È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo metodologico

Un protocollo riproducibile per il miglioramento assistito dall'intelligenza artificiale di illustrazioni neuroanatomiche storiche digitalizzate

79 visualizzazioni

⸱

DOI:

10.3791/72309

⸱

7 agosto 2026

 ,  ,  ,  ,  , 
1Department of Neurosurgery, Dörtyol State Hospital, 2Department of Neurosurgery, Istanbul University, 3Department of Neurosurgery, Adiyaman Training and Research Hospital, 4Department of Neurosurgery, Altınbas University Medical Park Bahcelievler Hospital, 5Department of Neurosurgery, Yeditepe University School of Medicine, 6Department of Neurosurgery, Istinye University

In questo articolo

Sommario

Questo articolo di metodo presenta un flusso di lavoro riproducibile e controllato dalla qualità per il miglioramento assistito dall'intelligenza artificiale di illustrazioni neuroanatomiche storiche digitalizzate. Il protocollo definisce la selezione della sorgente, l'estrazione, la standardizzazione dei file, l'elaborazione locale a super-risoluzione, l'archiviazione abbinata originale-migliorata, la revisione tecnica del controllo qualità e la documentazione sia di output accettabili che subottimali.

Abstract

Le illustrazioni neuroanatomiche storiche digitalizzate sono risorse preziose per l'educazione anatomica, la ricerca storica e l'archiviazione digitale. Tuttavia, il loro uso pratico nel materiale didattico e nella presentazione accademica è spesso limitato da bassa risoluzione apparente, sbiadimenti, decolorazione della carta, artefatti di compressione e ridotta leggibilità di fini linee anatomiche o etichette. La super-risoluzione assistita dall'intelligenza artificiale può migliorare l'usabilità visiva di queste riproduzioni digitalizzate, ma un miglioramento incontrollato può anche introdurre texture artificiali, continuità di linea alterata, etichette distorte o dettagli visivamente plausibili non supportati dall'immagine sorgente. Pertanto, sono necessarie procedure standardizzate e trasparenti quando si applica il miglioramento assistito dall'intelligenza artificiale alle illustrazioni scientifiche storiche.

Questo articolo descrive un flusso di lavoro passo dopo passo per il miglioramento controllato di illustrazioni neuroanatomiche storiche digitalizzate. Il protocollo include la selezione dell'immagine sorgente, la documentazione dello stato di provenienza e riutilizzo, l'estrazione dell'immagine, la pre-elaborazione conservativa, il miglioramento locale della super-risoluzione tramite impostazioni fisse, l'archiviazione abbinata originale-migliorata, l'ispezione basata sulla regione di interesse e la documentazione strutturata di controllo qualità tecnico. Il flusso di lavoro è pensato per migliorare l'accessibilità visiva per l'insegnamento, la presentazione e l'ispezione visiva preliminare, mantenendo al contempo un collegamento interpretativo diretto tra ogni output migliorato e la sua fonte digitalizzata originale.

Il metodo dovrebbe essere considerato come un miglioramento ausiliario delle riproduzioni digitali scansionate, non come il restauro di opere originali, l'autenticazione di fonti storiche o il recupero di informazioni anatomiche perse. Le versioni originali e migliorate devono essere archiviate insieme, e i risultati migliorati devono essere esaminati per eventuali artefatti prima dell'uso. Questo protocollo offre un approccio pratico, a basso costo e riproducibile per preparare immagini neuroanatomiche storiche come visualizzazioni complementari in coppia, mantenendo però la cautela riguardo all'integrità anatomica e storica.

