Een reproduceerbaar protocol voor door kunstmatige intelligentie ondersteunde verbetering van gedigitaliseerde historische neuroanatomische illustraties

Samenvatting

Dit methode-artikel presenteert een reproduceerbare, kwaliteitsgecontroleerde workflow voor door kunstmatige intelligentie ondersteunde verbetering van gedigitaliseerde historische neuroanatomische illustraties. Het protocol definieert bronselectie, extractie, bestandsstandaardisatie, lokale superresolutieverwerking, gepaard origineel verbeterd archiveren, technische kwaliteitscontrole en documentatie van zowel acceptabele als suboptimale outputs.

Samenvatting

Gedigitaliseerde historische neuroanatomische illustraties zijn waardevolle bronnen voor anatomisch onderwijs, historisch onderzoek en digitale archivering. Hun praktische gebruik in lesmateriaal en wetenschappelijke presentatie wordt echter vaak beperkt door een lage schijnbare resolutie, vervaging, verkleuring van het papier, compressie-artefacten en verminderde leesbaarheid van fijne anatomische lijnen of labels. Door kunstmatige intelligentie ondersteunde superresolutie kan de visuele bruikbaarheid van deze gedigitaliseerde reproducties verbeteren, maar ongecontroleerde verbetering kan ook kunstmatige textuur, veranderde lijncontinuïteit, vervormde labels of visueel plausibele details die niet door het bronbeeld worden ondersteund, introduceren. Daarom zijn gestandaardiseerde en transparante procedures vereist bij het toepassen van door kunstmatige intelligentie ondersteunde verbetering op historische wetenschappelijke illustraties.

Dit artikel beschrijft een stapsgewijze workflow voor de gecontroleerde verbetering van gedigitaliseerde historische neuroanatomische illustraties. Het protocol omvat bron-afbeeldingsselectie, documentatie van herkomst en hergebruikstatus, beeldextractie, conservatieve preprocessing, lokale superresolutieverbetering met vaste instellingen, gepaard origineel verbeterd archiveren, inspectie gebaseerd op interessegebied en gestructureerde technische kwaliteitscontroledocumentatie. De workflow is bedoeld om de visuele toegankelijkheid voor onderwijs, presentatie en voorlopige visuele inspectie te verbeteren, terwijl er een directe interpretatieve verbinding wordt behouden tussen elke verbeterde output en de oorspronkelijke gedigitaliseerde bron.

De methode moet worden gezien als een aanvullende verbetering van gescande digitale reproducties, niet als het herstellen van originele kunstwerken, authenticatie van historische bronnen of het terugvinden van verloren anatomische informatie. Originele en verbeterde versies moeten samen worden gearchiveerd, en verbeterde uitvoeren moeten worden gecontroleerd op mogelijke artefacten voordat ze worden gebruikt. Dit protocol biedt een praktische, goedkope en reproduceerbare aanpak voor het voorbereiden van historische neuroanatomische beelden als gekoppelde begeleidende visualisaties, terwijl voorzichtigheid wordt bewaakt met betrekking tot anatomische en historische integriteit.

Inleiding

Historische neuroanatomische illustraties hebben een belangrijke rol gespeeld in de visuele documentatie, het onderwijzen en interpreteren van het zenuwstelsel. Voor de ontwikkeling van moderne neurobeeldvorming dienden anatomische platen als het primaire medium voor het communiceren van waarnemingen van de hersenen, hersenkammen, hersenzenuwen, vaatstructuren en hersenstamanatomie ^1,2,3. Veel van deze werken zijn nu toegankelijk via gedigitaliseerde boeken, gescande archiefcollecties en online archieven. Het directe gebruik van gedigitaliseerde historische illustraties in modern onderwijs, presentaties en digitale archivering wordt echter vaak beperkt door lage resolutie, vervaging, verkleuring van het papier, compressie-artefacten, scan-gerelateerde wazigheid en verminderde leesbaarheid van fijne lijnen of labels 4,5,6,7,8.

AI-ondersteunde beeldverbetering en superresolutiemethoden bieden een praktische kans om de visuele bruikbaarheid van verslechterde of laagresolutie gedigitaliseerde beelden te verbeteren. Deep learning-gebaseerde superresolutie-algoritmen kunnen de schijnbare resolutie verhogen, randdefinitie verbeteren en scangerelateerde visuele degradatie in digitale beelden verminderen ^9,10,11,12. Voor historische neuroanatomische illustraties kunnen dergelijke methoden helpen om fijne anatomische lijnen, labels en structurele grenzen te verduidelijken die moeilijk te inspecteren zijn in de oorspronkelijke gedigitaliseerde reproductie. Desalniettemin vereisen historische anatomische afbeeldingen voorzichtigheid. Deze illustraties zijn niet alleen visueel lesmateriaal, maar ook wetenschappelijke en historische documenten. Verbetering kan de helderheid verbeteren, maar kan ook lijntextuur veranderen, randen overdrijven, schaduw aanpassen of kunstmatige details creëren als het zonder gestandaardiseerde workflow wordt toegepast.

Om deze reden zou kunstmatige intelligentie-ondersteunde verbetering van historische anatomische illustraties moeten worden uitgevoerd als een gecontroleerd technisch proces in plaats van als onbeperkte beeldmanipulatie. Een reproduceerbaar protocol moet definiëren hoe bronafbeeldingen worden geselecteerd, hoe herkomst en hergebruikstatus worden gedocumenteerd, hoe afbeeldingen worden geëxtraheerd en gestandaardiseerd, welke verbeteringsinstellingen worden toegepast, hoe uitvoerbestanden worden gearchiveerd en hoe verbeterde afbeeldingen worden gecontroleerd op mogelijke artefacten. Originele en verbeterde versies moeten gedurende de hele workflow met elkaar verbonden blijven, zodat de verbeterde output altijd kan worden geïnterpreteerd als een bewerkte digitale reproductie in plaats van als een hersteld of historisch origineel beeld.

