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

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 immagini^digitali 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.

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.

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 storiche digitalizzate. La data di pubblicazione, la provenienza e lo stato di riutilizzo di ogni illustrazione venivano verificati individualmente prima dell'inclusione, e tutte le illustrazioni selezionate provenivano da opere pubblicate tra il XVI e il XIX secolo. Le illustrazioni incluse rappresentavano una gamma di argomenti neuroanatomici, tra cui anatomia della superficie corticale, giri e solchi cerebrali, strutture ventricolari, regioni del tronco encefalico, anatomia correlata ai nervi cranici e caratteristiche vascolari. Le immagini sono state ottenute da fonti storiche digitalizzate di pubblico dominio, autorizzate o compatibili con il riutilizzo; Le informazioni del repository e lo stato del riutilizzo sono stati documentati individualmente per tutte e 40 le illustrazioni.

Le riproduzioni digitalizzate originali mostravano limitazioni comuni riscontrate nei materiali storici, tra cui bassa risoluzione apparente, linee sbiadite, scolorimento dello sfondo, sfocatura legata alla scansione, artefatti di compressione e ridotta leggibilità delle piccole etichette. Queste limitazioni fornivano casi di test pratici per l'applicazione del flusso di lavoro standardizzato di miglioramento. Le immagini originali non migliorate sono state mantenute come file di base e sono state abbinate ai rispettivi output migliorati durante tutto il flusso di lavoro.

Output tecnico del flusso di lavoro di miglioramento
Tutte e 40 le immagini di base sono state elaborate utilizzando lo stesso software di upscaling assistito dall'IA installato localmente con impostazioni di miglioramento fisse. Un preset super-risoluzione 16x veniva applicato in modo coerente a tutte le immagini incluse e gli output migliorati venivano esportati in formato PNG. Non sono stati eseguiti ridisegni manuali, ricolorazioni, correzioni selettive o ritocchi anatomici prima o dopo il miglioramento. L'elaborazione veniva effettuata su un computer dotato di un'unità centrale 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, con l'accelerazione dell'unità di elaborazione grafica abilitata. Il tempo di elaborazione era di circa 3 minuti per immagine, a seconda delle dimensioni dell'immagine in ingresso.

Le immagini migliorate generalmente mostravano una maggiore nitidezza apparente, una definizione delle linee più marcata, una separazione più chiara tra il lavoro di linee anatomiche e lo sfondo, e una maggiore visibilità percepita di piccoli dettagli anatomici o testuali. Questi effetti erano più evidenti in immagini con inchiostro sbiadito, basso contrasto o sfocatura legata alla scansione. Il miglioramento è stato interpretato come un processo tecnico di riproduzioni digitalizzate piuttosto che come un restauro dell'opera d'arte storica originale.

Un limitamento pratico del flusso di lavoro era l'aumento sostanziale della dimensione del file di output. In alcuni casi, file di circa 1 MB aumentavano a oltre 200 MB dopo un miglioramento di 16 volte. Pertanto, la capacità di archiviazione, la gestione dei file e la preparazione delle figure dovrebbero essere considerate quando si applica il flusso di lavoro a raccolte di immagini più grandi.

Risultati rappresentativi di miglioramento positivo
Esempi rappresentativi a coppie hanno dimostrato l'effetto pratico del protocollo su illustrazioni neuroanatomiche storiche provenienti da fonti e periodi diversi (Figura 2, Figura 3, Figura 4 e Figura 5). Negli esempi di successo, le immagini migliorate hanno mostrato contorni anatomici più chiari, maggiore continuità del lavoro delle linee sottili e una maggiore visibilità percepita di regioni complesse, inclusi giri corticali, strutture ventricolari, linee vascolari e dettagli legati al tronco encefalico.

Il formato a figura accoppiata permetteva il confronto diretto tra la versione originale e quella migliorata. A basso ingrandimento, i miglioramenti più evidenti erano la nitidezza globale, il contrasto e la leggibilità. A ingrandimenti più elevati, le differenze nella continuità delle linee, nella definizione dei bordi e nella visibilità con piccole etichette diventavano più evidenti. Le regioni di interesse abbinate sono state utili per dimostrare l'effetto locale del potenziamento su dettagli anatomicamente rilevanti.