Introduzione

Le illustrazioni neuroanatomiche storiche hanno svolto un ruolo importante nella documentazione visiva, nell'insegnamento e nell'interpretazione del sistema nervoso. Prima dello sviluppo della neuroimaging moderna, le placche anatomiche servivano come mezzo principale per comunicare le osservazioni del cervello, dei ventricoli cerebrali, dei nervi cranici, delle strutture vascolari e dell'anatomia del tronco encefalico 1,2,3. Molte di queste opere sono ora accessibili tramite libri digitalizzati, collezioni archivistiche scansionate e archivi online. Tuttavia, l'uso diretto di illustrazioni storiche digitalizzate nell'insegnamento moderno, nelle presentazioni e nell'archiviazione digitale è spesso limitato da bassa risoluzione, sbiadimenti, decolorazione della carta, artefatti di compressione, sfocatura legata alla scansione e ridotta leggibilità di linee sottili o etichette 4,5,6,7,8.

Il miglioramento delle immagini assistito dall'IA e i metodi di super-risoluzione offrono un'opportunità pratica per migliorare l'usabilità visiva di immagini digitalizzate degradate o a bassa risoluzione. Gli algoritmi di super-risoluzione basati sul deep learning possono aumentare la risoluzione apparente, migliorare la definizione dei bordi e ridurre il degrado visivo legato alla scansione nelle immaginidigitali 9,10,11,12. Per le illustrazioni neuroanatomiche storiche, tali metodi possono aiutare a chiarire linee anatomiche sottili, etichette e confini strutturali difficili da ispezionare nella riproduzione digitale originale. Tuttavia, le immagini anatomiche storiche richiedono cautela. Queste illustrazioni non sono solo materiali didattici visivi, ma anche documenti scientifici e storici. Il miglioramento può migliorare la chiarezza ma può anche modificare la texture delle linee, esagerare i bordi, modificare le ombreggiature o creare dettagli artificiali se applicato senza un flusso di lavoro standardizzato.

Per questo motivo, il miglioramento assistito dall'intelligenza artificiale delle illustrazioni anatomiche storiche dovrebbe essere eseguito come un processo tecnico controllato piuttosto che come manipolazione illimitata delle immagini. Un protocollo riproducibile dovrebbe definire come vengono selezionate le immagini sorgente, come vengono documentate la provenienza e lo stato di riutilizzo, come vengono estratte e standardizzate le immagini, quali impostazioni di miglioramento vengono applicate, come vengono archiviati i file di output e come vengono verificate le immagini migliorate per eventuali artefatti. Le versioni originali e migliorate dovrebbero rimanere collegate durante tutto il flusso di lavoro, così che l'output migliorato possa sempre essere interpretato come una riproduzione digitale elaborata piuttosto che come un'immagine restaurata o storicamente originale.

Un flusso di lavoro standardizzato è preferibile al miglioramento assistito dall'intelligenza artificiale ad hoc perché definisce la selezione della sorgente, la pre-elaborazione conservativa, le impostazioni fisse di miglioramento, l'archiviazione abbinata originale-migliorata e il controllo qualità post-miglioramento prima dell'utilizzo dell'immagine elaborata. Gli utenti finali previsti includono anatomisti, neurochirurghi, educatori medici, storici dell'anatomia, illustratori medici e utenti di archivi digitali che necessitano di copie accompagnatrici visivamente leggibili mantenendo l'accesso diretto alla fonte originale.

Questo articolo sui metodi presenta un protocollo passo dopo passo per il miglioramento assistito dall'IA di illustrazioni neuroanatomiche storiche digitalizzate. La sequenza principale di elaborazione delle immagini, inclusa la preparazione delle immagini, il miglioramento della super-risoluzione fissa al 16× e l'esportazione PNG, è riassunta nella Figura 1. I passaggi successivi del protocollo includono l'archiviazione abbinata originale-migliorata, il controllo qualità post-miglioramento, l'ispezione visiva basata sulla regione di interesse e la documentazione di risultati positivi e subottimali. Il protocollo non intende rivendicare il restauro di opere originali o il recupero di informazioni anatomiche perse; piuttosto, è inteso a migliorare l'accessibilità visiva delle riproduzioni digitalizzate preservando al contempo la relazione interpretativa tra l'immagine migliorata e la fonte originale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo protocollo veniva applicato solo a illustrazioni neuroanatomiche storiche digitalizzate e non coinvolgeva partecipanti umani, dati dei pazienti, soggetti animali, campioni biologici o informazioni personali identificabili; Pertanto, l'approvazione istituzionale della ricerca umana-soggetto non era applicabile. Tutte le immagini sono state ottenute da fonti storiche di pubblico dominio, autorizzate o autorizzate correttamente.

