones anatómicas históricas debería realizarse como un proceso técnico controlado y no como manipulación de imágenes sin restricciones. Un protocolo reproducible debe definir cómo se seleccionan las imágenes fuente, cómo se documentan la procedencia y el estado de reutilización, cómo se extraen y estandarizan las imágenes, qué ajustes de mejora se aplican, cómo se archivan los archivos de salida y cómo se comprueban las imágenes mejoradas para posibles artefactos. Las versiones originales y mejoradas deben permanecer vinculadas durante todo el flujo de trabajo para que el resultado mejorado siempre pueda interpretarse como una reproducción digital procesada en lugar de una imagen restaurada o históricamente original.

Un flujo de trabajo estandarizado es preferible a la mejora asistida por inteligencia artificial ad hoc porque define la selección de fuentes, el preprocesamiento conservador, los ajustes fijos de mejora, el archivo complementario original-mejorado y el control de calidad posterior a la mejora antes de utilizar la imagen procesada. Los usuarios finales previstos incluyen anatomistas, neurocirujanos, educadores médicos, historiadores de la anatomía, ilustradores médicos y usuarios de archivos digitales que requieren copias complementarias visualmente legibles y mantengan el acceso directo a la fuente original.

Este artículo de métodos presenta un protocolo paso a paso para la mejora asistida por IA de ilustraciones neuroanatómicas históricas digitalizadas. La secuencia central de procesamiento de imágenes, que incluye la preparación de imágenes, la mejora fija de la superresolución del 16× y la exportación en PNG, se resume en la Figura 1. Los pasos posteriores del protocolo incluyen archivo mejorado original-mejorado por parejas, control de calidad post-mejora, inspección visual basada en regiones de interés y documentación de resultados exitosos y subóptimos. El protocolo no pretende reclamar la restauración de obras originales ni la recuperación de información anatómica perdida; más bien, pretende mejorar la accesibilidad visual de las reproducciones digitalizadas preservando la relación interpretativa entre la imagen mejorada y la fuente original.

Protocolo

Este protocolo se aplicó únicamente a ilustraciones neuroanatómicas históricas digitalizadas y no involucró participantes humanos, datos de pacientes, sujetos animales, muestras biológicas ni información personal identificable; por lo tanto, la aprobación institucional de la investigación en humanos no era aplicable. Todas las imágenes se obtuvieron de fuentes históricas de dominio público, autorizadas o con licencia adecuada.

1. Consideraciones sobre el uso de fuentes

1. Verifica la procedencia de cada imagen antes de su procesamiento, incluyendo el autor histórico, el título de la fuente, el año aproximado de publicación y la fuente digital.
2. Interpreta los resultados mejorados como reproducciones digitales procesadas en lugar de como obras originales restauradas o evidencia de que se ha recuperado información anatómica perdida.
3. Archiva los archivos originales y mejorados juntos para que la imagen procesada siempre pueda compararse directamente con la imagen original.

2. Selección de ilustraciones neuroanatómicas históricas digitalizadas

1. Ilustraciones históricas digitalizadas seleccionadas publicadas desde el siglo XVI hasta el XIX.
2. Incluye ilustraciones que representen estructuras neuroanatómicas como el cerebro, hemisferios cerebrales, giros y surcos, sistema ventricular, tronco encefálico, nervios craneales, vasculatura cerebral o anatomía del sistema nervioso relacionado.
3. Incluye solo imágenes obtenidas de fuentes con procedencia identificable y estatus compatible con dominio público o reutilización. Confirmar que cada ilustración seleccionada fue publicada entre los siglos XVI y XIX y que su procedencia y reutilización fueron verificadas individualmente antes de su inclusión.
4. Excluir imágenes duplicadas, imágenes severamente recortadas, planchas incompletas, reproducciones modernas redibujadas o imágenes con insuficiente claridad de fuente, incluyendo archivos fuente con una dimensión de eje largo inferior a aproximadamente 1.000 píxeles cuando haya una versión de mayor calidad disponible, contenido anatómico ausente o recortado que afecte a más del 20% de la ilustración, etiquetas ilegibles en la región seleccionada, artefactos de compresión severos, o degradación relacionada con el escaneo que impide la comparación con la imagen original.
5. Identifica las ilustraciones duplicadas comparando el autor histórico, el título de la fuente, el año de publicación, el número de placa o página cuando esté disponible, los metadatos del repositorio y el contenido visual. Cuando haya escaneos duplicados disponibles, conserva la versión con mayor resolución, límites de placa más completos y etiquetas más claras.
6. Asigna a cada imagen incluida una identidad de archivo única antes de procesarla.
7. Mantén versiones originales y mejoradas emparejadas de cada imagen durante todo el flujo de trabajo.

