デジタル化された歴史的神経解剖図の人工知能支援強化のための再現可能なプロトコル

サマリー

本研究では、デジタル化された歴史的神経解剖図の人工知能支援による再現可能で品質管理されたワークフローを提示します。このプロトコルは、ソース選択、抽出、ファイルの標準化、ローカルの超高解像度処理、ペア化されたオリジナル強化アーカイブ、技術的な品質管理レビュー、許容可能な出力と最適でない出力の両方のドキュメント化を定義しています。

要約

デジタル化された歴史的神経解剖図は、解剖学教育、歴史学研究、デジタルアーカイブのための貴重な資源です。しかし、教育資料や学術的発表における実用的な利用は、低解像度、色あせ、紙の変色、圧縮アーティファクト、細かい解剖学的線画やラベルの可読性の低下などにより制限されることが多いです。人工知能支援による超解像度はこれらのデジタル複製の視覚的使いやすさを向上させる可能性がありますが、制御されていない強調は人工的なテクスチャ、線の連続性の変化、歪んだラベル、またはソース画像で支持されない視覚的にもっともらしい詳細を生み出すこともあります。したがって、歴史的科学図解に人工知能を活用した強化を適用する際には、標準化され透明な手順が必要です。

この記事では、デジタル化された歴史的神経解剖学図版を制御的に強化するためのステップバイステップのワークフローについて説明します。プロトコルには、ソース画像の選択、出所および再利用状況の文書化、画像抽出、保守的前処理、固定設定を用いた局所超解像度強化、ペア化されたオリジナル強化アーカイブ、関心地域ベースの検査、構造化された技術的品質管理文書が含まれます。このワークフローは、教育、プレゼンテーション、予備的な視覚検査における視覚的アクセスを向上させることを目的としており、すべての強化された出力と元のデジタル化されたソースとの間の直接的な解釈的リンクを維持します。

この方法は、スキャンされたデジタル複製の補助的な補強として捉えるべきであり、オリジナル作品の修復、歴史的資料の認証、失われた解剖学的情報の回復ではありません。オリジナル版と強化版は一緒にアーカイブし、使用前に拡張された出力はアーティファクトの可能性を必ず確認してください。このプロトコルは、解剖学的および歴史的完全性に注意を払いながら、歴史的な神経解剖学的画像をペアの相棒視覚化として作成するための実用的で低コストかつ再現性の高いアプローチを提供します。

概要

歴史的な神経解剖学的イラストレーションは、神経系の視覚的記録、教育、解釈において重要な役割を果たしてきました。現代の神経画像技術が発展する以前は、解剖プレートが脳、脳室、脳神経、血管構造、脳幹解剖学の観察を伝える主要な媒体として機能^{していました。}これらの多くの作品は現在、デジタル化された書籍、スキャンされたアーカイブコレクション、オンラインリポジトリを通じてアクセス可能です。しかし、現代の教育、プレゼンテーション、デジタルアーカイブにおけるデジタル化された歴史的イラストの直接使用は、低解像度、色あせ、紙の変色、圧縮アーティファクト、スキャン関連のぼやけ、細かい線画やラベル^{4、5、6、7、8}の判読性の低下により制限されることが多いです。

AI支援による画像強調および超解像度手法は、劣化または低解像度のデジタル画像の視覚的利用性を向上させる実用的な機会を提供します。ディープラーニングベースの超解像度アルゴリズムは、見かけの解像度を向上させ、エッジの細部を改善し、デジタル画像の^スキャン関連の視覚劣化を低減^{できます。}歴史的な神経解剖学の図版では、これらの手法は元のデジタル化された複製で検査が難しい細かい解剖学的線、ラベル、構造的境界を明確にするのに役立つかもしれません。それでも、歴史的な解剖学的画像は注意が必要です。これらのイラストは単なる視覚的な教育資料であるだけでなく、科学的かつ歴史的な文書でもあります。強調は明瞭さを向上させるかもしれませんが、標準化されたワークフローがなければ線のテクスチャを変えたり、エッジを誇張したり、陰影を修正したり、人工的なディテールを作成したりすることもあります。

このため、歴史的な解剖図の人工知能補助による強化は、無制限な画像操作ではなく、制御された技術的プロセスとして実施されるべきです。再現可能なプロトコルは、ソース画像の選定方法、出所や再利用状況の記録方法、画像の抽出と標準化、どの強調設定の適用か、出力ファイルのアーカイブ方法、そして拡張画像のアーティファクトのチェック方法を定義すべきです。オリジナル版と補正版はワークフロー全体を通じてリンクされ続け、強化された出力が修復されたデジタル複製として解釈され、修復された画像や歴史的にオリジナルな画像としては見られないようにすべきです。