Een gestandaardiseerde workflow is te verkiezen boven ad-hoc door kunstmatige intelligentie ondersteunde verbetering omdat deze bronselectie, conservatieve voorverwerking, vaste verbeteringsinstellingen, gepaard origineel verbeterd archiveren en kwaliteitscontrole na de verbetering definieert voordat het bewerkte beeld wordt gebruikt. De beoogde eindgebruikers zijn anatomen, neurochirurgen, medische docenten, anatomie-historici, medische illustratoren en gebruikers van digitale archieven die visueel leesbare begeleidende kopieën nodig hebben terwijl ze directe toegang tot de oorspronkelijke bron behouden.

Dit methode-artikel presenteert een stapsgewijs protocol voor AI-ondersteunde verbetering van gedigitaliseerde historische neuroanatomische illustraties. De kernsequentie van beeldverwerking, inclusief beeldvoorbereiding, vaste 16× superresolutieverbetering en PNG-export, wordt samengevat in Figuur 1. Vervolgprocedures omvatten gepaard archiveren met originele verbetering, kwaliteitscontrole na de verbetering, visuele inspectie op basis van interessegebieden en documentatie van succesvolle en suboptimale uitkomsten. Het protocol is niet bedoeld om te claimen dat originele kunstwerken worden hersteld of verloren anatomische informatie worden teruggevonden; het is eerder bedoeld om de visuele toegankelijkheid van gedigitaliseerde reproducties te verbeteren, terwijl de interpretatieve relatie tussen het verbeterde beeld en de oorspronkelijke bron behouden blijft.

Protocol

Dit protocol werd alleen toegepast op gedigitaliseerde historische neuroanatomische illustraties en betrof geen menselijke deelnemers, patiëntgegevens, dierlijke proefpersonen, biologische monsters of identificeerbare persoonlijke informatie; daarom was institutionele goedkeuring voor onderzoek voor mensen niet van toepassing. Alle afbeeldingen zijn verkregen uit publieke domeinen, met toestemming of op passende wijze gelicentieerde historische bronnen.

1. Brongebruik-overwegingen

1. Controleer de herkomst van elke afbeelding vóór de bewerking, inclusief de historische auteur, bronnaam, ongeveer publicatiejaar en digitale bron.
2. Interpreteer verbeterde uitvoer als verwerkte digitale reproducties in plaats van als gerestaureerd origineel kunstwerk of bewijs dat verloren anatomische informatie is teruggevonden.
3. Archiveer originele en verbeterde bestanden samen zodat de bewerkte afbeelding altijd direct met de bronafbeelding kan worden vergeleken.

2. Selectie van gedigitaliseerde historische neuroanatomische illustraties

1. Geselecteerde gedigitaliseerde historische illustraties gepubliceerd van de zestiende tot de negentiende eeuw.
2. Bevat illustraties die neuroanatomische structuren tonen zoals de hersenen, hersenhelften, gyri en sulci, het ventrikelsysteem, hersenstam, hersenzenuwen, cerebrale bloedvaaten of de anatomie van het aanverwante zenuwstelsel.
3. Neem alleen afbeeldingen op die afkomstig zijn van bronnen met identificeerbare herkomst en status van publiek domein of hergebruik. Bevestig dat elke geselecteerde illustratie tussen de zestiende en negentiende eeuw is gepubliceerd en dat de herkomst en hergebruikstatus afzonderlijk zijn geverifieerd vóór opname.
4. Sluit gedupliceerde afbeeldingen, sterk bijgesneden afbeeldingen, onvolledige platen, moderne opnieuw getekende reproducties of afbeeldingen met onvoldoende bronhelderheid uit, inclusief bronbestanden met een langas-afmeting onder ongeveer 1.000 pixels wanneer een versie van hogere kwaliteit beschikbaar is, ontbrekende of bijgesneden anatomische inhoud die meer dan ongeveer 20% van de illustratie beïnvloedt, onleesbare labels in het geselecteerde gebied, ernstige compressie-artefacten, of scan-gerelateerde degradatie die vergelijking met het originele beeld verhindert.
5. Identificeer dubbele illustraties door de historische auteur, brontitel, publicatiejaar, plaat- of paginanummer indien beschikbaar, repositorymetadata en visuele inhoud te vergelijken. Wanneer er dubbele scans beschikbaar zijn, behoud dan de versie met een hogere resolutie, volledigere plaatgrenzen en duidelijkere labels.
6. Ken elke inbegrepen afbeelding een unieke bestandsidentiteit toe voordat je het verwerkt.
7. Behoud de originele en verbeterde versies van elk image gedurende de hele workflow.