3. Extracción de imágenes a partir de fuentes digitalizadas

1. Abre el archivo fuente digitalizado usando la versión de mayor calidad disponible.
2. Recupera cada ilustración de objetivo exportándola desde el archivo de documento portátil (PDF) de origen o capturándola desde la fuente digital cuando la exportación directa no sea factible.
3. Utiliza un lector de PDF o un software de exportación para la extracción de imágenes en PDF. Utiliza una utilidad estándar de captura de pantalla solo cuando la exportación directa no sea factible.
4. Para la extracción basada en PDF, utiliza la resolución original de imagen incrustada cuando esté disponible y evita el muestreo reducido durante la exportación. Para la extracción basada en capturas de pantalla, muestra la fuente con una ampliación del 100% o 200% y registra la resolución de la pantalla, la ampliación de la pantalla, la configuración de escalado del monitor y las dimensiones resultantes de la captura de pantalla.
5. Guarda la imagen extraída en formato Joint Photographic Experts Group (JPEG) o Portable Network Graphics (PNG), dependiendo de la disponibilidad de la fuente y el método de extracción.
6. Conserva la ilustración anatómica completa durante la extracción siempre que sea posible. Si no se puede conservar la ilustración completa, aplicar los criterios de exclusión del paso 2.4 y documentar el cultivo.
7. Conserva las etiquetas y marcas históricamente relevantes si forman parte de la ilustración principal. No redibuje, recolorees, reconstruyas ni retoques manualmente estructuras anatómicas durante la extracción.

4. Preprocesamiento y estandarización de archivos antes de la mejora

1. Revisa cada imagen extraída antes de mejorarla.
2. Recorta solo márgenes exteriores no informativos o zonas en blanco alrededor. No realices corrección visual manual más allá del recorte. Específicamente, no aplique afilado manual, eliminación de ruido, recoloración, redibujado, limpieza selectiva o retoque anatómico antes de la realza.
3. Utiliza solo software de edición de imágenes para recortar imágenes de forma conservadora y preparar el diseño de forma sencilla. No realices retoques anatómicos.
4. Conserva las imágenes de línea base como los archivos de referencia originales antes de la mejora. No fuerces el tamaño y la resolución de la imagen base en una única dimensión uniforme de píxel antes del procesamiento porque las dimensiones originales de origen varían entre las placas históricas.
5. Confirma que cada archivo preprocesado sigue siendo una reproducción fiel y digitalizada de la imagen original antes de pasar a la mejora asistida por IA.

5. Mejora asistida por inteligencia artificial

1. Abre la imagen de entrada estandarizada en un software de escalado de imágenes basado en inteligencia artificial instalado localmente.
2. Utiliza el modo de procesamiento de imagen única a menos que sea específicamente necesario el procesamiento por lotes.
3. Selecciona la imagen de entrada usando la función Seleccionar imagen .
4. Selecciona un modelo o preset de superresolución fija antes de procesarlo y utiliza el mismo modelo para todas las imágenes incluidas.
5. Ajusta la escala de imagen a 16x para reproducir la configuración fija utilizada en este flujo de trabajo, y registra que los parámetros predeterminados del software no se modificaron manualmente. No interpretes la escala seleccionada como optimizada o superior a factores de escala alternativos.
6. Utiliza los mismos ajustes de mejora para todas las imágenes incluidas para mantener la consistencia en todo el flujo de trabajo.
7. Configura la carpeta de salida en el mismo directorio que la imagen de entrada o en una carpeta de salida de proyecto predefinida, y utiliza un directorio de salida separado cuando sea posible para evitar sobrescribir accidentalmente los archivos originales.
8. Realiza la mejora en un ordenador equipado con una unidad central móvil de procesamiento móvil de 16 núcleos y 24 hilos, una unidad dedicada de procesamiento gráfico para portátil con 8 GB de memoria gráfica y 32 GB de RAM. Activa la aceleración por unidad de procesamiento gráfico (GPU) durante el procesamiento de imágenes para reducir el tiempo de procesamiento a aproximadamente 3 minutos por imagen, dependiendo de las dimensiones de la imagen de entrada.
   NOTA: No será necesario acceder a Internet una vez que el software y los archivos de modelo hayan sido instalados localmente.
9. Ejecuta el proceso de mejora utilizando el comando de mejora o de inicio de procesamiento del software.
10. Exporta la salida mejorada en formato PNG.
11. Conservar el nombre de archivo de salida automatizado generado por el software cuando sea posible, o asignar un nombre estructurado que registre la identidad de la imagen fuente, la escala de mejora y el formato de salida.
    NOTA: No redibujes, retoques, recolorees ni corrijas selectivamente detalles anatómicos manualmente tras la mejora de la IA.
12. Archiva el archivo PNG mejorado junto con la imagen base original.

