Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

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

79 weergaven

⸱

DOI:

10.3791/72309

⸱

7 augustus 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 dit artikel

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.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

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.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

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 publicatied...

Toegang beperkt. Log in of start een proefperiode om deze inhoud 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...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren dat zij geen belangenconflicten hebben.

Dankbetuigingen

De auteurs erkennen de digitale archieven en archiefcollecties in het publieke domein die toegang bieden tot gedigitaliseerde historische anatomische werken. Er werd geen financiële steun ontvangen voor deze studie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Adobe AcrobatAdobeVersie niet geregistreerdPDF-gebaseerde beeldafscheiding
ComputerwerkstationNiet gerapporteerd in ingediende bestandenConfiguratie niet gerapporteerdHardware gebruikt voor lokale AI-ondersteunde beeldaanpassing
Weergave/screenshot-instellingenWindows-schermopnametool of equivalent100% of 200% weergavevergroting; monitor-schaling geregistreerdGestandaardiseerde screenshot-gebaseerde extractie wanneer directe PDF-export niet haalbaar was
GallicaBibliothèque nationale de FranceOnline repositoryBron van gedigitaliseerde historische werken
Algemene Photo Real-ESRGAN-presetUpscayl / Real-ESRGAN-gebaseerd model16x-instellingSuper-resolutieverbetering van gedigitaliseerde illustraties
Google BooksGoogleOnline repositoryBron van gedigitaliseerde historische boeken
Grafische verwerkingseenheidNiet gerapporteerd in ingediende bestandenModel en versnellingsstatus niet gerapporteerdGPU-versnelling voor beeldaanpassing wanneer ingeschakeld
Internet ArchiveInternet ArchiveOnline repositoryBron van openbare gedigitaliseerde historische werken
Lokale opslagdriveGebruikersgespecificeerde werkstationVoldoende vrije opslagruimteOpslag van originele, verbeterde en figuur-klare beeldbestanden
PDF-exportinstellingenAdobe Acrobat of equivalent PDF-lezer/exportsoftwareOriginele ingesloten resolutie wanneer beschikbaarExtractie van afbeeldingen uit gedigitaliseerde PDF-bronnen zonder opzettelijke neersampling
PhotoScape XMOOII Techv4.1.1Conservatief bijsnijden en figuurvoorbereiding
PNG-beeldformaat——Uitvoerformaat voor verbeterde afbeeldingen
Verwerkingslog spreadsheetMicrosoft Excel of equivalent spreadsheetsoftwareVersie niet kritiekDocumentatie van bron, extractiemethode, verbeteringsinstelling, verwerkingstijd, uitvoerbestandsnaam en QC-classificatie
Kwalitaitscontrole-checklistDoor auteur gegenereerde checklistNiet van toepassingGestructureerde technische review voor kunstmatige textuur, overmatige scherpte, labelvervorming, lijnverdikking en niet-ondersteunde visuele wijzigingen
SysteemgeheugenNiet gerapporteerd in ingediende bestandenRAM-capaciteit niet gerapporteerdBeschikbaar geheugen voor grootschalige beeldaanpassing
UpscaylUpscaylv2.11.5Kunstmatige intelligentie-ondersteunde beeldaanpassing
Wellcome CollectionWellcome CollectionOnline repositoryBron van openbare gedigitaliseerde historische werken
Wikimedia CommonsWikimedia FoundationOnline repositoryBron van openbare of herbruikbare afbeeldingen
Windows-besturingssysteemMicrosoftWindows 10Besturingssysteem gebruikt voor beeldafscheiding en -verwerking
Windows-schermopnametoolMicrosoftWindows 10 ingebouwde toolScreenshot-gebaseerde beeldafscheiding wanneer PDF-export niet haalbaar was

Referenties

  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.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Tags

NeurowetenschappenEditie 234Editie 234BeeldverbeteringNeuroanatomieHistorische IllustratiesDigitale Preservatiesuperresolutieanatomisch onderwijs
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.