3. Beeldextractie uit gedigitaliseerde bronnen

1. Open het gedigitaliseerde bronbestand met de beste beschikbare versie.
2. Haal elke doelillustratie op door deze te exporteren uit het bronbestand van het portable document format (PDF) of door deze vast te leggen vanuit de digitale bron wanneer directe export niet haalbaar is.
3. Gebruik een PDF-lezer of exportsoftware voor PDF-gebaseerde afbeeldingsextractie. Gebruik een standaard schermopnameprogramma alleen wanneer directe export niet haalbaar is.
4. Voor PDF-gebaseerde extractie gebruik de originele ingebedde beeldresolutie wanneer beschikbaar en voorkom downsampling tijdens export. Voor screenshot-gebaseerde extractie toont u de bron op 100% of 200% vergroting en registreert u de weergaveresolutie, vergroting van het scherm, de schaalinstelling van monitoren en de resulterende afmetingen van de screenshot.
5. Sla de geëxtraheerde afbeelding op in Joint Photographic Experts Group (JPEG) of Portable Network Graphics (PNG) formaat, afhankelijk van de beschikbaarheid van de bron en de extractiemethode.
6. Bewaar de volledige anatomische illustratie tijdens de extractie waar mogelijk. Als de volledige illustratie niet behouden kan blijven, pas dan de uitsluitingscriteria toe in stap 2.4 en documenteer de crop.
7. Behoud labels en historisch relevante markeringen als deze deel uitmaken van de hoofdillustratie. Teken geen anatomische structuren handmatig op, kleur niet, reconstrueer of retoucheer anatomische structuren tijdens het extractie.

4. Preprocessing en bestandsstandaardisatie vóór verbetering

1. Bekijk elke geëxtraheerde afbeelding voordat je verbetert.
2. Snijd alleen niet-informatieve buitenranden of lege omliggende gebieden bij. Voer geen handmatige visuele correctie uit behalve bij het bijsnijden. Specifiek pas geen handmatig slijpen, denoisen, herkleuren, hertekenen, selectieve reiniging of anatomische retouchering toe vóór verbetering.
3. Gebruik alleen beeldbewerkingssoftware voor conservatief beelduitsnijden en eenvoudige lay-outvoorbereiding. Voer geen anatomische retouchering uit.
4. Bewaar baseline-afbeeldingen als de originele referentiebestanden voordat je verbetert. Dwing de basisbeeldgrootte en resolutie niet in één uniforme pixeldimensie voordat je verwerkt wordt, omdat de oorspronkelijke bronafmetingen verschillen tussen historische platen.
5. Controleer of elk voorbewerkt bestand een getrouwe gedigitaliseerde reproductie van het originele bronbeeld blijft voordat je overgaat tot AI-ondersteunde verbetering.

5. Versterking door kunstmatige intelligentie

1. Open de gestandaardiseerde invoerafbeelding in lokaal geïnstalleerde, op kunstmatige intelligentie gebaseerde beeldopschalingssoftware.
2. Gebruik de single-image processing-modus , tenzij batchverwerking specifiek vereist is.
3. Selecteer de invoerafbeelding met de functie Afbeelding selecteren .
4. Selecteer een vast superresolutiemodel of een preset vóór verwerking en gebruik hetzelfde model voor alle inbegrepen afbeeldingen.
5. Stel de beeldschaal in op 16x om de vaste instelling in deze workflow te reproduceren, en registreer dat de standaardparameters van de software niet handmatig zijn gewijzigd. Interpreteer de geselecteerde schaal niet als geoptimaliseerd of superieur aan alternatieve schaalfactoren.
6. Gebruik dezelfde verbeteringsinstellingen voor alle inbegrepen afbeeldingen om consistentie in de workflow te behouden.
7. Stel de uitvoermap in op dezelfde map als het invoerbeeld of op een vooraf gedefinieerde projectuitvoermap, en gebruik indien mogelijk een aparte uitvoermap om per ongeluk overschrijven van originele bestanden te voorkomen.
8. Voer de verbetering uit op een computer die is uitgerust met een 16-core, 24-threads mobiele verwerkingsunit van de 13e generatie, een speciale grafische verwerkingsunit met 8 GB geheugen en 32 GB RAM. Schakel de versnelling van grafische verwerkingsunits (GPU) in tijdens beeldverwerking om de verwerkingstijd te verkorten tot ongeveer 3 minuten per afbeelding, afhankelijk van de afmetingen van het invoerbeeld.
   OPMERKING: Internettoegang is niet nodig nadat de software- en modelbestanden lokaal zijn geïnstalleerd.
9. Voer het verbeteringsproces uit met het verbeterings- of start-processing-commando van de software.
10. Exporteer de verbeterde uitvoer in PNG-formaat.
11. Bebehoud de geautomatiseerde uitvoerbestandsnaam die door de software wordt gegenereerd wanneer mogelijk, of wijs een gestructureerde bestandsnaam toe die de identiteit van het bronbeeld, de verbeteringsschaal en het uitvoerformaat vastlegt.
    OPMERKING: Teken niet handmatig na, retoucheer, kleur of corrigeer geen anatomische details selectief na AI-verbetering.
12. Archiveer het verbeterde PNG-bestand samen met de originele baseline-afbeelding.