6. Revisión de control de calidad posterior a la mejora

1. Abre cada imagen mejorada junto con su imagen original correspondiente. Confirma que el archivo mejorado se generó completamente y que no se ha producido corrupción ni exportación incompleta.
2. Compara la imagen mejorada con la original a baja y alta ampliación. Comprueba si la mejora parece mejorar la visibilidad de los trazos, contornos anatómicos, etiquetas y detalles escaneados.
3. Aplica una lista de control técnica estructurada de control de calidad. Esta lista de verificación es un paso documental más que un estudio formal de validación por experto evaluador.
4. Inspeccionar específicamente la salida para detectar los siguientes problemas relacionados con la mejora: formación artificial de texturas; enfoque excesivo, incluyendo líneas finas engrosadas, grano exagerado del papel o bordes que parecen más pronunciados que en la imagen original; distorsión de letras o etiquetas; falsa continuidad entre líneas separadas; engrosamiento de finas líneas anatómicas; textura exagerada del papel; y estructuras que no están claramente respaldadas por la imagen original.
5. Clasifica cada salida como técnicamente aceptable o subóptima.
   1. Considera un resultado técnicamente aceptable si los contornos anatómicos, etiquetas y marcas históricas permanecen visualmente consistentes con la imagen digitalizada original.
   2. Considera una salida subóptima si la mejora produce texturas engañosas, texto distorsionado, formación artificial de líneas o alteraciones excesivas de la apariencia histórica. Conservar resultados subóptimos para la documentación cuando ilustren las limitaciones del método.
6. No sustituyas la imagen original por la imagen mejorada. Usa la imagen mejorada solo como versión complementaria procesada.

7. Selección por región de interés para comparación por parejas

1. Selecciona manualmente una o más regiones representativas de interés (ROI) de cada par de imágenes después de que se hayan archivado las imágenes completas originales y mejoradas. Elige regiones que demuestren el efecto práctico de la mejora en la visualización neuroanatómica. Prefiere regiones que contengan detalles anatómicos visualmente complejos o con profundidad, como estructuras ventriculares, giros y surcos, trabajo de líneas vasculares, contornos del tronco encefálico, detalles relacionados con los nervios craneales o pequeñas etiquetas. Evita seleccionar solo las regiones visualmente mejores; Incluye regiones que representen de forma justa las fortalezas y limitaciones de la mejora.
2. Para cada región seleccionada, recorta la misma área anatómica de las imágenes originales y mejoradas usando coordenadas proporcionales idénticas. Si no es posible hacer coincidencias exactas de coordenadas debido a las diferentes dimensiones de la imagen, documenta el ajuste. Utiliza un tamaño de ROI de aproximadamente el 10%–20% del ancho y la altura de la imagen, ajustado solo cuando sea necesario para incluir la misma estructura anatómica o etiqueta en ambos paneles.
3. Asegúrate de que los paneles originales y mejorados de ROI muestren el mismo campo anatómico. No aplique más nitidez, ajuste de contraste ni corrección manual a los paneles ROI después de recortar.
4. Utiliza los paneles de retorno de inversión solo para demostrar visualmente el efecto de mejora, no como material independiente de calificación experta.