1. Considerazioni sull'uso delle sorgenti

  1. Verifica la provenienza di ogni immagine prima di elaborarla, inclusi l'autore storico, il titolo della fonte, l'anno approssimativo di pubblicazione e la fonte digitale.
  2. Interpretare i risultati migliorati come riproduzioni digitali processate piuttosto che come opere d'arte originali restaurate o prove che sono state recuperate informazioni anatomiche perse.
  3. Archiviare insieme i file originali e migliorati in modo che l'immagine elaborata possa sempre essere confrontata direttamente con l'immagine sorgente.

2. Selezione di illustrazioni neuroanatomiche storiche digitalizzate

  1. Illustrazioni storiche digitalizzate selezionate pubblicate dal XVI al XIX secolo.
  2. Includere illustrazioni che raffigurano strutture neuroanatomiche come il cervello, gli emisferi cerebrali, i giri e i solchi, il sistema ventricolare, il tronco encefalico, i nervi cranici, la vascolarizzazione cerebrale o l'anatomia del sistema nervoso correlato.
  3. Includere solo immagini ottenute da fonti con provenienza identificabile e status di pubblico dominio o compatibile con il riutilizzo. Confermare che ogni illustrazione selezionata sia stata pubblicata tra il XVI e il XIX secolo e che la sua provenienza e stato di riutilizzo siano stati verificati individualmente prima dell'inclusione.
  4. Escludere immagini duplicate, immagini fortemente ritagliate, tavole incomplete, riproduzioni moderne ridisegnate o immagini con una chiarezza di sorgente insufficiente, inclusi file sorgente con dimensioni a asse lungo inferiori a circa 1.000 pixel quando disponibile una versione di qualità superiore, contenuti anatomici mancanti o ritagliati che interessano più del 20% dell'illustrazione, etichette illeggibili nella regione selezionata, gravi artefatti di compressione, oppure degradazione legata alla scansione che impedisce il confronto con l'immagine originale.
  5. Identificare le illustrazioni duplicate confrontando l'autore storico, il titolo della fonte, l'anno di pubblicazione, il numero di tavola o pagina quando disponibile, i metadati del repository e i contenuti visivi. Quando sono disponibili scansioni duplicate, mantenere la versione con risoluzione più elevata, confini delle placche più completi e etichette più chiare.
  6. Assegna a ciascuna immagine inclusa un'identità di file unica prima dell'elaborazione.
  7. Mantieni le versioni originali e migliorate di ogni immagine durante tutto il flusso di lavoro.

3. Estrazione di immagini da fonti digitalizzate

  1. Apri il file sorgente digitalizzato utilizzando la versione di massima qualità disponibile.
  2. Recupera ogni illustrazione di bersaglio esportandola dal file sorgente in formato documento portatile (PDF) o catturandola dalla fonte digitale quando l'esportazione diretta non è fattibile.
  3. Usa un lettore PDF o un software di esportazione per l'estrazione delle immagini basate su PDF. Usa un utility standard di cattura dello schermo solo quando l'esportazione diretta non è fattibile.
  4. Per l'estrazione basata su PDF, utilizzare la risoluzione originale dell'immagine incorporata quando disponibile ed evitare il downsampling durante l'esportazione. Per l'estrazione basata su screenshot, visualizza la sorgente al 100% o 200% di ingrandimento e registra la risoluzione dello schermo, l'ingrandimento del display, le impostazioni di scala del monitor e le dimensioni degli screenshot risultanti.
  5. Salva l'immagine estratta in formato Joint Photographic Experts Group (JPEG) o Portable Network Graphics (PNG), a seconda della disponibilità della sorgente e del metodo di estrazione.
  6. Conserva l'intera illustrazione anatomica durante l'estrazione quando possibile. Se l'illustrazione completa non può essere preservata, applicare i criteri di esclusione al passo 2.4 e documentare il ritaglio.
  7. Conservare etichette e marcature storicamente rilevanti se fanno parte dell'illustrazione principale. Non disegnare, ricolorare, ricostruire o ritoccare manualmente le strutture anatomiche durante l'estrazione.