L'immagine originale rimaneva essenziale per l'interpretazione in ogni caso. Le immagini migliorate dovrebbero quindi essere presentate come immagini elaborate come compagni piuttosto che come sostituti della fonte storica originale.

Risultati di miglioramento subottimali e risultati del controllo qualità
Sebbene il flusso di lavoro abbia prodotto risultati tecnicamente accettabili nella maggior parte degli esempi rappresentativi, sono state osservate diverse limitazioni durante la revisione del controllo qualità. In alcune immagini, il processo di miglioramento aumentava la texture artificiale, la grana della carta esagerata o le lettere minuscole e le etichette deformate. In altri casi, le linee sottili apparivano eccessivamente nitite o visivamente più spesse rispetto all'immagine originale.

Questi esiti subottimali erano più probabili in immagini con grave degradazione della base, bassa risoluzione della sorgente, etichettatura densa o texture prominente della carta. Tali risultati evidenziano la necessità di un confronto diretto con l'immagine originale dopo il miglioramento. Supportano inoltre un passaggio di controllo qualità prima di utilizzare immagini migliorate in materiali educativi, presentazioni o figure accademiche. Questa revisione strutturata è stata utilizzata come documentazione tecnica di controllo qualità piuttosto che come uno studio formale di validazione tra esperti e valutatori.

Un esempio subottimale è incluso nella Figura 6 per dimostrare i limiti del metodo. Questo è particolarmente importante perché il miglioramento assistito dall'intelligenza artificiale può migliorare la chiarezza visiva e allo stesso tempo creare cambiamenti che potrebbero essere scambiati per dettagli storici o anatomici autentici.

Interpretazione consigliata delle uscite potenziate
I risultati di questo protocollo devono essere interpretati come una dimostrazione della fattibilità tecnica e della riproducibilità del flusso di lavoro. Il metodo può migliorare l'accessibilità visiva percepita delle illustrazioni neuroanatomiche storiche digitalizzate, in particolare quando l'immagine digitale originale è influenzata da sfocatura, sbiadimento o ridotta nitidezza delle linee. Tuttavia, i risultati migliorati non attestano il restauro dell'opera originale, il recupero di informazioni perse o l'accuratezza anatomica.

Per l'insegnamento, la presentazione o l'esposizione d'archivio, l'immagine migliorata deve essere mostrata accanto o chiaramente collegata alla fonte digitalizzata originale. Questo approccio abbinato preserva la trasparenza storica e riduce il rischio di interpretare eccessivamente i cambiamenti legati al miglioramento. Il protocollo è quindi più appropriato come flusso di lavoro di miglioramento visivo controllato per riproduzioni digitalizzate, non come metodo per sostituire materiale di partenza storico.