8. Preparación de figuras representativas

1. Prepara una figura de flujo de trabajo que resuma el protocolo completo.
2. Prepara figuras representativas de imagen emparejada que muestren versiones originales y mejoradas.
3. Para cada figura representativa, utiliza una estructura de cuatro paneles siempre que sea posible. Colocar la ilustración digitalizada original en la viñeta A; la ilustración mejorada por IA en el panel B; el ROI ampliado de la imagen original en el panel C; y el ROI ampliado coincidente de la imagen mejorada en el panel D.
4. Utiliza un espaciado de paneles, alineación, etiquetas y ampliación consistentes entre paneles emparejados y originales mejorados. Utiliza una fuente sans-serifa estándar con un tamaño consistente y legible para etiquetas de viñetas y anotaciones, y registra la fuente y el tamaño seleccionados.
5. Utiliza flechas o puntas de flecha solo cuando sea necesario para indicar una línea, etiqueta o artefacto específico, y no añadas flechas que impliquen una interpretación anatómica no visible en la imagen original.
6. Añadir barras de escala solo cuando la imagen fuente proporcione una calibración espacial fiable. Para placas históricas sin una escala espacial válida, no añadas barras de escala.
7. No apliques ajustes adicionales de brillo o contraste al preparar los paneles originales y mejorados emparejados. Las cifras de exportación a 300 dpi, o 600 dpi cuando el trabajo de líneas finas y las etiquetas requieren una pantalla de mayor resolución.
8. Incluye ejemplos de diferentes fuentes históricas para demostrar que el flujo de trabajo puede aplicarse a diferentes estilos de dibujo y cualidades de escaneo. Incluye al menos un ejemplo que muestre un resultado de mejora subóptimo, como la formación artificial de texturas o la distorsión del texto, para demostrar las limitaciones del método.
9. Exportar figuras como archivos PDF, TIFF o JPEG de alta calidad separados sin leyendas incrustadas. Para la exportación en PDF, conserva las dimensiones de la imagen fuente y evita el muestreo inferior o la compresión con pérdidas.
10. Proporciona las leyendas de las figuras solo en el archivo del manuscrito.
11. Revisa todos los paneles de figuras para recortes, resolución y completitud antes de enviarlo.

9. Documentación y gestión de datos

1. Almacena las versiones original y mejorada de cada imagen como archivos emparejados para que cada salida mejorada pueda rastrearse hasta su imagen fuente correspondiente.
2. Registrar el repositorio fuente de cada ilustración, incluyendo el nombre del archivo o repositorio, la URL estable o la información de acceso cuando esté disponible, el estado de reutilización y la fecha de acceso.
3. Registra el método de procesamiento de cada imagen, incluyendo el método de extracción, el paso de preprocesamiento, el software de mejora, la versión del software, el modelo seleccionado, el factor de escala, el formato de salida y el nombre final del archivo.
4. Anota si cada imagen fue extraída mediante exportación PDF o captura de captura, si el recorte se limitó a márgenes no informativos y si la mejora utilizó el ajuste fijo de superresolución 16x.
5. Conservar los nombres de los archivos de salida generados por software siempre que sea posible, o asignar nombres estructurados que registren la identidad de la imagen de origen, la escala de mejora y el formato de salida.
6. Documenta si cada salida mejorada era técnicamente aceptable o subóptima. Los hallazgos subóptimos pueden incluir la formación artificial de texturas, un enfoque excesivo, etiquetas distorsionadas o cambios visualmente engañosos en las líneas.

Resultados

Las comparaciones representativas de imágenes originales y mejoradas se proporcionan en las figuras manuscritas. La fecha de publicación, la procedencia de la fuente, la información del repositorio y el estado de reutilización fueron verificados y documentados para cada una de las 40 ilustraciones históricas incluidas en este estudio.

Conjunto de datos de imágenes y características de la fuente
El protocolo se aplicó a 40 ilustraciones neuroanatómicas históricas digitalizadas. La fecha de publicación, procedencia y estado de reutilización de cada ilustración fueron verificados individualmente antes de su inclusión, y todas las ilustraciones seleccionadas se originaron en obras publicadas entre los siglos XVI y XIX. Las ilustraciones incluidas representaban una variedad de temas neuroanatómicos, incluyendo anatomía de la superficie cortical, giros y surcos cerebrales, estructuras ventriculares, regiones del tronco encefálico, anatomía relacionada con los nervios craneales y características vasculares. Las imágenes se obtuvieron de fuentes históricas digitalizadas de dominio público, con permisos autorizados o compatibles con la reutilización; La información del repositorio y el estado de reutilización se documentaron individualmente para las 40 ilustraciones.

Las reproducciones digitalizadas originales mostraron limitaciones comunes encontradas en materiales históricos, incluyendo baja resolución aparente, líneas desvaídas, decoloración de fondo, desenfoque relacionado con el escaneo, artefactos de compresión y menor legibilidad de etiquetas pequeñas. Estas limitaciones proporcionaron casos de prueba prácticos para aplicar el flujo de trabajo estandarizado de mejoras. Las imágenes originales sin mejoras se conservaron como archivos base y se emparejaron con sus correspondientes salidas mejoradas a lo largo del flujo de trabajo.

