Um Protocolo Reprodutível para Aprimoramento Assistido por Inteligência Artificial de Ilustrações Neuroanatômicas Históricas Digitalizadas

Resumo

Este artigo de métodos apresenta um fluxo de trabalho reproduzível e controlado por qualidade para aprimoramento assistido por inteligência artificial de ilustrações neuroanatômicas históricas digitalizadas. O protocolo define seleção de fonte, extração, padronização de arquivos, processamento local de super-resolução, arquivamento original-aprimorado pareado, revisão técnica de controle de qualidade e documentação de resultados aceitáveis e subótimos.

Resumo

Ilustrações neuroanatômicas históricas digitalizadas são recursos valiosos para educação anatômica, pesquisa histórica e arquivamento digital. No entanto, seu uso prático em materiais didáticos e apresentações acadêmicas é frequentemente limitado por baixa resolução aparente, desbotamento, descoloração do papel, artefatos de compressão e legibilidade reduzida de linhas anatômicas finas ou rótulos. A super-resolução assistida por inteligência artificial pode melhorar a usabilidade visual dessas reproduções digitalizadas, mas o aprimoramento descontrolado também pode introduzir textura artificial, continuidade de linha alterada, rótulos distorcidos ou detalhes visualmente plausíveis não suportados pela imagem de origem. Portanto, procedimentos padronizados e transparentes são necessários ao aplicar aprimoramento assistido por inteligência artificial a ilustrações científicas históricas.

Este artigo descreve um fluxo de trabalho passo a passo para o aprimoramento controlado de ilustrações neuroanatômicas históricas digitalizadas. O protocolo inclui seleção de imagem de origem, documentação de procedência e status de reutilização, extração de imagens, pré-processamento conservador, aprimoramento local de super-resolução usando configurações fixas, arquivamento original-aprimorado pareado, inspeção baseada em região de interesse e documentação estruturada de controle técnico de qualidade. O fluxo de trabalho tem como objetivo melhorar a acessibilidade visual para ensino, apresentação e inspeção visual preliminar, mantendo um vínculo interpretativo direto entre cada resultado aprimorado e sua fonte digitalizada original.

O método deve ser considerado como aprimoramento auxiliar de reproduções digitais digitalizadas, não como restauração de obras originais, autenticação de fontes históricas ou recuperação de informações anatômicas perdidas. Versões originais e aprimoradas devem ser arquivadas juntas, e os resultados aprimorados devem ser revisados para possíveis artefatos antes do uso. Este protocolo oferece uma abordagem prática, de baixo custo e reprodutível para preparar imagens neuroanatômicas históricas como visualizações complementares emparelhadas, mantendo a cautela quanto à integridade anatômica e histórica.

Introdução

Ilustrações neuroanatômicas históricas desempenharam um papel importante na documentação visual, ensino e interpretação do sistema nervoso. Antes do desenvolvimento da neuroimagem moderna, as placas anatômicas serviam como o principal meio para comunicar observações do cérebro, ventrículos cerebrais, nervos cranianos, estruturas vasculares e anatomia do tronco ^{encefálico 1,2,3}. Muitas dessas obras agora estão acessíveis por meio de livros digitalizados, coleções arquivísticas digitalizadas e repositórios online. No entanto, o uso direto de ilustrações históricas digitalizadas no ensino moderno, apresentações e arquivamento digital é frequentemente limitado por baixa resolução, desbotamento, descoloração do papel, artefatos de compressão, desfoque relacionado à varredura e legibilidade reduzida de linhas finas ou rótulos 4,5,6,7,8.

O aprimoramento de imagens assistido por IA e métodos de super-resolução oferecem uma oportunidade prática para melhorar a usabilidade visual de imagens digitalizadas degradadas ou de baixa resolução. Algoritmos de super-resolução baseados em aprendizado profundo podem aumentar a resolução aparente, melhorar a definição das bordas e reduzir a degradação visual relacionada à varredura em imagens^digitais 9,10,11,12. Para ilustrações neuroanatômicas históricas, tais métodos podem ajudar a esclarecer linhas anatômicas finas, rótulos e limites estruturais que são difíceis de inspecionar na reprodução digitalizada original. No entanto, imagens anatômicas históricas exigem cautela. Essas ilustrações não são apenas materiais visuais de ensino, mas também documentos científicos e históricos. O aprimoramento pode melhorar a clareza, mas também pode alterar a textura das linhas, exagerar as bordas, modificar sombreamento ou criar detalhes artificiais se aplicado sem um fluxo de trabalho padronizado.

Por essa razão, o aprimoramento assistido por inteligência artificial de ilustrações anatômicas históricas deve ser realizado como um processo técnico controlado, e não como manipulação irrestrita de imagens. Um protocolo reproduzível deve definir como as imagens de origem são selecionadas, como a proveniência e o status de reutilização são documentados, como as imagens são extraídas e padronizadas, quais configurações de aprimoramento são aplicadas, como os arquivos de saída são arquivados e como as imagens aprimoradas são verificadas quanto a possíveis artefatos. Versões originais e aprimoradas devem permanecer vinculadas durante todo o fluxo de trabalho, para que o resultado aprimorado possa sempre ser interpretado como uma reprodução digital processada, e não como uma imagem restaurada ou historicamente original.