標準化されたワークフローは、ソース選択、保守的な前処理、固定された強調設定、ペアリングされたオリジナル強化アーカイブ、そして処理後の品質管理を定義するため、アドホックな人工知能支援による強調よりも望ましいです。対象となる最終利用者は、解剖学者、脳神経外科医、医学教育者、解剖学史家、医療イラストレーター、そして視覚的に読みやすい補助コピーを必要としつつ、元のソースへの直接アクセスを保持するデジタルアーカイブ利用者などです。

本記事は、デジタル化された歴史的神経解剖図をAI支援で強化するための段階的なプロトコルを提示します。画像準備、固定16×超解像度強化、PNGエクスポートを含む主要な画像処理シーケンスは 図1にまとめられています。その後のプロトコルステップには、ペア化されたオリジナル強化アーカイブ、強化後の品質管理、関心領域に基づく目視検査、成功した結果と最適でない結果の記録が含まれます。このプロトコルは、オリジナルの美術作品の修復や失われた解剖学的情報の回復を主張することを目的としていません。むしろ、デジタル化された複製の視覚的アクセス性を向上させつつ、強化された画像と元のソースとの解釈的関係を保持することを意図しています。

プロトコル

このプロトコルはデジタル化された歴史的神経解剖図にのみ適用され、人間の参加者、患者データ、動物被験者、生物学的サンプル、または特定可能な個人情報は含まれていませんでした。したがって、機関のヒト被験者研究承認は適用されませんでした。すべての画像はパブリックドメイン、許可を得た、または適切にライセンスされた歴史的資料から取得されています。

1. 出典利用の考慮事項

1. 処理前に各画像の出所を必ず確認し、歴史的な作者名、出典タイトル、おおよその出版年、デジタルソースを含めてください。
2. 強化された出力を、修復されたオリジナル作品や失われた解剖学的情報の証拠としてではなく、処理されたデジタル複製として解釈してください。
3. オリジナルと補完済みファイルをまとめてアーカイブし、処理済み画像が元の画像と直接比較できるようにしましょう。

2. 歴史的神経解剖学図版のデジタル選定

1. 16世紀から19世紀にかけて出版された選りすぐりのデジタル化された歴史イラスト。
2. 脳、大脳半球、回および溝、心室系、脳幹、脳神経、脳血管、または関連する神経系解剖学的構造を示す図示を含めてください。
3. 識別可能な出所およびパブリックドメインまたは再利用互換性のあるソースから取得した画像のみを含めてください。選ばれた各イラストが16世紀から19世紀の間に出版されたこと、そしてその出所や再利用状況が個別に検証されてから掲載されたことを確認しましょう。
4. 重複画像、大幅にトリミングされた画像、不完全なプレート、現代的に再描画された複製、またはより高品質なバージョンが存在する場合に約1,000ピクセル未満の長軸サイズのソースファイルを含む、約20%以上の画像に影響を与える解剖学的内容の欠損やトリミング、選択した領域の判読不能なラベル、深刻な圧縮アーティファクトなどを除外してください。 または、元の画像との比較が困難なスキャン関連の劣化。
5. 過去の著者名、出典タイトル、出版年、利用可能な場合は図版またはページ番号、リポジトリのメタデータ、視覚的な内容を比較して重複図版を特定します。重複スキャンが利用可能な場合は、解像度が高く、プレート境界がより完全に、ラベルがより鮮明なバージョンを保持してください。
6. 処理前に、含まれる各画像に固有のファイル識別子を割り当ててください。
7. ワークフロー全体を通じて、各画像のオリジナル版と補正版をペアリングで維持してください。