Resultado técnico del flujo de trabajo de mejora
Las 40 imágenes de referencia se procesaron utilizando el mismo software de escalado de imágenes asistido por IA instalado localmente con ajustes fijos de mejora. Se aplicó un preset de superresolución 16x de forma consistente a todas las imágenes incluidas, y las salidas mejoradas se exportaron en formato PNG. No se realizó ningún redibujo manual, recoloración, corrección selectiva ni retoque anatómico antes ni después de la mejora. El procesamiento se realizaba en un ordenador equipado con una unidad central móvil de procesamiento de 16 núcleos y 24 hilos, una unidad de procesamiento gráfico dedicada para portátiles con 8 GB de memoria gráfica y 32 GB de RAM, con la aceleración de la unidad gráfica activada. El tiempo de procesamiento era de aproximadamente 3 minutos por imagen, dependiendo de las dimensiones de la imagen de entrada.

Las imágenes mejoradas generalmente mostraban una mayor nitidez aparente, una definición de líneas más marcada, una separación más clara entre el trazo anatómico y el fondo, y una mayor visibilidad percibida de pequeños detalles anatómicos o textuales. Estos efectos fueron más evidentes en imágenes con tinta desvaída, bajo contraste o desenfoque relacionado con el escaneo. La mejora se interpretó como un procesamiento técnico de reproducciones digitalizadas más que como la restauración de la obra histórica original.

Una limitación práctica del flujo de trabajo era el aumento sustancial en el tamaño del archivo de salida. En algunos casos, archivos de aproximadamente 1 MB aumentaban a más de 200 MB tras una mejora 16x. Por lo tanto, la capacidad de almacenamiento, la gestión de archivos y la preparación de figuras deben considerarse al aplicar el flujo de trabajo a colecciones de imágenes más grandes.

Resultados representativos de mejora exitosa
Ejemplos representativos en parejas demostraron el efecto práctico del protocolo en ilustraciones neuroanatómicas históricas de diferentes fuentes y períodos (Figura 2, Figura 3, Figura 4 y Figura 5). En ejemplos exitosos, las imágenes mejoradas mostraron contornos anatómicos más claros, mayor continuidad del trabajo de líneas finas y una mayor visibilidad percibida de regiones complejas, incluyendo giros corticales, estructuras ventriculares, líneas vasculares y detalles relacionados con el tronco encefálico.

El formato de figuras emparejadas permitía la comparación directa entre las versiones original y mejorada. A baja ampliación, las mejoras más evidentes fueron la claridad global, el contraste y la legibilidad. A mayor aumento, las diferencias en la continuidad de la línea, la definición de bordes y la visibilidad de etiquetas pequeñas se hicieron más evidentes. Las regiones de interés emparejadas fueron útiles para demostrar el efecto local de la mejora en detalles anatómicamente relevantes.

La imagen original seguía siendo esencial para la interpretación en todos los casos. Por tanto, las imágenes mejoradas deberían presentarse como imágenes procesadas complementarias y no como sustitutos de la fuente histórica original.

Resultados subóptimos de mejora y hallazgos en el control de calidad
Aunque el flujo de trabajo produjo resultados técnicamente aceptables en la mayoría de los ejemplos representativos, se observaron varias limitaciones durante la revisión de control de calidad. En algunas imágenes, el proceso de mejora aumentó la textura artificial, exageró el grano del papel o distorsionó letras pequeñas y etiquetas. En otros casos, las líneas finas parecían excesivamente nítidas o visualmente más gruesas que en la imagen original.

Estos resultados subóptimos eran más probables en imágenes con degradación basal severa, baja resolución de la fuente, etiquetado denso o textura prominente del papel. Estos hallazgos ponen de relieve la necesidad de una comparación directa con la imagen original tras la mejora. También apoyan un paso de control de calidad antes de utilizar imágenes mejoradas en materiales educativos, presentaciones o figuras académicas. Esta revisión estructurada se utilizó como documentación técnica de control de calidad en lugar de un estudio formal de validación experto-evaluador.

Un ejemplo subóptimo se incluye como la Figura 6 para demostrar las limitaciones del método. Esto es especialmente importante porque la mejora asistida por inteligencia artificial puede mejorar la claridad visual y, al mismo tiempo, generar cambios que podrían confundirse con detalles históricos o anatómicos auténticos.