6. Kwaliteitscontrole na verbetering

1. Open elke verbeterde afbeelding samen met de bijbehorende originele afbeelding. Bevestig dat het verbeterde bestand volledig is gegenereerd en dat er geen corruptie of onvolledige export heeft plaatsgevonden.
2. Vergelijk het verbeterde beeld met het originele beeld bij lage en hoge vergroting. Controleer of de verbetering de zichtbaarheid van lijnwerk, anatomische contouren, labels en gescande details verbetert.
3. Pas een gestructureerde technische kwaliteitscontrolechecklist toe. Deze checklist is een documentatiestap in plaats van een formele validatiestudie door experts en beoordelaars.
4. Inspecteer specifiek de output op de volgende verbeteringsgerelateerde problemen: kunstmatige textuurvorming; overmatige scherpmaak, waaronder verdikte fijne lijnen, overdreven papierkorrel of randen die uitgesprokener lijken dan in het oorspronkelijke beeld; vervorming van letters of labels; valse continuïteit tussen afzonderlijke lijnen; verdikking van fijne anatomische lijnen; overdreven papiertextuur; en structuren die niet duidelijk worden ondersteund door het oorspronkelijke beeld.
5. Classificeer elke output als technisch acceptabel of suboptimaal.
   1. Beschouw een output als technisch acceptabel als anatomische contouren, labels en historische markeringen visueel consistent blijven met het originele gedigitaliseerde beeld.
   2. Beschouw een output als suboptimaal als verbetering misleidende textuur, vervormde tekst, kunstmatige lijnvorming of overmatige verandering van het historische uiterlijk veroorzaakt. Behou suboptimale outputs voor documentatie wanneer deze de beperkingen van de methode illustreren.
6. Vervang de originele afbeelding niet door de verbeterde afbeelding. Gebruik de verbeterde afbeelding alleen als een bewerkte companion-versie.

7. Selectie van interessegebied voor gekoppelde vergelijking

1. Selecteer handmatig één of meer representatieve interessegebieden (ROI's) uit elk beeldpaar nadat de originele en verbeterde volledige afbeeldingen zijn gearchiveerd. Kies gebieden die het praktische effect van verbetering op neuroanatomische visualisatie aantonen. Geef de voorkeur aan gebieden met visueel complexe of diepterijke anatomische details, zoals ventrikelstructuren, gyri en sulci, vaatlijnen, hersenstamcontouren, hersenzenuw-gerelateerde details of kleine labels. Vermijd het selecteren van alleen de visueel beste regio's; Bevat regio's die eerlijk de sterke en beperkte punten van de verbetering weergeven.
2. Voor elk geselecteerd gebied snijdt u hetzelfde anatomische gebied uit de originele en verbeterde afbeeldingen met identieke proportionele coördinaten. Als exacte coördinatenmatching niet mogelijk is vanwege verschillende beeldafmetingen, documenteer dan de aanpassing. Gebruik een ROI-grootte van ongeveer 10%–20% van de beeldbreedte en -hoogte, alleen aangepast wanneer nodig om dezelfde anatomische structuur of label in beide panelen op te nemen.
3. Zorg ervoor dat de originele en verbeterde ROI-panelen hetzelfde anatomische veld tonen. Breng na het bijsnijden geen extra scherpmaak, contrastaanpassing of handmatige correctie toe aan de ROI-panelen.
4. Gebruik de ROI-panelen alleen voor visuele demonstratie van het verbeteringseffect, niet als onafhankelijk expert beoordeeld materiaal.

8. Opstelling van representatieve figuren

1. Maak één workflowfiguur die het volledige protocol samenvat.
2. Bereid representatieve gepaarde beeldfiguren voor met originele en verbeterde versies.
3. Gebruik voor elke representatieve afbeeldingsfiguur waar mogelijk een structuur met vier panelen. Plaats de originele gedigitaliseerde illustratie in paneel A; de door AI verbeterde illustratie in paneel B; de vergrote ROI van de originele afbeelding in paneel C; en de bijpassende vergrote ROI van het verbeterde beeld in paneel D.
4. Gebruik consistente panelafstand, uitlijning, paneellabels en vergroting over gepaarde original-enhanced panelen. Gebruik een standaard schreefloos lettertype op een consistente, leesbare grootte voor paneellabels en annotaties, en registreer het geselecteerde lettertype en de grootte.
5. Gebruik pijlen of pijlpuntjes alleen wanneer nodig om een specifieke lijn, label of artefact aan te geven, en voeg geen pijlen toe die een anatomische interpretatie suggereren die niet zichtbaar zijn in de originele afbeelding.
6. Voeg schaalbalken alleen toe wanneer het bronbeeld betrouwbare ruimtelijke kalibratie biedt. Voor historische platen zonder geldige ruimtelijke schaal voeg je geen schaalbalken toe.
7. Breng geen extra helderheids- of contrastaanpassingen toe bij het voorbereiden van de gekoppelde originele en verbeterde panelen. Exporteren cijfers bij 300 dpi, of 600 dpi wanneer fijne lijnen en labels een hogere resolutie vereisen.
8. Voeg voorbeelden toe uit verschillende historische bronnen om aan te tonen dat de workflow toepasbaar is op verschillende tekenstijlen en scankwaliteiten. Voeg ten minste één voorbeeld toe dat een suboptimaal verbeteringsresultaat laat zien, zoals kunstmatige textuurvorming of tekstvervorming, om de beperkingen van de methode aan te tonen.
9. Exporteer figuren als aparte hoogwaardige PDF-, TIFF- of JPEG-bestanden zonder ingebedde legendes. Voor PDF-export behoud je de afmetingen van de bronafbeelding en vermijd downsampling of verliesgevende compressie.
10. Geef figuurlegendes alleen in het manuscriptbestand.
11. Controleer alle figurpanelen op bijsnijden, resolutie en panelcompleetheid voordat je het indient.