Um fluxo de trabalho padronizado é preferível ao aprimoramento assistido por inteligência artificial ad hoc, pois define seleção de fonte, pré-processamento conservador, configurações fixas de aprimoramento, arquivamento original-aprimorado pareado e controle de qualidade pós-aprimoramento antes do uso da imagem processada. Os usuários finais pretendidos incluem anatomistas, neurocirurgiões, educadores médicos, historiadores da anatomia, ilustradores médicos e usuários de arquivos digitais que necessitam de cópias companheiras visualmente legíveis, mantendo o acesso direto à fonte original.

Este artigo de métodos apresenta um protocolo passo a passo para aprimoramento assistido por IA de ilustrações neuroanatômicas históricas digitalizadas. A sequência central de processamento de imagem, incluindo preparação de imagens, melhoria fixa de superresolução de 16× e exportação em PNG, está resumida na Figura 1. Etapas subsequentes do protocolo incluem arquivamento original-aprimorado pareado, controle de qualidade pós-aprimoramento, inspeção visual baseada em região de interesse e documentação de resultados bem-sucedidos e subótimos. O protocolo não tem a intenção de reivindicar a restauração de obras de arte originais ou a recuperação de informações anatômicas perdidas; em vez disso, ela visa melhorar a acessibilidade visual das reproduções digitalizadas, preservando a relação interpretativa entre a imagem aprimorada e a fonte original.

Protocolo

Esse protocolo foi aplicado apenas a ilustrações neuroanatômicas históricas digitalizadas e não envolveu participantes humanos, dados de pacientes, animais sujeitos, amostras biológicas ou informações pessoais identificáveis; portanto, a aprovação institucional de pesquisas em sujeitos humanos não era aplicável. Todas as imagens foram obtidas de fontes históricas de domínio público, com autorização ou licenciadas adequadamente.

1. Considerações sobre uso de fontes

1. Verifique a proveniência de cada imagem antes do processamento, incluindo o autor histórico, título da fonte, ano aproximado de publicação e origem digital.
2. Interprete os resultados aprimorados como reproduções digitais processadas, em vez de como obras de arte originais restauradas ou evidências de que informações anatômicas perdidas foram recuperadas.
3. Arquive arquivos originais e aprimorados juntos para que a imagem processada possa sempre ser comparada diretamente com a imagem de origem.

2. Seleção de ilustrações neuroanatômicas históricas digitalizadas

1. Ilustrações históricas digitalizadas selecionadas publicadas do século XVI ao XIX.
2. Inclua ilustrações que representem estruturas neuroanatômicas como cérebro, hemisférios cerebrais, giros e sulcos, sistema ventricular, tronco encefálico, nervos cranianos, vasculatura cerebral ou anatomia do sistema nervoso relacionado.
3. Inclua apenas imagens obtidas de fontes com proveniência identificável e status de domínio público ou reutilização compatível. Confirme que cada ilustração selecionada foi publicada entre os séculos XVI e XIX e que sua proveniência e status de reutilização foram verificados individualmente antes da inclusão.
4. Exclua imagens duplicadas, imagens severamente cortadas, chapas incompletas, reproduções modernas redesenhadas ou imagens com clareza de fonte insuficiente, incluindo arquivos fonte com dimensão de eixo longo abaixo de aproximadamente 1.000 pixels quando uma versão de qualidade superior estiver disponível, conteúdo anatômico ausente ou cortado afetando mais de aproximadamente 20% da ilustração, rótulos ilegíveis na região selecionada, artefatos severos de compressão, ou degradação relacionada à varredura que impede a comparação com a imagem original.
5. Identifique ilustrações duplicadas comparando o autor histórico, título da fonte, ano de publicação, número da placa ou página quando disponível, metadados do repositório e conteúdo visual. Quando varreduras duplicadas estiverem disponíveis, mantenha a versão com resolução maior, limites de placas mais completos e rótulos mais claros.
6. Atribua a cada imagem incluída uma identidade única de arquivo antes do processamento.
7. Mantenha versões originais e aprimoradas pareadas de cada imagem durante todo o fluxo de trabalho.