4. Preprocessing e standardizzazione dei file prima del miglioramento

  1. Rivedi ogni immagine estratta prima di migliorare.
  2. Ritaglia solo i margini esterni non informativi o le aree circostanti vuote. Non eseguire correzioni visive manuali se non il ritagliamento. In particolare, non applicare affilatura manuale, derumore di rumore, ricolorazione, ridisegno, pulizia selettiva o ritocchi anatomici prima del miglioramento.
  3. Usa solo software di editing immagini per ritaglio conservativo e semplice preparazione del layout. Non eseguire ritocchi anatomici.
  4. Conserva le immagini di base come file di riferimento originali prima del miglioramento. Non forzare la dimensione e la risoluzione di base dell'immagine in una singola dimensione pixel uniforme prima dell'elaborazione perché le dimensioni originali della sorgente variano tra le lastre storiche.
  5. Conferma che ogni file preelaborato rimanga una riproduzione digitalizzata fedele dell'immagine sorgente originale prima di procedere con il miglioramento assistito dall'IA.

5. Miglioramento assistito dall'intelligenza artificiale

  1. Apri l'immagine di input standardizzata in un software di upscaling basato su intelligenza artificiale installato localmente.
  2. Utilizzare la modalità di elaborazione a singola immagine , a meno che non sia specificamente richiesta l'elaborazione batch.
  3. Seleziona l'immagine di input usando la funzione Seleziona Immagine .
  4. Seleziona un modello o preset a super-risoluzione fissa prima dell'elaborazione e usa lo stesso modello per tutte le immagini incluse.
  5. Imposta la scala dell'immagine a 16x per riprodurre l'impostazione fissa usata in questo workflow e registra che i parametri predefiniti del software non sono stati modificati manualmente. Non interpretare la scala selezionata come ottimizzata o superiore a fattori di scala alternativi.
  6. Usa le stesse impostazioni di miglioramento per tutte le immagini incluse per mantenere la coerenza nel flusso di lavoro.
  7. Imposta la cartella di output sulla stessa directory dell'immagine di input o su una cartella di output progetto predefinita, e usa una cartella di output separata quando possibile per evitare sovrascritture accidentali dei file originali.
  8. Esegui il miglioramento su un computer dotato di un'unità centrale di elaborazione mobile di 16 core e 24 thread di 13ª generazione, un'unità dedicata di elaborazione grafica per laptop con 8 GB di memoria grafica e 32 GB di RAM. Abilita l'accelerazione delle unità di elaborazione grafica (GPU) durante l'elaborazione dell'immagine per ridurre il tempo di elaborazione a circa 3 minuti per immagine, a seconda delle dimensioni dell'immagine in ingresso.
    NOTA: L'accesso a Internet non sarà più richiesto dopo che il software e i file modello sono stati installati localmente.
  9. Esegui il processo di miglioramento utilizzando il comando di miglioramento o di avvio dell'elaborazione del software.
  10. Esporta l'output migliorato in formato PNG.
  11. Conservare il nome file di output automatico generato dal software quando possibile, oppure assegnare un nome file strutturato che registri l'identità dell'immagine sorgente, la scala di miglioramento e il formato di output.
    NOTA: Non disegnare, ritoccare, ricolorare o correggere manualmente dettagli anatomici dopo il miglioramento dell'IA.
  12. Archivia il file PNG migliorato insieme all'immagine di base originale.