9. Documentatie en gegevensbeheer

1. Sla de originele en verbeterde versies van elke afbeelding op als gekoppelde bestanden zodat elke verbeterde output kan worden teruggevoerd naar de bijbehorende bronafbeelding.
2. Noteer de bronrepository voor elke illustratie, inclusief de naam van het archief of de repository, stabiele URL of toegangsinformatie indien beschikbaar, hergebruikstatus en toegangsdatum.
3. Noteer de verwerkingsmethode voor elke afbeelding, inclusief de extractiemethode, preprocessingstap, verbeteringssoftware, softwareversie, geselecteerd model, schaalfactor, uitvoerformaat en uiteindelijke bestandsnaam.
4. Noteer of elke afbeelding is geëxtraheerd via PDF-export of screenshot, of het bijsnijden beperkt was tot niet-informatieve marges, en of verbetering de vaste 16x superresolutie-instelling gebruikte.
5. Bebehoud waar mogelijk de door software gegenereerde uitvoerbestandsnamen, of wijs gestructureerde bestandsnamen toe die de identiteit van het bronbeeld, de schaal van verbeteringen en het uitvoerformaat vastleggen.
6. Documenteer of elke verbeterde output technisch acceptabel of suboptimaal was. Suboptimale bevindingen kunnen bestaan uit kunstmatige textuurvorming, overmatig scherpmaken, vervormde labels of visueel misleidende lijnwijzigingen.

Resultaten

Representatieve originele en verbeterde beeldvergelijkingen zijn aanwezig in de manuscriptfiguren. De publicatiedatum, bronherkomst, informatie over het archief en de status van hergebruik werden geverifieerd en gedocumenteerd voor elk van de 40 historische illustraties die in deze studie zijn opgenomen.

Beelddataset en bronkenmerken
Het protocol werd toegepast op 40 gedigitaliseerde historische neuroanatomische illustraties. De publicatiedatum, herkomst en hergebruikstatus van elke illustratie werden individueel geverifieerd vóór opname, en alle geselecteerde illustraties zijn afkomstig uit werken die tussen de zestiende en negentiende eeuw zijn gepubliceerd. De inbegrepen illustraties vertegenwoordigden een reeks neuroanatomische onderwerpen, waaronder corticale oppervlakanatomie, cerebrale gyri en sulci, ventrikelstructuren, hersenstamgebieden, hersenzenuw-gerelateerde anatomie en vaatkenmerken. De afbeeldingen zijn verkregen uit publieke domein-, met toestemming of hergebruik-compatibele gedigitaliseerde historische bronnen; Informatie over de opslagplaats en hergebruikstatus werden afzonderlijk gedocumenteerd voor alle 40 illustraties.

De originele gedigitaliseerde reproducties vertoonden veelvoorkomende beperkingen in historische materialen, waaronder lage schijnbare resolutie, vervaagde lijnen, achtergrondverkleuring, scan-gerelateerde waasheid, compressie-artefacten en verminderde leesbaarheid van kleine labels. Deze beperkingen boden praktische testgevallen voor het toepassen van de gestandaardiseerde verbeteringsworkflow. De oorspronkelijke niet-verbeterde afbeeldingen werden behouden als basisbestanden en werden gedurende de workflow gekoppeld aan hun bijbehorende verbeterde uitvoer.

Technische output van de verbeteringsworkflow
Alle 40 baseline-afbeeldingen werden verwerkt met dezelfde lokaal geïnstalleerde AI-ondersteunde beeldopschalingssoftware met vaste verbeteringsinstellingen. Een 16x superresolutie-preset werd consequent toegepast op alle inbegrepen afbeeldingen, en de verbeterde uitvoer werden geëxporteerd in PNG-formaat. Er werd voor of na de verbetering geen handmatig hertekenen, opnieuw kleuren, selectieve correctie of anatomische retouchering uitgevoerd. De verwerking werd uitgevoerd op een computer uitgerust met een 13e generatie 16-core, 24-threads mobiele centrale verwerkingseenheid, een speciale laptopgrafische verwerkingsunit met 8 GB grafisch geheugen en 32 GB RAM, met grafische verwerkingseenheid ingeschakeld. De verwerkingstijd was ongeveer 3 minuten per afbeelding, afhankelijk van de afmetingen van het invoerbeeld.

De verbeterde beelden toonden over het algemeen een grotere schijnbare scherpte, sterkere lijndefinitie, duidelijkere scheiding tussen anatomisch lijnwerk en achtergrond, en een verhoogde waargenomen zichtbaarheid van kleine anatomische of tekstuele details. Deze effecten waren het meest opvallend bij beelden met vervaagde inkt, laag contrast of scan-gerelateerde waasheid. De verbetering werd geïnterpreteerd als technische verwerking van gedigitaliseerde reproducties in plaats van als herstel van het originele historische kunstwerk.

Een praktische beperking van de workflow was de aanzienlijke toename van de uitvoerbestandgrootte. In sommige gevallen namen bestanden van ongeveer 1 MB toe tot meer dan 200 MB na 16x verbetering. Daarom moeten opslagcapaciteit, bestandsbeheer en figuurvoorbereiding worden meegenomen bij het toepassen van de workflow op grotere afbeeldingscollecties.

Representatieve succesvolle verbeteringsuitkomsten
Representatieve gekoppelde voorbeelden toonden het praktische effect van het protocol op historische neuroanatomische illustraties uit verschillende bronnen en periodes (Figuur 2, Figuur 3, Figuur 4 en Figuur 5). In succesvolle voorbeelden toonden de verbeterde beelden duidelijkere anatomische contouren, een grotere continuïteit van fijne lijnen en een verhoogde waargenomen zichtbaarheid van complexe gebieden, waaronder corticale gyri, ventrikelstructuren, vaatlijnen en hersenstamgerelateerde details.

Het gepaarde figuurformaat maakte directe vergelijking tussen de originele en verbeterde versies mogelijk. Bij lage vergroting waren de meest opvallende verbeteringen de globale helderheid, contrast en leesbaarheid. Bij hogere vergroting werden verschillen in lijncontinuïteit, randdefinitie en zichtbaarheid op kleine labels duidelijker. Gekoppelde interessegebieden waren nuttig om het lokale effect van verbetering op anatomisch relevante details aan te tonen.