3. Extração de imagens a partir de fontes digitalizadas

1. Abra o arquivo-fonte digitalizado usando a versão de maior qualidade disponível.
2. Recupere cada ilustração de alvo exportando-a do arquivo de documento portátil (PDF) de origem ou capturando-a da fonte digital quando a exportação direta não for viável.
3. Use um leitor de PDF ou software de exportação para extração de imagens em PDF. Use uma ferramenta padrão de captura de tela apenas quando a exportação direta não for viável.
4. Para extração baseada em PDF, use a resolução original embutida da imagem quando disponível e evite a redução de amostragem durante a exportação. Para extração baseada em captura de tela, exiba a fonte com ampliação de 100% ou 200% e registre a resolução da tela, ampliação da tela, ajuste de escala do monitor e as dimensões resultantes da captura de tela.
5. Salve a imagem extraída no formato Joint Photographic Experts Group (JPEG) ou Portable Network Graphics (PNG), dependendo da disponibilidade da fonte e do método de extração.
6. Mantenha a ilustração anatômica completa durante a extração sempre que possível. Se a ilustração completa não puder ser preservada, aplique os critérios de exclusão no passo 2.4 e documente o cultivo.
7. Mantenha rótulos e marcações historicamente relevantes se fizerem parte da ilustração principal. Não redesenhe, recolora, reconstrua ou retoque manualmente estruturas anatômicas durante a extração.

4. Pré-processamento e padronização de arquivos antes da melhoria

1. Revise cada imagem extraída antes de aprimorar.
2. Corte apenas margens externas não informativas ou áreas ao redor em branco. Não faça correção visual manual além do recorte. Especificamente, não aplique afiação manual, eliminação de ruído, recoloração, redesenho, limpeza seletiva ou retoque anatômico antes do aprimoramento.
3. Use softwares de edição de imagem apenas para recorte conservador e preparação simples do layout. Não realize retoque anatômico.
4. Preserve as imagens de linha base como arquivos de referência originais antes do aprimoramento. Não force o tamanho e a resolução da imagem base em uma única dimensão de pixel uniforme antes do processamento, pois as dimensões originais de origem variam entre as placas históricas.
5. Confirme que cada arquivo pré-processado permanece uma reprodução digitalizada fiel da imagem original antes de prosseguir para o aprimoramento assistido por IA.

5. Aprimoramento assistido por inteligência artificial

1. Abra a imagem de entrada padronizada em um software de ampliação de imagem baseado em inteligência artificial instalado localmente.
2. Use o modo de processamento de imagem única , a menos que o processamento em lote seja especificamente exigido.
3. Selecione a imagem de entrada usando a função Selecionar Imagem .
4. Selecione um modelo ou preset de super-resolução fixa antes do processamento e use o mesmo modelo para todas as imagens incluídas.
5. Defina a escala da imagem para 16x para reproduzir a configuração fixa usada nesse fluxo de trabalho e registre que os parâmetros padrão do software não foram modificados manualmente. Não interprete a escala selecionada como otimizada ou superior a fatores de escala alternativos.
6. Use as mesmas configurações de aprimoramento para todas as imagens incluídas para manter a consistência em todo o fluxo de trabalho.
7. Defina a pasta de saída para o mesmo diretório da imagem de entrada ou para uma pasta de saída de projeto pré-definida, e use um diretório de saída separado sempre que possível para evitar sobrescrever acidentalmente arquivos originais.
8. Realize o aprimoramento em um computador equipado com uma unidade central móvel de processamento móvel de 16 núcleos e 24 threads de 13ª geração, uma unidade dedicada de processamento gráfico para laptop com 8 GB de memória gráfica e 32 GB de RAM. Ative a aceleração da unidade de processamento gráfico (GPU) durante o processamento de imagem para reduzir o tempo de processamento para aproximadamente 3 minutos por imagem, dependendo das dimensões da imagem de entrada.
   NOTA: O acesso à Internet não será necessário após a instalação local do software e dos arquivos de modelo.
9. Execute o processo de aprimoramento usando o comando de aprimoramento ou início de processamento do software.
10. Exporte a saída aprimorada no formato PNG.
11. Preserve o nome de arquivo de saída automatizado gerado pelo software sempre que possível, ou atribua um nome estruturado que registre a identidade da imagem de origem, escala de aprimoramento e formato de saída.
    NOTA: Não redesenhe, retoque, recolore ou corrija seletivamente detalhes anatômicos manualmente após o aprimoramento da IA.
12. Arquive o arquivo PNG aprimorado junto com a imagem original de linha base.

6. Revisão de controle de qualidade pós-aprimoramento

1. Abra cada imagem aprimorada junto com sua imagem original correspondente. Confirme que o arquivo aprimorado foi gerado completamente e que não houve corrupção ou exportação incompleta do arquivo.
2. Compare a imagem aprimorada com a original em baixa e alta ampliação. Verifique se o aprimoramento parece melhorar a visibilidade dos traços, contornos anatômicos, rótulos e detalhes escaneados.
3. Aplique uma lista de verificação técnica estruturada de controle de qualidade. Essa lista de verificação é uma etapa de documentação, e não um estudo formal de validação por avaliadores de especialistas.
4. Inspecionar especificamente a saída para os seguintes problemas relacionados a aprimoramentos: formação artificial de texturas; nitidez excessiva, incluindo linhas finas espessadas, granulação exagerada do papel ou bordas que parecem mais pronunciadas do que na imagem original; distorção de letras ou rótulos; falsa continuidade entre linhas separadas; espessamento de linhas anatômicas finas; textura exagerada do papel; e estruturas que não são claramente apoiadas pela imagem original.
5. Classifique cada saída como tecnicamente aceitável ou subótima.
   1. Considere um resultado tecnicamente aceitável se contornos anatômicos, rótulos e marcas históricas permanecerem visualmente consistentes com a imagem digitalizada original.
   2. Considere um resultado subótimo se o aprimoramento produz textura enganosa, texto distorcido, formação artificial de linhas ou alteração excessiva da aparência histórica. Manter resultados subótimos para documentação quando ilustram limitações do método.
6. Não substitua a imagem original pela imagem aprimorada. Use a imagem aprimorada apenas como uma versão companheira processada.