3. デジタル化されたソースからの画像抽出

1. デジタル化されたソースファイルを、利用可能な最高品質のバージョンで開いてください。
2. 各ターゲットイラストは、元のポータブルドキュメントフォーマット(PDF)ファイルからエクスポートするか、直接エクスポートが難しい場合はデジタルソースからキャプチャして取得します。
3. PDFリーダーやエクスポートソフトウェアを使ってPDFベースの画像抽出を行ってください。直接エクスポートができない場合のみ標準的なスクリーンキャプチャユーティリティを使用してください。
4. PDFベースの抽出では、利用可能な元の埋め込み画像解像度を使用し、エクスポート時のダウンサンプリングは避けてください。スクリーンショットベースの抽出では、ソースを100%または200%の拡大率で表示し、表示解像度、ディスプレイ倍率、モニターのスケーリング設定、そしてその結果のスクリーンショットの寸法を記録します。
5. 抽出した画像は、ソースの入手可能性や抽出方法に応じて、Joint Photographic Experts Group(JPEG)またはPortable Network Graphics(PNG)形式で保存してください。
6. 可能な限り、抽出時には解剖図の全てを保存してください。完全なイラストが保存できない場合は、ステップ2.4の除外基準を適用し、作物の記録を行ってください。
7. ラベルや歴史的に重要なマーキングは、主要なイラストの一部であれば保持してください。摘出中に解剖学的構造を手動で再描画、再着色、再構築、またはタッチしないでください。

4. 強化前の前処理およびファイルの標準化

1. 強化前に抽出した各画像を確認しましょう。
2. 情報に役立たない外縁や周囲の空白部分のみを切り取ってください。トリミング以外の手動の視覚補正は行わないでください。 具体的には、補正前に手動でシャープニング、ノイズ除去、再彩色、再描画、選択的なクリーニング、解剖学的レタッチを行わないでください。
3. 画像編集ソフトは、保守的なトリミングや簡単なレイアウト準備には必ず使いましょう。解剖学的なレタッチは行わないでください。
4. 強化前に基準画像を元の参照ファイルとして保存してください。処理前にベースライン画像のサイズと解像度を単一の均一なピクセル次元に強制しないでください。元の元のサイズは歴史的なプレートごとに異なるためです。
5. AI補助補正に進む前に、各前処理ファイルが元の画像を忠実にデジタル化した複製であることを確認してください。

5. 人工知能支援による強化

1. 標準化された入力画像を、ローカルにインストールされた人工知能ベースの画像アップスケーリングソフトウェアで開いてください。
2. バッチ処理が特に必要でない限り、 単一画像処理 モードを使用してください。
3. 「 画像選択 」機能を使って入力画像を選択します。
4. 処理前に固定された超解像度モデルまたはプリセットを選択し、含まれるすべての画像に同じモデルを使用します。
5. 画像のスケールを16倍に設定して、このワークフローで使われた固定設定を再現し、デフォルトのソフトウェアパラメータが手動で変更されていないことを記録してください。選択したスケールを最適化された、または他のスケールファクターより優れていると解釈しないでください。
6. ワークフロー全体の一貫性を保つために、含まれるすべての画像で同じ強調設定を使いましょう。
7. 出力フォルダは入力画像と同じディレクトリか、あらかじめ定義されたプロジェクトの出力フォルダに設定し、可能であれば元のファイルの誤って上書きを防ぐために別の出力ディレクトリを使用してください。
8. 13世代の16コア、24スレッドのモバイル中央処理装置、8GBのグラフィックメモリを備えた専用ノートパソコングラフィックス処理装置、32GBのRAMを搭載したコンピュータでこの強化を行います。画像処理時にグラフィックス処理ユニット(GPU)のアクセラレーションを有効にし、入力画像の寸法に応じて1枚あたりの処理時間を約3分に短縮します。
   注意:ソフトウェアとモデルファイルをローカルにインストールした後は、インターネット接続は必要ありません。
9. ソフトウェアの強化コマンドまたは処理開始コマンドを使って強化プロセスを実行します。
10. 強化された出力をPNG形式でエクスポートします。
11. 可能な限りソフトウェアが生成する自動出力ファイル名を保持するか、元の画像の識別、強調スケール、出力フォーマットを記録する構造化ファイル名を割り当ててください。
    注意: AI強化後に手動で描き直したり、修正したり、色を変えたり、解剖学的詳細を選択的に修正したりしないでください。
12. 強化されたPNGファイルを元のベースライン画像と一緒にアーカイブします。