Interpretación recomendada de salidas mejoradas
Los resultados de este protocolo deben interpretarse como una demostración de la viabilidad técnica y la reproducibilidad del flujo de trabajo. El método puede mejorar la percepción de accesibilidad visual de ilustraciones neuroanatómicas históricas digitalizadas, especialmente cuando la imagen digitalizada original se ve afectada por desenfoque, desvanecimiento o reducción de la claridad de las líneas. Sin embargo, los resultados mejorados no establecen la restauración de la obra original, la recuperación de información perdida ni la precisión anatómica.

Para la enseñanza, presentación o visualización de archivo, la imagen mejorada debe mostrarse junto a la fuente original digitalizada o estar claramente vinculada a ella. Este enfoque combinado preserva la transparencia histórica y reduce el riesgo de sobreinterpretar los cambios relacionados con la mejora. Por tanto, el protocolo es más adecuado como un flujo de trabajo controlado de mejora visual para reproducciones digitalizadas, no como un método para reemplazar material fuente histórico.

Figura 1: Flujo de trabajo para la mejora asistida por IA de ilustraciones neuroanatómicas históricas digitalizadas. El esquema resume la adquisición de imágenes a partir de repositorios digitales, la preparación de imágenes, la mejora fija del 16× asistida por IA y la exportación de la imagen mejorada para su posterior evaluación y documentación. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 2: Mejora representativa de una ilustración neuroanatómica histórica digitalizada de Vesalio. La ilustración fue obtenida de una fuente histórica digitalizada de De humani corporis fabrica libri septem de Andreas^{Vesalio 13}. (A) Ilustración digitalizada original antes de la mejora. (B) Versión mejorada con superresolución de la misma ilustración. (C) Región ampliada de interés respecto a la imagen original. (D) Coincidió la región ampliada de interés de la imagen mejorada. Los cuadros rojos indican las regiones ampliadas en los paneles C y D. La comparación por parejas muestra una mayor definición percibida de líneas, contraste y claridad visual, permitiendo la comparación directa con la imagen digitalizada original. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 3: Mejora representativa de una ilustración neuroanatómica histórica digitalizada de Steno. La ilustración fue obtenida de una fuente histórica digitalizada del Discours de Monsieur Stenon sur l'anatomie du cerveau de Nicolas^{Steno 14}. (A) Ilustración digitalizada original antes de la mejora. (B) Versión mejorada con superresolución de la misma ilustración. (C) Región ampliada de interés respecto a la imagen original. (D) Coincidió la región ampliada de interés de la imagen mejorada. Los cuadros rojos indican las regiones ampliadas en los paneles C y D. La imagen mejorada muestra una mayor visibilidad aparente del trabajo de líneas finas y una reducción de la degradación visual relacionada con el escaneo. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 4: Mejora representativa de una ilustración neuroanatómica histórica digitalizada de Rolando. La ilustración fue obtenida de una fuente histórica digitalizada de Della struttura degli emisferi cerebrali de Luigi^{Rolando 15}. (A) Ilustración digitalizada original antes de la mejora. (B) Versión mejorada con superresolución de la misma ilustración. (C) Región ampliada de interés respecto a la imagen original. (D) Coincidió la región ampliada de interés de la imagen mejorada. Los cuadros rojos indican las regiones ampliadas en los paneles C y D. La comparación muestra una mayor visibilidad aparente de los detalles de la superficie cortical y la continuidad de la línea anatómica tras el realzo. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 5: Mejora representativa de una ilustración neuroanatómica histórica digitalizada de Vicq d'Azyr. La ilustración se obtuvo de una fuente histórica digitalizada del Traité d'anatomie et de physiologie de Félix Vicq^{d'Azyr 16}. (A) Ilustración digitalizada original antes de la mejora. (B) Versión mejorada con superresolución de la misma ilustración. (C) Región ampliada de interés respecto a la imagen original. (D) Coincidió la región ampliada de interés de la imagen mejorada. Los cuadros rojos indican las regiones ampliadas en los paneles C y D. Los paneles emparejados muestran un mayor contraste percibido y visibilidad de detalle en una placa anatómica histórica. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 6: Resultado subóptimo de mejora asistida por IA en una ilustración neuroanatómica histórica digitalizada de Arnold. La ilustración se obtuvo de una fuente histórica digitalizada de Tabulae anatomicae de Friedrich Arnold¹⁷. (A) Ilustración digitalizada original antes de la mejora. (B) Versión mejorada con superresolución de la misma ilustración. (C) Región ampliada de interés respecto a la imagen original. (D) Coincidió la región ampliada de interés de la imagen mejorada. Los cuadros rojos indican las regiones ampliadas en los paneles C y D. La imagen mejorada demuestra limitaciones relacionadas con el método, incluyendo textura artificial del papel, enfoque excesivo, distorsión parcial de etiquetas pequeñas y trazos visualmente engrosados. Este ejemplo ilustra por qué las imágenes mejoradas deben permanecer emparejadas con la fuente original y pasar por una revisión de control de calidad antes de su uso. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Discusión