7. Seleção por região de interesse para comparação pareada

1. Selecione manualmente uma ou mais regiões representativas de interesse (ROIs) de cada par de imagens após as imagens completas originais e aprimoradas terem sido arquivadas. Escolha regiões que demonstrem o efeito prático do aprimoramento na visualização neuroanatômica. Prefira regiões que contenham detalhes anatômicos visualmente complexos ou ricos em profundidade, como estruturas ventriculares, giros e sulcos, trabalho de linhas vasculares, contornos do tronco encefálico, detalhes relacionados ao nervo craniano ou pequenos rótulos. Evite selecionar apenas as regiões visualmente melhores; Inclua regiões que representem de forma justa os pontos fortes e limitações do aprimoramento.
2. Para cada região selecionada, corte a mesma área anatômica das imagens originais e aprimoradas usando coordenadas proporcionais idênticas. Se a correspondência exata de coordenadas não for possível devido a diferentes dimensões da imagem, documente o ajuste. Use um ROI de aproximadamente 10%–20% da largura e altura da imagem, ajustado apenas quando necessário para incluir a mesma estrutura anatômica ou rótulo em ambos os painéis.
3. Certifique-se de que os painéis originais e os aprimorados de ROI mostrem o mesmo campo anatômico. Não aplique sharpening adicional, ajuste de contraste ou correção manual nos painéis ROI após o recorte.
4. Use os painéis de retorno sobre investimento apenas para demonstração visual do efeito de aprimoramento, não como material independente de avaliação de especialistas.

8. Preparação de figuras representativas

1. Prepare uma figura de fluxo de trabalho resumindo o protocolo completo.
2. Prepare figuras representativas de imagem pareada mostrando versões originais e aprimoradas.
3. Para cada figura representativa, use uma estrutura de quatro painéis sempre que possível. Coloque a ilustração digitalizada original no painel A; a ilustração aprimorada por IA no painel B; o ROI ampliado da imagem original no painel C; e o ROI ampliado correspondente da imagem aprimorada no painel D.
4. Use espaçamento consistente, alinhamento, etiquetas e ampliação dos painéis entre painéis originais pareados e aprimorados. Use uma fonte padrão sem serifa em um tamanho consistente e legível para etiquetas de painéis e anotações, e registre a fonte e o tamanho selecionados.
5. Use setas ou pontas de flecha apenas quando necessário para indicar uma linha, rótulo ou artefato específico, e não adicione setas que impliquem interpretação anatômica não visível na imagem original.
6. Adicione barras de escala apenas quando a imagem de origem fornecer calibração espacial confiável. Para placas históricas sem uma escala espacial válida, não adicione barras de escala.
7. Não aplique ajustes adicionais de brilho ou contraste ao preparar os painéis originais e aprimorados. Figuras de exportação a 300 dpi, ou 600 dpi quando trabalhos de linhas finas e rótulos exigem uma exibição de resolução mais alta.
8. Inclua exemplos de diferentes fontes históricas para demonstrar que o fluxo de trabalho pode ser aplicado entre estilos de desenho variáveis e qualidades de varredura. Inclua pelo menos um exemplo mostrando um resultado de aprimoramento subótimo, como formação artificial de textura ou distorção de texto, para demonstrar as limitações do método.
9. Exporte figuras como arquivos separados de alta qualidade PDF, TIFF ou JPEG, sem legendas embutidas. Para exportação em PDF, preserve as dimensões da imagem de origem e evite reamostragem ou compressão com perdas.
10. Forneça as legendas das figuras apenas no arquivo do manuscrito.
11. Verifique todos os painéis de figuras quanto ao recorte, resolução e completude dos painéis antes de enviar.

9. Documentação e gestão de dados

1. Armazene as versões original e aprimorada de cada imagem como arquivos pareados para que cada saída aprimorada possa ser rastreada até sua imagem de origem correspondente.
2. Registre o repositório fonte de cada ilustração, incluindo o nome do arquivo ou repositório, URL estável ou informações de acessão quando disponíveis, status de reutilização e data de acesso.
3. Registre o método de processamento para cada imagem, incluindo o método de extração, etapa de pré-processamento, software de aprimoramento, versão do software, modelo selecionado, fator de escala, formato de saída e nome final do arquivo.
4. Registre se cada imagem foi extraída por exportação em PDF ou captura de tela, se o corte foi limitado a margens não informativas e se o aprimoramento usou a configuração fixa de super-resolução 16x.
5. Preserve os nomes dos arquivos de saída gerados por software sempre que possível, ou atribua nomes estruturados que registrem a identidade da imagem de origem, escala de aprimoramento e formato de saída.
6. Documente se cada saída aprimorada era tecnicamente aceitável ou subótima. Achados subótimos podem incluir formação artificial de textura, nitidez excessiva, rótulos distorcidos ou alterações de linha visualmente enganosas.