6. Revisione del controllo qualità post-miglioramento

  1. Apri ogni immagine migliorata insieme alla corrispondente immagine originale. Conferma che il file migliorato sia stato generato completamente e che non si sia verificata corruzione o esportazione incompleta.
  2. Confronta l'immagine migliorata con quella originale a basso e alto ingrandimento. Controlla se il miglioramento sembra migliorare la visibilità delle linee, dei contorni anatomici, delle etichette e dei dettagli scansionati.
  3. Applica una checklist strutturata per il controllo qualità tecnico. Questa checklist è un passaggio di documentazione piuttosto che uno studio formale di validazione da parte degli esperti valutatori.
  4. Ispezionare specificamente l'output per i seguenti problemi legati al miglioramento: formazione di texture artificiali; affilatura eccessiva, inclusi linee sottili spesse, grana di carta esagerata o bordi che appaiono più pronunciati rispetto all'immagine originale; distorsione di lettere o etichette; falsa continuità tra linee separate; ispessimento delle linee anatomiche sottili; tessură della carta esagerata; e strutture che non sono chiaramente supportate dall'immagine originale.
  5. Classifica ogni output come tecnicamente accettabile o subottimale.
    1. Considera un risultato tecnicamente accettabile se i contorni anatomici, le etichette e i segni storici rimangono visivamente coerenti con l'immagine digitalizzata originale.
    2. Si considera un'uscita subottimale se l'arricchimento produce texture fuorviante, testo distorto, formazione artificiale di righe o alterazioni eccessive dell'aspetto storico. Conservare output subottimali per la documentazione quando illustrano i limiti del metodo.
  6. Non sostituire l'immagine originale con quella migliorata. Usa l'immagine migliorata solo come versione companion elaborata.

7. Selezione per regione di interesse per il confronto a coppie

  1. Seleziona manualmente una o più regioni rappresentative di interesse (ROI) da ogni coppia di immagini dopo che le immagini complete originali e migliorate sono state archiviate. Scegli aree che dimostrino l'effetto pratico del potenziamento sulla visualizzazione neuroanatomica. Preferisci regioni che contengono dettagli anatomici visivamente complessi o ricchi di profondità, come strutture ventricolari, giri e solci, linee vascolare, contorni del tronco encefalico, dettagli legati ai nervi cranici o piccole marcate. Evita di selezionare solo le regioni visivamente migliori; Includere regioni che rappresentino in modo equo i punti di forza e i limiti del potenziamento.
  2. Per ogni regione selezionata, ritaglia la stessa area anatomica delle immagini originali e migliorate usando coordinate proporzionali identiche. Se non è possibile l'abbinamento esatto delle coordinate a causa delle diverse dimensioni dell'immagine, documenta la regolazione. Utilizzare un ROI di circa il 10%–20% della larghezza e altezza dell'immagine, regolato solo quando necessario per includere la stessa struttura anatomica o etichetta in entrambi i pannelli.
  3. Assicurati che i pannelli ROI originali e potenziati mostrino lo stesso campo anatomico. Non applicare ulteriori affilati, regolazioni del contrasto o correzioni manuali ai pannelli ROI dopo il ritaglio.
  4. Usa i pannelli ROI solo per dimostrazione visiva dell'effetto di miglioramento, non come materiale indipendente per valutare esperti.