Figura 1: Flusso di lavoro per il miglioramento assistito dall'IA di illustrazioni neuroanatomiche storiche digitalizzate. Lo schema riassume l'acquisizione delle immagini da repository digitali, la preparazione delle immagini, il miglioramento assistito da AI al 16× fisso e l'esportazione dell'immagine migliorata per una successiva valutazione e documentazione. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 2: Miglioramento rappresentativo di un'illustrazione neuroanatomica storica digitalizzata da Vesalio. L'illustrazione è stata ottenuta da una fonte storica digitalizzata di De humani corporis fabrica libri septem di Andreas^{Vesalius 13}. (A) Illustrazione originale digitalizzata prima dell'arricchimento. (B) Versione migliorata a super-risoluzione della stessa illustrazione. (C) Regione di interesse ingrandita rispetto all'immagine originale. (D) Ha corrispondente la regione di interesse ingrandita dall'immagine migliorata. Le caselle rosse indicano le regioni ingrandite nei pannelli C e D. Il confronto a coppie mostra una maggiore definizione percepita delle linee, contrasto e chiarezza visiva, consentendo al contempo il confronto diretto con l'immagine digitalizzata originale. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 3: Miglioramento rappresentativo di un'illustrazione neuroanatomica storica digitalizzata di Steno. L'illustrazione è stata ottenuta da una fonte storica digitalizzata del Discours de Monsieur Stenon sur l'anatomie du cerveau di Nicolas^{Steno 14}. (A) Illustrazione originale digitalizzata prima dell'arricchimento. (B) Versione migliorata a super-risoluzione della stessa illustrazione. (C) Regione di interesse ingrandita rispetto all'immagine originale. (D) Ha corrispondente la regione di interesse ingrandita dall'immagine migliorata. Le caselle rosse indicano le regioni ingrandite nei pannelli C e D. L'immagine migliorata mostra una maggiore visibilità apparente del lavoro delle linee sottili e una riduzione del degrado visivo legato alla scansione. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 4: Miglioramento rappresentativo di un'illustrazione neuroanatomica storica digitalizzata di Rolando. L'illustrazione è stata ottenuta da una fonte storica digitalizzata di Della struttura degli emisferi cerebrali di Luigi^{Rolando 15}. (A) Illustrazione originale digitalizzata prima dell'arricchimento. (B) Versione migliorata a super-risoluzione della stessa illustrazione. (C) Regione di interesse ingrandita rispetto all'immagine originale. (D) Ha corrispondente la regione di interesse ingrandita dall'immagine migliorata. Le caselle rosse indicano le regioni ingrandite nei pannelli C e D. Il confronto mostra una maggiore visibilità apparente dei dettagli della superficie corticale e della continuità della linea anatomica dopo il miglioramento. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 5: Potenziamento rappresentativo di un'illustrazione neuroanatomica storica digitalizzata di Vicq d'Azyr. L'illustrazione è stata ottenuta da una fonte storica digitalizzata del Traité d'anatomie et de physiologie di Félix Vicq^{d'Azyr 16}. (A) Illustrazione originale digitalizzata prima dell'arricchimento. (B) Versione migliorata a super-risoluzione della stessa illustrazione. (C) Regione di interesse ingrandita rispetto all'immagine originale. (D) Ha corrispondente la regione di interesse ingrandita dall'immagine migliorata. Le caselle rosse indicano le regioni ingrandite nei pannelli C e D. I pannelli accoppiati mostrano un maggiore contrasto percepito e una maggiore visibilità dei dettagli in una lastra anatomica storica. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 6: Risultato di potenziamento subottimale assistito dall'IA in un'illustrazione neuroanatomica storica digitalizzata di Arnold. L'illustrazione è stata ottenuta da una fonte storica digitalizzata di Tabulae anatomicae di Friedrich^{Arnold 17}. (A) Illustrazione originale digitalizzata prima dell'arricchimento. (B) Versione migliorata a super-risoluzione della stessa illustrazione. (C) Regione di interesse ingrandita rispetto all'immagine originale. (D) Ha corrispondente la regione di interesse ingrandita dall'immagine migliorata. Le caselle rosse indicano le regioni ingrandite nei pannelli C e D. L'immagine migliorata mostra limitazioni legate ai metodi, tra cui la texture artificiale della carta, l'eccessiva nitidezza, la distorsione parziale delle piccole etichette e il lavoro di linee visivamente ispesso. Questo esempio illustra perché le immagini migliorate dovrebbero rimanere abbinate alla sorgente originale e sottoporsi a una revisione del controllo qualità prima dell'uso. Clicca qui per visualizzare una versione più grande di questa figura.

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, nelle presentazioni e nell'archiviazione digitale è spesso limitato da bassa risoluzione apparente, linee sbiadite, scolorimento dello sfondo, sfocatura legata alla scansione, artefatti di compressione e ridotta leggibilità delle piccole etichette 12,18,19,20.