Resultados

Comparações representativas de imagens originais e aprimoradas são fornecidas nas figuras do manuscrito. A data de publicação, a proveniência da fonte, as informações do repositório e o status de reutilização foram verificados e documentados para cada uma das 40 ilustrações históricas incluídas neste estudo.

Conjunto de dados de imagens e características da fonte
O protocolo foi aplicado a 40 ilustrações neuroanatômicas históricas digitalizadas. A data de publicação, proveniência e status de reutilização de cada ilustração foram verificados individualmente antes da inclusão, e todas as ilustrações selecionadas se originaram de obras publicadas entre os séculos XVI e XIX. As ilustrações incluídas representavam uma variedade de temas neuroanatômicos, incluindo anatomia da superfície cortical, giros e sulcos cerebrais, estruturas ventriculares, regiões do tronco encefálico, anatomia relacionada ao nervo craniano e características vasculares. As imagens foram obtidas de fontes históricas digitalizadas de domínio público, com autorização ou compatíveis com reutilização; As informações do repositório e o status de reutilização foram documentados individualmente para todas as 40 ilustrações.

As reproduções digitizadas originais apresentaram limitações comuns encontradas em materiais históricos, incluindo baixa resolução aparente, linhas desbotadas, descoloração de fundo, desfoque relacionado à varredura, artefatos de compressão e legibilidade reduzida de pequenas etiquetas. Essas limitações forneceram casos de teste práticos para aplicar o fluxo de trabalho padronizado de aprimoramento. As imagens originais não aprimoradas foram mantidas como arquivos de linha base e pareadas com suas correspondentes saídas aprimoradas ao longo do fluxo de trabalho.

Resultado técnico do fluxo de trabalho de aprimoramento
Todas as 40 imagens de linha de base foram processadas usando o mesmo software de ampliação de imagem assistido por IA instalado localmente, com configurações fixas de aprimoramento. Um preset de super-resolução 16x foi aplicado consistentemente a todas as imagens incluídas, e as saídas aprimoradas foram exportadas em formato PNG. Nenhum redesenho manual, recoloração, correção seletiva ou retoque anatômico foi realizado antes ou depois do aprimoramento. O processamento era realizado em um computador equipado com uma unidade central móvel de 16 núcleos e 24 threads de 13ª geração, uma unidade dedicada de processamento gráfico para laptop com 8 GB de memória gráfica e 32 GB de RAM, com a aceleração da unidade de processamento gráfico habilitada. O tempo de processamento era de aproximadamente 3 minutos por imagem, dependendo das dimensões da imagem de entrada.

As imagens aprimoradas geralmente apresentavam maior nitidez aparente, definição de linhas mais forte, separação mais clara entre o traço anatômico e o fundo, e maior visibilidade percebida de pequenos detalhes anatômicos ou textuais. Esses efeitos foram mais perceptíveis em imagens com tinta desbotada, baixo contraste ou desfoque relacionado à varredura. O aprimoramento foi interpretado como um processamento técnico de reproduções digitalizadas, em vez da restauração da obra histórica original.

Uma limitação prática do fluxo de trabalho era o aumento substancial no tamanho do arquivo de saída. Em alguns casos, arquivos de aproximadamente 1 MB aumentavam para mais de 200 MB após o aprimoramento 16x. Portanto, capacidade de armazenamento, gerenciamento de arquivos e preparação de figuras devem ser considerados ao aplicar o fluxo de trabalho a coleções de imagens maiores.

Resultados representativos de melhoria bem-sucedida
Exemplos representativos em pares demonstraram o efeito prático do protocolo em ilustrações neuroanatômicas históricas de diferentes fontes e períodos (Figura 2, Figura 3, Figura 4 e Figura 5). Em exemplos bem-sucedidos, as imagens aprimoradas mostraram contornos anatômicos mais claros, maior continuidade do trabalho de linhas finas e maior visibilidade percebida de regiões complexas, incluindo giros corticais, estruturas ventriculares, linhas vasculares e detalhes relacionados ao tronco encefálico.

O formato de figura pareada permitia a comparação direta entre as versões original e aprimorada. Em baixa ampliação, as melhorias mais evidentes foram clareza global, contraste e legibilidade. Em ampliações maiores, as diferenças na continuidade das linhas, definição das bordas e visibilidade de pequenas etiquetas tornaram-se mais evidentes. Regiões de interesse correspondentes foram úteis para demonstrar o efeito local do aprimoramento em detalhes anatomicamente relevantes.