8. Preparazione di figure rappresentative

  1. Prepara una figura del flusso di lavoro che riassuma l'intero protocollo.
  2. Prepara figure rappresentative in coppia che mostrano versioni originali e migliorate.
  3. Per ogni figura rappresentativa, usa una struttura a quattro pannelli quando possibile. Posizionare l'illustrazione digitale originale nel pannello A; l'illustrazione potenziata dall'IA nel pannello B; il ROI amplificato dall'immagine originale nel pannello C; e il ROI ingrandito corrispondente dall'immagine migliorata nel pannello D.
  4. Usa una spaziatura costante dei pannelli, un allineamento, etichette e un ingrandimento costanti tra pannelli abbinati e originali migliorati. Usa un font standard senza serif a una dimensione coerente e leggibile per etichette e annotazioni dei pannelli, e registra il font e la dimensione selezionati.
  5. Usa frecce o punte di freccia solo quando necessario per indicare una linea, un'etichetta o un artefatto specifico, e non aggiungere frecce che implicano un'interpretazione anatomica non visibile nell'immagine originale.
  6. Aggiungi barre di scala solo quando l'immagine sorgente fornisce una calibrazione spaziale affidabile. Per le targhe storiche senza una scala spaziale valida, non aggiungere barre di scala.
  7. Non applicare ulteriori regolazioni di luminosità o contrasto durante la preparazione dei pannelli originali e potenziati. Le cifre di esportazione a 300 dpi, o 600 dpi quando le linee fini e le etichette richiedono un display ad alta risoluzione.
  8. Includi esempi da diverse fonti storiche per dimostrare che il flusso di lavoro può essere applicato a diversi stili di disegno e qualità di scansione. Includere almeno un esempio che mostri un risultato di miglioramento subottimale, come la formazione artificiale di texture o la distorsione del testo, per dimostrare i limiti del metodo.
  9. Esporta le figure come file PDF, TIFF o JPEG di alta qualità separati senza legende incorporate. Per l'esportazione PDF, conserva le dimensioni dell'immagine sorgente ed evita il downsampling o la compressione con perdita.
  10. Fornisci le legende delle figure solo nel file del manoscritto.
  11. Controlla tutti i pannelli delle figure per ritagliare, risoluzione e completezza prima di inviarlo.

9. Documentazione e gestione dei dati

  1. Memorizza le versioni originale e migliorata di ogni immagine come file accoppiati in modo che ogni output migliorato possa essere rintracciato fino all'immagine sorgente corrispondente.
  2. Registra il repository sorgente per ogni illustrazione, inclusi il nome dell'archivio o del repository, URL stabile o informazioni di accessione quando disponibili, stato di riutilizzo e data di accesso.
  3. Registra il metodo di elaborazione per ogni immagine, inclusi il metodo di estrazione, il passaggio di pre-elaborazione, il software di miglioramento, la versione del software, il modello selezionato, il fattore di scala, il formato di output e il nome finale del file.
  4. Registra se ogni immagine è stata estratta tramite esportazione PDF o cattura di screenshot, se il ritaglio è stato limitato ai margini non informativi e se il miglioramento ha utilizzato l'impostazione fissa di super-risoluzione 16x.
  5. Conservare i nomi dei file di output generati dal software quando possibile, oppure assegnare nomi di file strutturati che registrino l'identità dell'immagine sorgente, la scala di miglioramento e il formato di output.
  6. Documenta se ogni output potenziato era tecnicamente accettabile o subottimale. I risultati subottimali possono includere la formazione artificiale di texture, affilatura eccessiva, etichette distorte o cambiamenti di linea visivamente fuorvianti.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Confronti rappresentativi tra immagini originali e migliorate sono forniti nelle figure del manoscritto. La data di pubblicazione, la provenienza delle fonti, le informazioni sul repository e lo stato di riutilizzo sono stati verificati e documentati per ciascuna delle 40 illustrazioni storiche incluse in questo studio.

Dataset di immagini e caratteristiche della sorgente
Il protocollo è stato applicato a 40 illustrazioni neuroanatomiche st...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Questo articolo sui metodi presenta un flusso di lavoro riproducibile per il miglioramento assistito dall'IA di illustrazioni neuroanatomiche storiche digitalizzate. Le immagini anatomiche storiche sono a lungo servite come strumenti importanti per la documentazione anatomica, l'insegnamento e la comunicazione scientifica, e molte di queste opere sono ora accessibili tramite libri digitalizzati, archivi scansionati e archivi online. Tuttavia, il loro utilizzo nell'insegnamento moderno, n...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere conflitti di interesse.