Il principale punto di forza del protocollo è la sua semplicità e riproducibilità. Il protocollo non è inteso a introdurre un nuovo algoritmo di super-risoluzione né a sostenere che le immagini migliorate siano storicamente più autentiche rispetto alle immagini di origine. Il suo contributo è invece la standardizzazione di un flusso di lavoro cauto che riduce il rischio di miglioramenti incontrollati e ad hoc. Il flusso di lavoro utilizza fonti digitali di pubblico dominio o compatibili con il riutilizzo, ritaglio conservativo e un'impostazione di miglioramento fissa in un'applicazione accessibile di upscaling delle immagini. Lo stesso preset super-risoluzione 16x è stato applicato a tutte le immagini incluse, e non è stato effettuato alcun ritocchio anatomico manuale, ridisegnamento, ricolorazione o correzione selettiva. Questo è importante perché le illustrazioni neuroanatomiche storiche non sono immagini digitali ordinarie; sono documenti scientifici, educativi, artistici e storici. Pertanto, il miglioramento dovrebbe essere interpretato come l'elaborazione di una riproduzione digitalizzata, non come il restauro dell'opera originale o la prova che sono state recuperate informazioni anatomiche^perse 19,21,22^.

Il miglioramento delle immagini assistito dall'IA e i metodi di super-risoluzione possono migliorare la risoluzione apparente, la definizione dei bordi, il contrasto e l'accessibilità visiva nelle immagini degradate o a bassa risoluzione. Negli esempi di successo, il flusso di lavoro attuale ha prodotto una maggiore percezione della percezione delle linee anatomiche sottili, dei contorni corticali e ventricolari, dei dettagli vascolari, delle strutture legate al tronco encefalico e delle piccole marcazioni. Questi cambiamenti possono essere utili nella preparazione di illustrazioni neuroanatomiche storiche per conferenze, personaggi educativi, archivi digitali o presentazioni accademiche. Tuttavia, l'immagine originale dovrebbe rimanere disponibile come fonte di riferimento, e le immagini migliorate dovrebbero essere utilizzate come immagini elaborate come compagni invece che come^{sostituti 9,23,24}.

Il controllo qualità post-miglioramento è un passaggio essenziale nel protocollo. Il miglioramento assistito dall'IA può occasionalmente produrre risultati subottimali, in particolare in immagini con grave degrado della linea di base, etichettatura densa, scarsa risoluzione della sorgente o texture della carta prominente. I potenziali problemi includono la formazione artificiale di texture, l'eccessiva nitidezza, l'ispessimento delle linee sottili, la distorsione delle lettere minuscole e cambiamenti visivamente fuorvianti nella continuità delle linee. Questi rischi sono coerenti con preoccupazioni più ampie sull'affidabilità anatomica delle illustrazioni mediche generate o modificate dall'IA, in cui la plausibilità visiva non garantisce necessariamente l'accuratezza anatomica. Per questo motivo, ogni output migliorato dovrebbe essere confrontato direttamente con la sorgente digitalizzata originale prima dell'uso^{12, 25, 26}.

Questo protocollo presenta diverse limitazioni. Innanzitutto, la qualità dell'output migliorato dipende fortemente dalla qualità dell'immagine sorgente. Immagini gravemente degradate, incomplete o scansionate male potrebbero non produrre risultati affidabili. In secondo luogo, il miglioramento 16x può aumentare notevolmente la dimensione del file di output, il che può complicare l'archiviazione, il trasferimento e la preparazione delle figure. La scala 16x selezionata non è stata confrontata con fattori alternativi e non deve essere interpretata come ottimale. In terzo luogo, questo articolo non fornisce metriche oggettive sulla qualità dell'immagine, punteggi degli esperti o dati sugli esiti educativi. Al contrario, il protocollo attuale fornisce documentazione tecnica strutturata di controllo qualità e incornicia esplicitamente immagini migliorate come visualizzazioni complementari piuttosto che come sostituzioni validate per fonti storiche originali. Lo scopo è descrivere un flusso di lavoro tecnico standardizzato piuttosto che dimostrare la superiorità rispetto ad altri algoritmi di miglioramento o misurare i risultati dell'apprendimento.