A imagem original permaneceu essencial para a interpretação em todos os casos. Imagens aprimoradas devem, portanto, ser apresentadas como imagens processadas complementares, e não como substitutas da fonte histórica original.

Resultados de aprimoramento subótimos e achados no controle de qualidade
Embora o fluxo de trabalho tenha produzido resultados tecnicamente aceitáveis na maioria dos exemplos representativos, várias limitações foram observadas durante a revisão de controle de qualidade. Em algumas imagens, o processo de aprimoramento aumentou a textura artificial, granulação exagerada do papel ou distorção das letras pequenas e rótulos. Em outros casos, linhas finas pareciam excessivamente nítidas ou visualmente mais grossas do que na imagem original.

Esses desfechos subótimos foram mais propensos a ocorrer em imagens com degradação basal severa, baixa resolução da fonte, rotulagem densa ou textura proeminente do papel. Essas descobertas destacam a necessidade de comparação direta com a imagem original após o aprimoramento. Eles também apoiam uma etapa de controle de qualidade antes de usar imagens aprimoradas em materiais educacionais, apresentações ou figuras acadêmicas. Essa revisão estruturada foi usada como documentação técnica de controle de qualidade, em vez de um estudo formal de validação por peritos.

Um exemplo subótimo está incluído na Figura 6 para demonstrar as limitações do método. Isso é especialmente importante porque o aprimoramento assistido por inteligência artificial pode melhorar a clareza visual e também criar mudanças que podem ser confundidas com detalhes históricos ou anatômicos autênticos.

Interpretação recomendada de saídas aprimoradas
Os resultados desse protocolo devem ser interpretados como uma demonstração de viabilidade técnica e reprodutibilidade de fluxos de trabalho. O método pode melhorar a acessibilidade visual percebida de ilustrações neuroanatômicas históricas digitalizadas, especialmente quando a imagem original digitalizada é afetada por desfoque, desvanecimento ou redução da clareza das linhas. No entanto, os resultados aprimorados não estabelecem a restauração da obra original, recuperação de informações perdidas ou precisão anatômica.

Para ensino, apresentação ou exibição arquivística, a imagem aprimorada deve ser exibida ao lado ou claramente vinculada à fonte digitalizada original. Essa abordagem pareada preserva a transparência histórica e reduz o risco de interpretação excessiva das mudanças relacionadas ao aprimoramento. Portanto, o protocolo é mais apropriado como um fluxo de trabalho controlado de aprimoramento visual para reproduções digitalizadas, e não como um método para substituir material fonte histórico.

Figura 1: Fluxo de trabalho para aprimoramento assistido por IA de ilustrações neuroanatômicas históricas digitalizadas. O esquema resume a aquisição de imagens a partir de repositórios digitais, preparação de imagens, aprimoramento fixo de 16× assistido por IA e exportação da imagem aprimorada para avaliação e documentação subsequentes. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 2: Aprimoramento representativo de uma ilustração neuroanatômica histórica digitalizada de Vesalius. A ilustração foi obtida a partir de uma fonte histórica digitalizada de De humani corporis fabrica libri septem, de Andreas^{Vesalius 13}. (A) Ilustração original digitalizada antes de aprimoramento. (B) Versão super-resolução aprimorada da mesma ilustração. (C) Região ampliada de interesse a partir da imagem original. (D) Corresponde à região ampliada de interesse da imagem aprimorada. Caixas vermelhas indicam as regiões ampliadas nos painéis C e D. A comparação pareada mostra maior definição percebida das linhas, contraste e clareza visual, permitindo a comparação direta com a imagem digitalizada original. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 3: Aprimoramento representativo de uma ilustração neuroanatômica histórica digitalizada de Steno. A ilustração foi obtida a partir de uma fonte histórica digitalizada do Discours de Monsieur Stenon sur l'anatomie du cerveau, de Nicolas^{Steno 14}. (A) Ilustração original digitalizada antes de aprimoramento. (B) Versão super-resolução aprimorada da mesma ilustração. (C) Região ampliada de interesse a partir da imagem original. (D) Corresponde à região ampliada de interesse da imagem aprimorada. Caixas vermelhas indicam as regiões ampliadas nos painéis C e D. A imagem aprimorada mostra maior visibilidade aparente do trabalho de linhas finas e redução da degradação visual relacionada à varredura. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 4: Aprimoramento representativo de uma ilustração neuroanatômica histórica digitalizada de Rolando. A ilustração foi obtida de uma fonte histórica digitalizada de Della struttura degli emisferi cerebrali, de Luigi^{Rolando 15}. (A) Ilustração original digitalizada antes de aprimoramento. (B) Versão super-resolução aprimorada da mesma ilustração. (C) Região ampliada de interesse a partir da imagem original. (D) Corresponde à região ampliada de interesse da imagem aprimorada. Caixas vermelhas indicam as regiões ampliadas nos painéis C e D. A comparação mostra maior visibilidade aparente dos detalhes da superfície cortical e continuidade das linhas anatômicas após o realce. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 5: Aprimoramento representativo de uma ilustração neuroanatômica histórica digitalizada de Vicq d'Azyr. A ilustração foi obtida de uma fonte histórica digitalizada do Traité d'anatomie et de physiologie de Félix Vicq^{d'Azyr 16}. (A) Ilustração original digitalizada antes de aprimoramento. (B) Versão super-resolução aprimorada da mesma ilustração. (C) Região ampliada de interesse a partir da imagem original. (D) Corresponde à região ampliada de interesse da imagem aprimorada. Caixas vermelhas indicam as regiões ampliadas nos painéis C e D. Os painéis pareados mostram maior contraste percebido e visibilidade de detalhes em uma placa anatômica histórica. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura 6: Resultado subótimo de aprimoramento assistido por IA em uma ilustração neuroanatômica histórica digitalizada de Arnold. A ilustração foi obtida a partir de uma fonte histórica digitalizada de Tabulae anatomicae por Friedrich^{Arnold 17}. (A) Ilustração original digitalizada antes de aprimoramento. (B) Versão super-resolução aprimorada da mesma ilustração. (C) Região ampliada de interesse a partir da imagem original. (D) Corresponde à região ampliada de interesse da imagem aprimorada. Caixas vermelhas indicam as regiões ampliadas nos painéis C e D. A imagem aprimorada demonstra limitações relacionadas ao método, incluindo textura artificial do papel, nitidez excessiva, distorção parcial de pequenas etiquetas e traços visualmente espessados. Este exemplo ilustra por que as imagens aprimoradas devem permanecer pareadas à fonte original e passar por revisão de controle de qualidade antes do uso. Por favor, clique aqui para ver uma versão ampliada desta figura.