Ringraziamenti

Gli autori riconoscono i depositi digitali di pubblico dominio e le collezioni archivistiche che forniscono accesso a opere anatomiche storiche digitalizzate. Non è stato ricevuto alcun sostegno finanziario per questo studio.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Adobe AcrobatAdobeVersione non registrataEstrazione di immagini basata su PDF
Postazione di lavoroNon riportato nei file inviatiConfigurazione non riportataHardware utilizzato per il miglioramento delle immagini assistito dall'IA locale
Impostazioni di visualizzazione/screenshotStrumento di cattura dello schermo di Windows o equivalenteIngrandimento del display al 100% o 200%; scalabilità del monitor registrataEstrazione standardizzata basata su screenshot quando l'esportazione PDF diretta non era fattibile
GallicaBibliothèque nationale de FranceRepository onlineFonte di opere storiche digitalizzate
Preimpostazione General Photo Real-ESRGANModello basato su Upscayl / Real-ESRGANImpostazione 16xMiglioramento della super risoluzione delle illustrazioni digitalizzate
Google BooksGoogleRepository onlineFonte di libri storici digitalizzati
Unità di elaborazione graficaNon riportato nei file inviatiStato del modello e dell'accelerazione non riportatoAccelerazione GPU per l'ingrandimento delle immagini quando abilitata
Internet ArchiveInternet ArchiveRepository onlineFonte di opere storiche digitalizzate di pubblico dominio
Unità di archiviazione localePostazione di lavoro specificata dall'utenteSpazio di archiviazione libero sufficienteArchiviazione di file immagine originali, migliorati e pronti per la figura
Impostazioni di esportazione PDFAdobe Acrobat o software equivalente di lettura/esportazione PDFRisoluzione incorporata originale quando disponibileEstrazione di immagini da fonti PDF digitalizzate senza downsampling intenzionale
PhotoScape XMOOII Techv4.1.1Ritaglio conservativo e preparazione della figura
Formato immagine PNG——Formato di output per immagini migliorate
Foglio di calcolo del registro di elaborazioneMicrosoft Excel o software di foglio di calcolo equivalenteVersione non criticaDocumentazione di fonte, metodo di estrazione, impostazione di miglioramento, tempo di elaborazione, nome del file di output e classificazione di controllo qualità
Checklist di controllo qualitàChecklist generata dall'autoreNon applicabileRevisione tecnica strutturata per texture artificiale, eccessivo affilamento, distorsione delle etichette, ispessimento delle linee e cambiamenti visivi non supportati
Memoria di sistemaNon riportato nei file inviatiCapacità RAM non riportataMemoria disponibile per il miglioramento delle immagini su larga scala
UpscaylUpscaylv2.11.5Ingrandimento delle immagini assistito dall'intelligenza artificiale
Wellcome CollectionWellcome CollectionRepository onlineFonte di opere storiche digitalizzate di pubblico dominio
Wikimedia CommonsWikimedia FoundationRepository onlineFonte di immagini di pubblico dominio o compatibili con il riutilizzo
Sistema operativo WindowsMicrosoftWindows 10Sistema operativo utilizzato per l'estrazione e l'elaborazione delle immagini
Strumento di cattura dello schermo di WindowsMicrosoftStrumento integrato di Windows 10Cattura di immagini basata su screenshot quando l'esportazione PDF non era fattibile