Studi futuri potrebbero confrontare diversi modelli di miglioramento, fattori di scala e metriche oggettive di qualità dell'immagine come nitidezza, contrasto, conservazione dei bordi, leggibilità del testo, dimensione del file e tempi di elaborazione. Gli studi educativi possono anche valutare se immagini storiche migliorate migliorano il coinvolgimento o la comprensione anatomica dello studente. Nella sua forma attuale, il protocollo offre un approccio pratico e riproducibile per migliorare l'accessibilità visiva delle illustrazioni neuroanatomiche storiche digitalizzate, preservando al contempo la trasparenza delle fonti e la cautela interpretativa. L'immagine migliorata dovrebbe essere considerata un accompagnatore digitale elaborato della fonte originale, non un riferimento anatomico indipendente.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Adobe Acrobat	Adobe	Versione non registrata	Estrazione di immagini basata su PDF
Postazione di lavoro	Non riportato nei file inviati	Configurazione non riportata	Hardware utilizzato per il miglioramento delle immagini assistito dall'IA locale
Impostazioni di visualizzazione/screenshot	Strumento di cattura dello schermo di Windows o equivalente	Ingrandimento del display al 100% o 200%; scalabilità del monitor registrata	Estrazione standardizzata basata su screenshot quando l'esportazione PDF diretta non era fattibile
Gallica	Bibliothèque nationale de France	Repository online	Fonte di opere storiche digitalizzate
Preimpostazione General Photo Real-ESRGAN	Modello basato su Upscayl / Real-ESRGAN	Impostazione 16x	Miglioramento della super risoluzione delle illustrazioni digitalizzate
Google Books	Google	Repository online	Fonte di libri storici digitalizzati
Unità di elaborazione grafica	Non riportato nei file inviati	Stato del modello e dell'accelerazione non riportato	Accelerazione GPU per l'ingrandimento delle immagini quando abilitata
Internet Archive	Internet Archive	Repository online	Fonte di opere storiche digitalizzate di pubblico dominio
Unità di archiviazione locale	Postazione di lavoro specificata dall'utente	Spazio di archiviazione libero sufficiente	Archiviazione di file immagine originali, migliorati e pronti per la figura
Impostazioni di esportazione PDF	Adobe Acrobat o software equivalente di lettura/esportazione PDF	Risoluzione incorporata originale quando disponibile	Estrazione di immagini da fonti PDF digitalizzate senza downsampling intenzionale
PhotoScape X	MOOII Tech	v4.1.1	Ritaglio conservativo e preparazione della figura
Formato immagine PNG	—	—	Formato di output per immagini migliorate
Foglio di calcolo del registro di elaborazione	Microsoft Excel o software di foglio di calcolo equivalente	Versione non critica	Documentazione di fonte, metodo di estrazione, impostazione di miglioramento, tempo di elaborazione, nome del file di output e classificazione di controllo qualità
Checklist di controllo qualità	Checklist generata dall'autore	Non applicabile	Revisione tecnica strutturata per texture artificiale, eccessivo affilamento, distorsione delle etichette, ispessimento delle linee e cambiamenti visivi non supportati
Memoria di sistema	Non riportato nei file inviati	Capacità RAM non riportata	Memoria disponibile per il miglioramento delle immagini su larga scala
Upscayl	Upscayl	v2.11.5	Ingrandimento delle immagini assistito dall'intelligenza artificiale
Wellcome Collection	Wellcome Collection	Repository online	Fonte di opere storiche digitalizzate di pubblico dominio
Wikimedia Commons	Wikimedia Foundation	Repository online	Fonte di immagini di pubblico dominio o compatibili con il riutilizzo
Sistema operativo Windows	Microsoft	Windows 10	Sistema operativo utilizzato per l'estrazione e l'elaborazione delle immagini
Strumento di cattura dello schermo di Windows	Microsoft	Strumento integrato di Windows 10	Cattura di immagini basata su screenshot quando l'esportazione PDF non era fattibile