6. 強化後の品質管理レビュー

1. 各強化画像と対応する元の画像を開いてください。強化ファイルが完全に生成され、ファイルの破損や不完全なエクスポートがなかったかを確認してください。
2. 強化画像と、低倍率および高倍率の元の画像を比較してください。この補正が線画、解剖学的輪郭、ラベル、スキャンした詳細の視認性を向上させるかどうかを確認してください。
3. 構造化された技術品質管理チェックリストを適用しましょう。このチェックリストは、正式な専門家と評価者の検証研究ではなく、文書化のステップです。
4. 特に以下の強化関連の問題について出力を検査してください:人工テクスチャ形成;過度なシャープ化、細い線の太さ、紙の粒状の誇張、元の画像よりも際立つエッジの出現;文字やラベルの歪み、別々の行間に偽りの連続性があること;細かい解剖学的線の厚み付け、誇張された紙の質感、また、元の画像で明確に支持されていない構造もあります。
5. 各出力を技術的に許容範囲内か最適でないかに分類します。
   1. 解剖学的な輪郭、ラベル、歴史的マーキングが元のデジタル画像と視覚的に整合している場合、技術的に許容できる出力とみなされます。
   2. 強調が誤った質感、歪んだテキスト、人工的な線の形成、または歴史的な外観の過度な変更を生じる場合、出力は最適でないと考えます。方法の限界を示す最適でない出力は文書化のために保持してください。
6. 元の画像を強化画像に置き換えないでください。強化画像は処理済みの補助版としてのみ使用してください。

7. ペア比較のための関心領域選択

1. 元の画像と強化済みの全画像がアーカイブされた後、各画像ペアから1つ以上の代表的な関心地域(ROI)を手動で選択します。神経解剖学的可視化に効果が見られる領域を選択してください。脳室構造、回や溝、血管線、脳幹の輪郭、脳神経関連の詳細、または小さなラベルなど、視覚的に複雑で奥行きが豊富な解剖学的詳細を含む領域を好みます。視覚的に最も良い領域だけを選ぶのは避けてください。強化の強みと限界を公平に示す領域を含めること。
2. 選択した各領域について、元の画像と同じ解剖学的面積を、同じ比例座標を使って増幅画像からトリミングします。画像の寸法の違いにより正確な座標一致ができない場合は、調整の記録を残してください。画像の幅と高さの約10%〜20%のROIサイズを使用し、必要な場合は同じ解剖構造やラベルを両パネルに含めるように調整してください。
3. 元のROIパネルと強化されたROIパネルが同じ解剖学的フィールドを示すことを確認してください。トリミング後にROIパネルに追加のシャープ化、コントラスト調整、手動補正は行わないでください。
4. ROIパネルは、独立した専門家評価資料としてではなく、強化効果の視覚的なデモンストレーションのみに使用してください。

8. 代表図の作成

1. プロトコル全体をまとめたワークフロー図を1つ用意してください。
2. オリジナル版と強化版を示す代表的なペア画像図を準備してください。
3. 各代表的な画像図については、可能な限り4パネル構造を用いてください。元のデジタルイラストをパネルAに配置します。パネルBのAI強化イラスト、パネルCの元の画像から拡大されたROI;およびパネルDの強調画像による拡大ROIの一致。
4. ペアのオリジナル強化パネル間で、パネル間隔、位置合わせ、パネルラベル、拡大率を一定に配置してください。パネルラベルや注釈には、標準的なサンセリフ体を一定で判読可能なサイズで使い、選択したフォントとサイズを記録します。
5. 矢印や矢じりは、特定の線やラベル、遺物を示すために必要な場合にのみ使用し、元の画像には見えない解剖学的解釈を示唆する矢印を加えないでください。
6. スケールバーは、元の画像が信頼できる空間キャリブレーションを提供する場合にのみ追加します。有効な空間スケールのない歴史的なプレートには、スケールバーを追加しないでください。
7. ペアリングされたオリジナルパネルと強化パネルを準備する際は、追加の明るさやコントラスト調整を行わないでください。エクスポートは300 dpi、または細かい線作業やラベル作成で高解像度表示が必要な場合は600 dpiで出力されます。
8. 異なる歴史的情報源からの例を含め、ワークフローが可変な描画スタイルやスキャン品質に適用できることを示しましょう。人工的なテクスチャ形成やテキスト歪みなど、最適でない強化結果を示す例を少なくとも1つ含めて、手法の限界を示すこと。
9. 図は組み込みの凡例なしに、高品質なPDF、TIFF、JPEGの各ファイルとしてエクスポートできます。PDFエクスポートでは、元の画像のサイズを保持し、ダウンサンプリングやロス圧縮は避けてください。
10. 図例は原稿ファイルにのみ記載してください。
11. 提出前に、すべてのフィギュアパネルのトリミング、解像度、パネルの完成度を確認してください。