Riferimenti

  1. Arantius JC. De humano foetu liber tertio editus, ac recognitus. Apud Bartholomaeum Carampellum; Venice; 1595.
  2. Vesalius A. De humani corporis fabrica libri septem. Ex Officina Joannis Oporini; Basel; 1543.
  3. Burdach KF. Vom Baue und Leben des Gehirns. Dyk’sche Buchhandlung; Leipzig; 1819.
  4. McMenamin PG. Art and anatomy in the Renaissance: are the lessons still relevant today? ANZ J Surg. 2022;92(1-2):34-45.
  5. Narang P et al. The evolution of 3D anatomical models: a brief historical overview. World Neurosurg. 2021;155:135-43.
  6. Jocks I, Livingstone D, Rea PM. An investigation to examine the most appropriate methodology to capture historical and modern preserved anatomical specimens for use in the digital age to improve access: a pilot study [conference paper]. Presented at: 9th International Technology, Education and Development Conference; Madrid, Spain; 2015. p. 6377-86.
  7. Mitchell PD et al. The study of anatomy in England from 1700 to the early 20th century. J Anat. 2011;219(2):91-9.
  8. Swarup J, Sreedevi I. DWT based historical image enhancement technique using adaptive gamma correction. Journal of Algebraic Statistics. 2022;13(1):654-64.
  9. Cullinane DP, Franklin C, Barry DS. Reviving the anatomic past: breathing new life into historic anatomical teaching tools. J Anat. 2023;242(4):701-4.
  10. Nwuko OC, Chibueze KI, Nwobodo-Nzeribe HN. Enhancement of digital medical image analysis performance using deep learning technique [conference paper]. Presented at: 1st CEE 2024 International Conference/Alumni Homecoming; Enugu, Nigeria; 2024. p. 49-54. doi:10.5281/zenodo.13384207.
  11. Ozturk S et al. Feasibility of artificial intelligence-based image enhancement program for anatomical dissection photographs. Clin Anat. 2026;39(3):411-8.
  12. Zhou SK et al. A review of deep learning in medical imaging: imaging traits, technology trends, case studies with progress highlights, and future promises. Proc IEEE Inst Electr Electron Eng. 2021;109(5):820-38.
  13. Vesalius A. Andreae Vesalii Bruxellensis De humani corporis fabrica libri septem. Franciscus Senensis and Joannes Criegher Germanus; Venice; 1568.
  14. Steno N. Discours de monsieur Stenon, sur l’anatomie du cerveau à messieurs de l’assemblée, qui se fait chez Monsieur Theuenot. Robert de Ninville; Paris; 1669.
  15. Rolando L. Della struttura degli emisferi cerebrali. Dalla Stamperia Reale; Turin; 1830.
  16. Vicq-d’Azyr F. Traité d’anatomie et de physiologie, avec des planches coloriées représentant au naturel les divers organes de l’homme et des animaux. François-Ambroise Didot l’aîné; Paris; 1786.
  17. Arnold F. Tabulae anatomicae: quas ad naturam accurate descriptas in lucem edidit. Orell, Fuesslin et Sociorum; Zurich; 1838-1842.
  18. Calkins CM, Franciosi JP, Kolesari GL. Human anatomical science and illustration: the origin of two inseparable disciplines. Clin Anat. 1999;12(2):120-9.
  19. Rubalcava NS, Gadepalli SK. From ancient texts to digital imagery: a brief history on the evolution of anatomic illustrations. Am Surg. 2021;87(8):1259-66.
  20. Qiu D, Cheng Y, Wang X. Medical image super-resolution reconstruction algorithms based on deep learning: a survey. Comput Methods Programs Biomed. 2023;238:107590.
  21. Habbal O. The science of anatomy: a historical timeline. Sultan Qaboos Univ Med J. 2017;17(1):e18-22.
  22. Graziani GC et al. Technologies for studying and teaching human anatomy: implications in academic education. Med Sci Educ. 2024;34(5):1203-14.
  23. Singal A. Transforming anatomy education: then and now. Anat Sci Int. 2022;97(2):230-1.
  24. Wickramasinghe N, Thompson BR, Xiao J. The opportunities and challenges of digital anatomy for medical sciences: narrative review. JMIR Med Educ. 2022;8(2):e34687.
  25. Eldesoqui M et al. Assessing the anatomical accuracy of AI-generated medical illustrations: a comparative study of text-to-image generator tools in anatomy education. Clin Anat. 2025;38(6):712-7.
  26. Haider SA et al. A validity analysis of text-to-image generative artificial intelligence models for craniofacial anatomy illustration. J Clin Med. 2025;14(7):2136.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

NeuroscienzeNumero 234Numero 234Miglioramento delle immaginiNeuroanatomiaIllustrazioni storicheConservazione digitalesuper risoluzioneeducazione anatomica
Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.