Het oorspronkelijke beeld bleef in alle gevallen essentieel voor interpretatie. Verbeterde beelden moeten daarom worden gepresenteerd als begeleidende bewerkingsbeelden in plaats van als vervanging van de oorspronkelijke historische bron.

Suboptimale verbeteringsuitkomsten en kwaliteitscontrolebevindingen
Hoewel de workflow in de meeste representatieve voorbeelden technisch acceptabele resultaten opleverde, werden tijdens de kwaliteitscontrole verschillende beperkingen waargenomen. In sommige afbeeldingen verhoogde het verbeteringsproces de kunstmatige textuur, overdreven papierkorrel of vervormde kleine letters en labels. In andere gevallen leken fijne lijnen overdreven scherp of visueel dikker dan in het originele beeld.

Deze suboptimale uitkomsten kwamen vaker voor in beelden met ernstige basislijnachteruitgang, lage bronresolutie, dichte etikettering of opvallende papiertextuur. Dergelijke bevindingen onderstrepen de noodzaak van directe vergelijking met het originele beeld na verbetering. Ze ondersteunen ook een kwaliteitscontrolestap voordat verbeterde afbeeldingen worden gebruikt in educatief materiaal, presentaties of wetenschappelijke figuren. Deze gestructureerde review werd gebruikt als technische kwaliteitscontroledocumentatie in plaats van als een formele validatiestudie door experts en beoordelaars.

Een suboptimaal voorbeeld is opgenomen als Figuur 6 om de beperkingen van de methode aan te tonen. Dit is vooral belangrijk omdat door kunstmatige intelligentie ondersteunde verbetering de visuele helderheid kan verbeteren en tegelijkertijd veranderingen kan creëren die kunnen worden aangezien voor authentieke historische of anatomische details.

Aanbevolen interpretatie van verbeterde uitgangen
De resultaten van dit protocol moeten worden geïnterpreteerd als een demonstratie van technische haalbaarheid en reproduceerbaarheid van workflows. De methode kan de waargenomen visuele toegankelijkheid van gedigitaliseerde historische neuroanatomische illustraties verbeteren, vooral wanneer het oorspronkelijke gedigitaliseerde beeld wordt beïnvloed door vervaging, vervaging of verminderde lijnscherpte. De verbeterde output bevestigt echter geen herstel van het originele kunstwerk, het herstel van verloren informatie of anatomische nauwkeurigheid.

Voor onderwijs, presentatie of archiefweergave moet de verbeterde afbeelding naast of duidelijk gekoppeld worden aan de originele gedigitaliseerde bron. Deze gekoppelde aanpak behoudt historische transparantie en vermindert het risico op het overinterpreteren van verbeteringsgerelateerde wijzigingen. Het protocol is daarom het meest geschikt als een gecontroleerde visuele verbeteringsworkflow voor gedigitaliseerde reproducties, niet als methode om historisch bronmateriaal te vervangen.

Figuur 1: Werkwijze voor AI-ondersteunde verbetering van gedigitaliseerde historische neuroanatomische illustraties. Het schema vat beeldacquisitie samen uit digitale repositories, beeldvoorbereiding, vaste 16× AI-ondersteunde verbetering en export van het verbeterde beeld voor latere evaluatie en documentatie. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Representatieve verbetering van een gedigitaliseerde historische neuroanatomische illustratie van Vesalius. De illustratie is verkregen uit een gedigitaliseerde historische bron van De humani corporis fabrica libri septem door Andreas^{Vesalius 13}. (A) Originele gedigitaliseerde illustratie vóór de verbetering. (B) Superresolutie verbeterde versie van dezelfde illustratie. (C) Vergrote interessegebied ten opzichte van de originele afbeelding. (D) Een vergrote regio van interesse uit het verbeterde beeld. Rode vakjes geven de gebieden aan die in panelen C en D zijn vergroot. De gekoppelde vergelijking toont een betere waargenomen lijndefinitie, contrast en visuele helderheid, terwijl directe vergelijking met het oorspronkelijke gedigitaliseerde beeld mogelijk is. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Representatieve verbetering van een gedigitaliseerde historische neuroanatomische illustratie van Steno. De illustratie is verkregen uit een gedigitaliseerde historische bron van Discours de Monsieur Stenon sur l'anatomie du cerveau door Nicolas Steno¹⁴. (A) Originele gedigitaliseerde illustratie vóór de verbetering. (B) Superresolutie verbeterde versie van dezelfde illustratie. (C) Vergrote interessegebied ten opzichte van de originele afbeelding. (D) Een vergrote regio van interesse uit het verbeterde beeld. Rode vakjes geven de gebieden aan die in panelen C en D zijn vergroot. Het verbeterde beeld toont een duidelijker zichtbaar zicht van fijne lijnen en verminderde visuele degradatie door scan. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Representatieve verbetering van een gedigitaliseerde historische neuroanatomische illustratie van Rolando. De illustratie is verkregen uit een gedigitaliseerde historische bron van Della struttura degli emisferi cerebrali door Luigi Rolando¹⁵. (A) Originele gedigitaliseerde illustratie vóór de verbetering. (B) Superresolutie verbeterde versie van dezelfde illustratie. (C) Vergrote interessegebied ten opzichte van de originele afbeelding. (D) Een vergrote regio van interesse uit het verbeterde beeld. Rode vakjes geven de gebieden aan die in panelen C en D zijn vergroot. De vergelijking toont een grotere schijnbare zichtbaarheid van corticale oppervlakdetails en anatomische lijncontinuïteit na de verbetering. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Representatieve verbetering van een gedigitaliseerde historische neuroanatomische illustratie van Vicq d'Azyr. De illustratie is verkregen uit een gedigitaliseerde historische bron Traité d'anatomie et de physiologie door Félix Vicq d'Azyr¹⁶. (A) Originele gedigitaliseerde illustratie vóór de verbetering. (B) Superresolutie verbeterde versie van dezelfde illustratie. (C) Vergrote interessegebied ten opzichte van de originele afbeelding. (D) Een vergrote regio van interesse uit het verbeterde beeld. Rode vakjes geven de gebieden aan die in panelen C en D zijn vergroot. De gepaarde panelen tonen een beter waargenomen contrast en detailinzicht in een historische anatomische plaat. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6: Suboptimale AI-ondersteunde verbeteringsuitkomst in een gedigitaliseerde historische neuroanatomische illustratie van Arnold. De illustratie is verkregen uit een gedigitaliseerde historische bron van Tabulae anatomicae door Friedrich Arnold¹⁷. (A) Originele gedigitaliseerde illustratie vóór de verbetering. (B) Superresolutie verbeterde versie van dezelfde illustratie. (C) Vergrote interessegebied ten opzichte van de originele afbeelding. (D) Een vergrote regio van interesse uit het verbeterde beeld. Rode vakjes geven de gebieden aan die in panelen C en D zijn vergroot. Het verbeterde beeld toont methodegerelateerde beperkingen, waaronder kunstmatige papiertextuur, overmatig scherpmaken, gedeeltelijke vervorming van kleine labels en visueel verdikte lijnen. Dit voorbeeld illustreert waarom verbeterde beelden gekoppeld moeten blijven aan de originele bron en kwaliteitscontrole moeten ondergaan voordat ze worden gebruikt. Klik hier om een grotere versie van deze figuur te bekijken.