Este artículo de métodos presenta un flujo de trabajo reproducible para la mejora asistida por IA de ilustraciones neuroanatómicas históricas digitalizadas. Las imágenes anatómicas históricas han servido durante mucho tiempo como herramientas importantes para la documentación anatómica, la enseñanza y la comunicación científica, y muchas de estas obras están ahora accesibles a través de libros digitalizados, archivos escaneados y repositorios en línea. Sin embargo, su uso en la enseñanza moderna, presentaciones y archivado digital suele estar limitado por baja resolución aparente, líneas desvaídas, decoloración de fondo, desenfoque relacionado con el escaneo, artefactos de compresión y menor legibilidad de etiquetas^pequeñas 12,18,19,20.

La principal fortaleza del protocolo es su simplicidad y reproducibilidad. El protocolo no pretende introducir un nuevo algoritmo de superresolución ni afirmar que las imágenes mejoradas sean históricamente más auténticas que las imágenes fuente. En cambio, su contribución es la estandarización de un flujo de trabajo cauteloso que reduce el riesgo de mejoras incontroladas y ad hoc. El flujo de trabajo utiliza fuentes digitales compatibles con dominio público o reutilización, recorte conservador y una configuración fija de mejora en una aplicación accesible de escalado de imágenes. Se aplicó el mismo preset de superresolución 16x a todas las imágenes incluidas, y no se realizó retoque anatómico manual, redibujo, recoloración ni corrección selectiva. Esto es importante porque las ilustraciones neuroanatómicas históricas no son imágenes digitales ordinarias; Son documentos científicos, educativos, artísticos e históricos. Por lo tanto, la mejora debe interpretarse como el procesamiento de una reproducción digitalizada, no como la restauración de la obra original o la evidencia de que se ha recuperado información anatómica^perdida 19,21,22.

Los métodos de mejora de imagen asistidos por IA y superresolución pueden mejorar la resolución aparente, la definición de los bordes, el contraste y la accesibilidad visual en imágenes degradadas o de baja resolución. En ejemplos exitosos, el flujo de trabajo actual produjo una mayor percepción de la línea anatómica fina, los contornos corticales y ventriculares, los detalles vasculares, las estructuras relacionadas con el tronco encefálico y las pequeñas etiquetas. Estos cambios pueden ser útiles al preparar ilustraciones neuroanatómicas históricas para conferencias, figuras educativas, archivos digitales o presentaciones académicas. Sin embargo, la imagen original debe permanecer disponible como fuente de referencia, y las imágenes mejoradas deben usarse como imágenes procesadas complementarias en lugar de^{reemplazos 9,23,24}.

El control de calidad posterior a la mejora es un paso esencial en el protocolo. La mejora asistida por IA puede producir ocasionalmente resultados subóptimos, especialmente en imágenes con degradación basal severa, etiquetado denso, baja resolución de la fuente o textura prominente del papel. Los problemas potenciales incluyen la formación artificial de texturas, el enfoque excesivo, el engrosamiento de líneas finas, la distorsión de letras diminutas y cambios visualmente engañosos en la continuidad de las líneas. Estos riesgos son coherentes con preocupaciones más amplias sobre la fiabilidad anatómica de las ilustraciones médicas generadas o modificadas por IA, en las que la plausibilidad visual no garantiza necesariamente la precisión anatómica. Por esta razón, cada salida mejorada debe compararse directamente con la fuente digitalizada original antes de su^{uso 12, 25 y 26}.