Discussão

Este artigo de métodos apresenta um fluxo de trabalho reprodutível para aprimoramento assistido por IA de ilustrações neuroanatômicas históricas digitalizadas. Imagens anatômicas históricas há muito tempo serviram como ferramentas importantes para documentação anatômica, ensino e comunicação científica, e muitas dessas obras agora estão acessíveis por meio de livros digitalizados, arquivos digitalizados e repositórios online. No entanto, seu uso no ensino moderno, apresentações e arquivamento digital é frequentemente limitado por baixa resolução aparente, linhas desbotadas, descoloração de fundo, desfoque relacionado à varredura, artefatos de compressão e legibilidade reduzida de pequenas etiquetas 12,18,19,20.

A principal força do protocolo é sua simplicidade e reprodutibilidade. O protocolo não tem a intenção de introduzir um novo algoritmo de super-resolução nem de afirmar que imagens aprimoradas são historicamente mais autênticas do que as imagens de origem. Em vez disso, sua contribuição é a padronização de um fluxo de trabalho cauteloso que reduz o risco de aprimoramentos não controlados e ad hoc. O fluxo de trabalho utiliza fontes digitais compatíveis com domínio público ou reutilização, corte conservador e uma configuração fixa de aprimoramento em um aplicativo acessível de ampliação de imagem. O mesmo preset de super-resolução 16x foi aplicado a todas as imagens incluídas, e nenhum retoque anatômico manual, redesenho, recoloração ou correção seletiva foi realizado. Isso é importante porque ilustrações neuroanatômicas históricas não são imagens digitais comuns; São documentos científicos, educacionais, artísticos e históricos. Portanto, o aprimoramento deve ser interpretado como o processamento de uma reprodução digitalizada, e não como a restauração da obra original ou evidências de que informações anatômicas perdidas foram^recuperadas 19,21,22.

Métodos de aprimoramento de imagem assistidos por IA e super-resolução podem melhorar a resolução aparente, definição das bordas, contraste e acessibilidade visual em imagens degradadas ou de baixa resolução. Em exemplos bem-sucedidos, o fluxo de trabalho atual produziu maior visibilidade percebida de linhas anatômicas finas, contornos corticais e ventriculares, detalhes vasculares, estruturas relacionadas ao tronco encefálico e pequenos estereotipados. Essas mudanças podem ser úteis na preparação de ilustrações neuroanatômicas históricas para palestras, figuras educacionais, arquivos digitais ou apresentações acadêmicas. No entanto, a imagem original deve permanecer disponível como fonte de referência, e imagens aprimoradas devem ser usadas como imagens processadas complementares, em vez de^{substitutas 9, 23 e 24}.

O controle de qualidade pós-aprimoramento é uma etapa essencial no protocolo. O aprimoramento assistido por IA pode, ocasionalmente, produzir resultados subótimos, especialmente em imagens com degradação severa da linha de base, rotulagem densa, baixa resolução da fonte ou textura de papel proeminente. Problemas potenciais incluem formação artificial de textura, nitidez excessiva, espessamento de linhas finas, distorção de letras minúsculas e mudanças visualmente enganosas na continuidade das linhas. Esses riscos são consistentes com preocupações mais amplas sobre a confiabilidade anatômica de ilustrações médicas geradas ou modificadas por IA, nas quais a plausibilidade visual não garante necessariamente precisão anatômica. Por esse motivo, cada saída aprimorada deve ser comparada diretamente com a fonte digitalizada original antes do^{uso 12, 25 e 26}.