Discussie

Dit methode-artikel presenteert een reproduceerbare workflow voor AI-ondersteunde verbetering van gedigitaliseerde historische neuroanatomische illustraties. Historische anatomische afbeeldingen dienen al lange tijd als belangrijke instrumenten voor anatomische documentatie, onderwijs en wetenschappelijke communicatie, en veel van deze werken zijn nu toegankelijk via gedigitaliseerde boeken, gescande archieven en online archieven. Hun gebruik in modern onderwijs, presentaties en digitale archivering wordt echter vaak beperkt door een lage schijnbare resolutie, vervaagde lijnen, achtergrondverkleuring, scan-gerelateerde waasheid, compressie-artefacten en verminderde leesbaarheid van kleine labels 12,18,19,20.

De belangrijkste kracht van het protocol is de eenvoud en reproduceerbaarheid. Het protocol is niet bedoeld om een nieuw superresolutie-algoritme te introduceren of te beweren dat verbeterde beelden historisch authentieker zijn dan bronbeelden. In plaats daarvan is de bijdrage de standaardisatie van een voorzichtige workflow die het risico op ongecontroleerde, ad-hoc verbetering vermindert. De workflow gebruikt digitale bronnen in het publieke domein of hergebruiken, conservatief bijsnijden en een vaste verbeteringsinstelling in een toegankelijke beeldopschalingsapplicatie. Dezelfde 16x superresolutie-preset werd toegepast op alle opgenomen afbeeldingen, en er werd geen handmatige anatomische retoucheer, hertekening, herkleuring of selectieve correctie uitgevoerd. Dit is belangrijk omdat historische neuroanatomische illustraties geen gewone digitale afbeeldingen zijn; het zijn wetenschappelijke, educatieve, artistieke en historische documenten. Daarom moet verbetering worden geïnterpreteerd als verwerking van een gedigitaliseerde reproductie, niet als het herstel van het originele kunstwerk of bewijs dat verloren anatomische informatie is teruggevonden 19,21,22.

AI-ondersteunde beeldverbetering en superresolutiemethoden kunnen de schijnbare resolutie, randdefinitie, contrast en visuele toegankelijkheid in verslechterde of lage resolutie beelden verbeteren. In succesvolle voorbeelden zorgde de huidige workflow voor een grotere waargenomen zichtbaarheid van fijne anatomische lijnen, corticale en ventriculaire contouren, vasculaire details, hersenstamstructuren en kleine labels. Deze veranderingen kunnen nuttig zijn bij het voorbereiden van historische neuroanatomische illustraties voor lezingen, educatieve figuren, digitale archieven of wetenschappelijke presentaties. De originele afbeelding moet echter beschikbaar blijven als referentiebron, en verbeterde afbeeldingen moeten worden gebruikt als begeleidende beelden in plaats van als vervangers ^9,23,24.

Kwaliteitscontrole na de verbetering is een essentiële stap in het protocol. AI-ondersteunde verbetering kan soms suboptimale resultaten opleveren, vooral bij afbeeldingen met ernstige basisverval, dichte labeling, slechte bronresolutie of prominente papiertextuur. Mogelijke problemen zijn onder andere kunstmatige textuurvorming, overmatig scherpmaken, verdikking van fijne lijnen, vervorming van kleine letters en visueel misleidende veranderingen in lijncontinuïteit. Deze risico's zijn in overeenstemming met bredere zorgen over de anatomische betrouwbaarheid van door AI gegenereerde of AI-gemodificeerde medische illustraties, waarbij visuele plausibiliteit niet noodzakelijkerwijs anatomische nauwkeurigheid garandeert. Om deze reden moet elke verbeterde output direct worden vergeleken met de originele gedigitaliseerde bron vóór gebruik 12,25,26.