Este protocolo tiene varias limitaciones. Primero, la calidad de la salida mejorada depende en gran medida de la calidad de la imagen fuente. Imágenes gravemente degradadas, incompletas o mal escaneadas pueden no producir resultados fiables. En segundo lugar, la mejora 16x puede aumentar sustancialmente el tamaño del archivo de salida, lo que puede complicar el almacenamiento, la transferencia y la preparación de figuras. La escala 16x seleccionada no se comparó con factores de escala alternativos y no debe interpretarse como óptima. En tercer lugar, este artículo no proporciona métricas objetivas de calidad de imagen, puntuaciones de evaluadores expertos ni datos de resultados educativos. En su lugar, el actual protocolo proporciona documentación técnica estructurada de control de calidad y enmarca explícitamente imágenes mejoradas como visualizaciones complementarias en lugar de reemplazos validados de fuentes históricas originales. El objetivo es describir un flujo de trabajo técnico estandarizado en lugar de demostrar su superioridad sobre otros algoritmos de mejora o medir los resultados de aprendizaje.

Futuros estudios podrían comparar diferentes modelos de mejora, factores de escala y métricas objetivas de calidad de imagen como nitidez, contraste, preservación de bordes, legibilidad del texto, tamaño de archivo y tiempo de procesamiento. Los estudios educativos también pueden evaluar si las imágenes históricas mejoradas mejoran la implicación del alumno o la comprensión anatómica. En su forma actual, el protocolo ofrece un enfoque práctico y reproducible para mejorar la accesibilidad visual de ilustraciones neuroanatómicas históricas digitalizadas, preservando al mismo tiempo la transparencia de las fuentes y la cautela interpretativa. La imagen mejorada debe considerarse un complemento digital procesado de la fuente original, no una referencia anatómica independiente.

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Adobe Acrobat	Adobe	Versión no registrada	Extracción de imágenes basada en PDF
Estación de trabajo de computadora	No se informa en los archivos enviados	Configuración no informada	Hardware utilizado para mejora de imágenes asistida por IA local
Configuración de pantalla/captura de pantalla	Herramienta de captura de pantalla de Windows o equivalente	Magnificación de pantalla del 100% o 200%; escalado del monitor registrado	Extracción estandarizada basada en captura de pantalla cuando no fue factible la exportación directa de PDF
Gallica	Bibliothèque nationale de France	Repositorio en línea	Fuente de obras históricas digitalizadas
Preajuste General Photo Real-ESRGAN	Modelo basado en Upscayl / Real-ESRGAN	Configuración 16x	Mejora de superresolución de ilustraciones digitalizadas
Google Books	Google	Repositorio en línea	Fuente de libros históricos digitalizados
Unidad de procesamiento gráfico	No se informa en los archivos enviados	Modelo y estado de aceleración no informados	Aceleración de GPU para el escalado de imágenes cuando está habilitado
Internet Archive	Internet Archive	Repositorio en línea	Fuente de obras históricas digitalizadas de dominio público
Unidad de almacenamiento local	Estación de trabajo especificada por el usuario	Espacio de almacenamiento libre suficiente	Almacenamiento de archivos de imágenes originales, mejorados y listos para figuras
Configuración de exportación de PDF	Adobe Acrobat o software de lectura/exportación de PDF equivalente	Resolución incrustada original cuando esté disponible	Extracción de imágenes de fuentes PDF digitalizadas sin submuestreo intencional
PhotoScape X	MOOII Tech	v4.1.1	Recorte conservador y preparación de figuras
Formato de imagen PNG	—	—	Formato de salida para imágenes mejoradas
Hoja de cálculo de registro de procesamiento	Microsoft Excel o software de hoja de cálculo equivalente	La versión no es crítica	Documentación de la fuente, método de extracción, configuración de mejora, tiempo de procesamiento, nombre de archivo de salida y clasificación de control de calidad
Lista de verificación de control de calidad	Lista de verificación generada por el autor	No aplicable	Revisión técnica estructurada para textura artificial, nitidez excesiva, distorsión de etiquetas, engrosamiento de líneas y cambios visuales no admitidos
Memoria del sistema	No se informa en los archivos enviados	Capacidad de RAM no informada	Memoria disponible para mejora de imágenes a gran escala
Upscayl	Upscayl	v2.11.5	Mejora de imágenes asistida por inteligencia artificial
Wellcome Collection	Wellcome Collection	Repositorio en línea	Fuente de obras históricas digitalizadas de dominio público
Wikimedia Commons	Wikimedia Foundation	Repositorio en línea	Fuente de imágenes de dominio público o compatibles con la reutilización
Sistema operativo Windows	Microsoft	Windows 10	Sistema operativo utilizado para la extracción y procesamiento de imágenes
Herramienta de captura de pantalla de Windows	Microsoft	Herramienta incorporada de Windows 10	Captura de imágenes basada en captura de pantalla cuando no fue factible la exportación de PDF