Esse protocolo possui várias limitações. Primeiro, a qualidade da saída aprimorada depende fortemente da qualidade da imagem de origem. Imagens severamente degradadas, incompletas ou mal escaneadas podem não produzir resultados confiáveis. Segundo, o aprimoramento 16x pode aumentar substancialmente o tamanho do arquivo de saída, o que pode complicar o armazenamento, a transferência e a preparação de figuras. A escala 16x selecionada não foi comparada com fatores alternativos e não deve ser interpretada como ótima. Terceiro, este artigo não fornece métricas objetivas de qualidade de imagem, pontuações de avaliadores especialistas ou dados de resultados educacionais. Em vez disso, o atual protocolo fornece documentação estruturada de controle técnico de qualidade e enquadra explicitamente imagens aprimoradas como visualizações complementares, em vez de substitutos validados para fontes históricas originais. O objetivo é descrever um fluxo de trabalho técnico padronizado, em vez de provar superioridade sobre outros algoritmos de aprimoramento ou medir resultados de aprendizagem.

Estudos futuros podem comparar diferentes modelos de aprimoramento, fatores de escala e métricas objetivas de qualidade de imagem, como nitidez, contraste, preservação das bordas, legibilidade do texto, tamanho do arquivo e tempo de processamento. Estudos educacionais também podem avaliar se imagens históricas aprimoradas melhoram o engajamento do aprendiz ou a compreensão anatômica. Em sua forma atual, o protocolo oferece uma abordagem prática e reprodutível para melhorar a acessibilidade visual das ilustrações neuroanatômicas históricas digitalizadas, preservando a transparência da fonte e a cautela interpretativa. A imagem aprimorada deve ser considerada um complemento digital processado da fonte original, e não uma referência anatômica independente.

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Adobe Acrobat	Adobe	Versão não registrada	Extração de imagem baseada em PDF
Estação de trabalho de computador	Não relatado nos arquivos enviados	Configuração não relatada	Hardware usado para aprimoramento de imagem assistido por IA local
Configurações de exibição/captura de tela	Ferramenta de captura de tela do Windows ou equivalente	Ampliação de exibição de 100% ou 200%; escala do monitor registrada	Extração baseada em captura de tela padronizada quando a exportação direta de PDF não era viável
Gallica	Bibliothèque nationale de France	Repositório online	Fonte de obras históricas digitalizadas
Predefinição geral Photo Real-ESRGAN	Modelo baseado em Upscayl / Real-ESRGAN	Configuração de 16x	Aprimoramento de super-resolução de ilustrações digitalizadas
Google Books	Google	Repositório online	Fonte de livros históricos digitalizados
Unidade de processamento gráfico	Não relatado nos arquivos enviados	Modelo e status de aceleração não relatados	Aceleração por GPU para aprimoramento de imagem quando ativado
Internet Archive	Internet Archive	Repositório online	Fonte de obras históricas digitalizadas de domínio público
Unidade de armazenamento local	Estação de trabalho especificada pelo usuário	Espaço de armazenamento livre suficiente	Armazenamento de arquivos de imagem original, aprimorada e pronta para figura
Configurações de exportação de PDF	Adobe Acrobat ou software de leitura/exportação de PDF equivalente	Resolução original incorporada quando disponível	Extração de imagens de fontes PDF digitalizadas sem subamostragem intencional
PhotoScape X	MOOII Tech	v4.1.1	Corte conservador e preparação de figuras
Formato de imagem PNG	—	—	Formato de saída para imagens aprimoradas
Planilha de registro de processamento	Microsoft Excel ou software de planilha equivalente	Versão não crítica	Documentação da fonte, método de extração, configuração de aprimoramento, tempo de processamento, nome do arquivo de saída e classificação de QC
Lista de verificação de controle de qualidade	Lista de verificação gerada pelo autor	Não aplicável	Revisão técnica estruturada para textura artificial, suavização excessiva, distorção de rótulo, espessamento de linha e alterações visuais não suportadas
Memória do sistema	Não relatado nos arquivos enviados	Capacidade de RAM não relatada	Memória disponível para aprimoramento de imagem em grande escala
Upscayl	Upscayl	v2.11.5	Aprimoramento de imagem assistido por inteligência artificial
Wellcome Collection	Wellcome Collection	Repositório online	Fonte de obras históricas digitalizadas de domínio público
Wikimedia Commons	Wikimedia Foundation	Repositório online	Fonte de imagens de domínio público ou compatíveis com reutilização
Sistema operacional Windows	Microsoft	Windows 10	Sistema operacional usado para extração e processamento de imagem
Ferramenta de captura de tela do Windows	Microsoft	Ferramenta integrada do Windows 10	Captura de imagem baseada em captura de tela quando a exportação de PDF não era viável