Dit protocol heeft verschillende beperkingen. Ten eerste hangt de kwaliteit van de verbeterde output sterk af van de kwaliteit van het bronbeeld. Ernstig versleten, onvolledig of slecht gescande beelden leveren mogelijk geen betrouwbare resultaten op. Ten tweede kan 16x verbetering de uitvoerbestandsgrootte aanzienlijk vergroten, wat opslag, overdracht en figuurvoorbereiding kan bemoeilijken. De gekozen 16x-schaal werd niet vergeleken met alternatieve schaalfactoren en moet niet als optimaal worden geïnterpreteerd. Ten derde biedt dit artikel geen objectieve beeldkwaliteitsmetingen, expert-beoordelaarsscores of gegevens over onderwijsresultaten. In plaats daarvan biedt het huidige protocol gestructureerde technische kwaliteitscontroledocumentatie en kadert het expliciet verbeterde beelden als begeleidende visualisaties in plaats van gevalideerde vervangingen voor originele historische bronnen. Het doel is om een gestandaardiseerde technische workflow te beschrijven, in plaats van superioriteit aan te tonen ten opzichte van andere verbeteringsalgoritmen of het meten van leerresultaten.

Toekomstige studies kunnen verschillende verbeteringsmodellen, schaalfactoren en objectieve beeldkwaliteitsindicatoren vergelijken, zoals scherpte, contrast, randbehoud, tekstleesbaarheid, bestandsgrootte en verwerkingstijd. Onderwijskundige studies kunnen ook beoordelen of verbeterde historische afbeeldingen de betrokkenheid van leerlingen of het anatomische begrip verbeteren. In zijn huidige vorm biedt het protocol een praktische en reproduceerbare aanpak om de visuele toegankelijkheid van gedigitaliseerde historische neuroanatomische illustraties te verbeteren, terwijl brontransparantie en interpretatieve voorzichtigheid behouden blijven. Het verbeterde beeld moet worden beschouwd als een bewerkte digitale aanvulling op de oorspronkelijke bron, niet als een onafhankelijke anatomische referentie.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Adobe Acrobat	Adobe	Versie niet geregistreerd	PDF-gebaseerde beeldafscheiding
Computerwerkstation	Niet gerapporteerd in ingediende bestanden	Configuratie niet gerapporteerd	Hardware gebruikt voor lokale AI-ondersteunde beeldaanpassing
Weergave/screenshot-instellingen	Windows-schermopnametool of equivalent	100% of 200% weergavevergroting; monitor-schaling geregistreerd	Gestandaardiseerde screenshot-gebaseerde extractie wanneer directe PDF-export niet haalbaar was
Gallica	Bibliothèque nationale de France	Online repository	Bron van gedigitaliseerde historische werken
Algemene Photo Real-ESRGAN-preset	Upscayl / Real-ESRGAN-gebaseerd model	16x-instelling	Super-resolutieverbetering van gedigitaliseerde illustraties
Google Books	Google	Online repository	Bron van gedigitaliseerde historische boeken
Grafische verwerkingseenheid	Niet gerapporteerd in ingediende bestanden	Model en versnellingsstatus niet gerapporteerd	GPU-versnelling voor beeldaanpassing wanneer ingeschakeld
Internet Archive	Internet Archive	Online repository	Bron van openbare gedigitaliseerde historische werken
Lokale opslagdrive	Gebruikersgespecificeerde werkstation	Voldoende vrije opslagruimte	Opslag van originele, verbeterde en figuur-klare beeldbestanden
PDF-exportinstellingen	Adobe Acrobat of equivalent PDF-lezer/exportsoftware	Originele ingesloten resolutie wanneer beschikbaar	Extractie van afbeeldingen uit gedigitaliseerde PDF-bronnen zonder opzettelijke neersampling
PhotoScape X	MOOII Tech	v4.1.1	Conservatief bijsnijden en figuurvoorbereiding
PNG-beeldformaat	—	—	Uitvoerformaat voor verbeterde afbeeldingen
Verwerkingslog spreadsheet	Microsoft Excel of equivalent spreadsheetsoftware	Versie niet kritiek	Documentatie van bron, extractiemethode, verbeteringsinstelling, verwerkingstijd, uitvoerbestandsnaam en QC-classificatie
Kwalitaitscontrole-checklist	Door auteur gegenereerde checklist	Niet van toepassing	Gestructureerde technische review voor kunstmatige textuur, overmatige scherpte, labelvervorming, lijnverdikking en niet-ondersteunde visuele wijzigingen
Systeemgeheugen	Niet gerapporteerd in ingediende bestanden	RAM-capaciteit niet gerapporteerd	Beschikbaar geheugen voor grootschalige beeldaanpassing
Upscayl	Upscayl	v2.11.5	Kunstmatige intelligentie-ondersteunde beeldaanpassing
Wellcome Collection	Wellcome Collection	Online repository	Bron van openbare gedigitaliseerde historische werken
Wikimedia Commons	Wikimedia Foundation	Online repository	Bron van openbare of herbruikbare afbeeldingen
Windows-besturingssysteem	Microsoft	Windows 10	Besturingssysteem gebruikt voor beeldafscheiding en -verwerking
Windows-schermopnametool	Microsoft	Windows 10 ingebouwde tool	Screenshot-gebaseerde beeldafscheiding wanneer PDF-export niet haalbaar was