9. 文書化とデータ管理

1. 各画像のオリジナル版と強化版をペアファイルとして保存し、すべての強化出力が対応する元の画像に遡ることができます。
2. 各イラストのソースリポジトリを記録し、アーカイブ名やリポジトリ名、利用可能な安定したURLやアクセス情報、再利用状況、アクセス日を含めてください。
3. 各画像の処理方法、抽出方法、前処理ステップ、強化ソフトウェア、ソフトウェアバージョン、選択したモデル、スケールファクター、出力フォーマット、最終ファイル名などを記録します。
4. 各画像がPDFエクスポートで抽出されたかスクリーンショットで抽出されたか、トリミングが情報用でない余白に限定されたか、強調が固定された16倍の超解像度設定を使用しているかを記録します。
5. 可能な限りソフトウェア生成の出力ファイル名を保持するか、元の画像の識別、強調スケール、出力フォーマットを記録する構造化ファイル名を割り当ててください。
6. 各強化出力が技術的に許容可能か最適でないかを記録してください。最適でない発見には、人工的なテクスチャ形成、過度なシャープニング、歪んだラベル、視覚的に誤解を招く線の変更などが含まれます。

結果

原稿図には代表的なオリジナル画像および補完画像の比較が掲載されています。本研究に含まれる40点の歴史的イラストの各作品について、出版日、出典、リポジトリ情報、再利用状況が検証・文書化されました。

画像データセットとソースの特徴
このプロトコルは、40点のデジタル化された歴史的神経解剖図に適用されました。すべての挿絵の出版日、出所、再利用状況は個別に確認され、選ばれた挿絵はすべて16世紀から19世紀の間に出版された作品に由来しています。収録された図は、皮質表面解剖学、脳回および溝、脳室構造、脳幹領域、脳神経関連解剖学、血管特徴など、幅広い神経解剖学的主題を表していました。画像はパブリックドメインの許可を得た、または再利用可能なデジタル化された歴史的資料から取得されました。リポジトリ情報と再利用状況は、40点すべての図版ごとに個別に記録されました。

元のデジタル化された複製は、歴史的資料で共通する制限を示しており、低解像度、色あせた線画、背景の変色、スキャンによるぼやけ、圧縮アーティファクト、小さなラベルの可読性低下などが含まれていました。これらの制限は、標準化された強化ワークフローを適用するための実用的なテストケースを提供しました。元の未強化画像はベースラインファイルとして保持され、ワークフロー全体で対応する強化出力とペアリングされました。

強化ワークフローの技術的成果
40枚すべてのベースライン画像は、固定された強調設定の同じローカルインストール済みAI支援画像アップスケーリングソフトウェアで処理されました。16倍の超解像度プリセットがすべての付属画像に一貫して適用され、強化された出力はPNG形式で書き出されました。人工増正の前後で、手動での再描画、再彩色、選択的補正、解剖学的修正は一切行われませんでした。処理は、第13世代の16コア24スレッドモバイル中央処理装置(CPU)を搭載したコンピュータで行われ、8GBのグラフィックメモリと32GBのRAMを備えた専用ノートパソコングラフィックス処理ユニット(GPU)、さらにグラフィックス処理ユニットの加速機能が有効でした。処理時間は入力画像の寸法によりますが、1枚あたり約3分でした。

強化画像は一般的に見かけの鮮明さ、線の明確さ、解剖学的な線画と背景の明確な分離、そして小さな解剖学的またはテキストの細部の可視性が向上しました。これらの効果は、インクが薄れた画像やコントラストが低い画像、スキャン関連のぼかしで特に顕著でした。この強化は、オリジナルの歴史的美術作品の修復ではなく、デジタル化された複製の技術的処理として解釈されました。

ワークフローの実質的な制約は、出力ファイルサイズの大幅な増加でした。場合によっては、約1MBのファイルが16倍の拡張で200MB以上に増加しました。したがって、より大きな画像コレクションにワークフローを適用する際には、ストレージ容量、ファイル管理、図形準備を考慮すべきです。

代表的な成功した成果
代表的なペア例は、異なる資料や時代の歴史的神経解剖学的図示に対するプロトコルの実効性を示しました(図2、 図3、 図4、 図5)。成功例では、強化画像により解剖学的輪郭がより明確になり、細線の連続性が向上し、皮質回、心室構造、血管線、脳幹関連の詳細を含む複雑な領域の可視性が向上しました。

ペア形式のフィギュア形式により、オリジナル版と強化版の直接比較が可能でした。低倍率では、最も顕著な改善は全体の鮮明さ、コントラスト、そして可読性でした。高倍率では、線の連続性、エッジの定義、小ラベルでの可視性の違いがより明確になりました。関心領域の一致は、解剖学的に関連した詳細に対する増強の局所的な効果を示すのに有用でした。

元の画像は、いずれの場合も解釈に不可欠なものでした。したがって、補強画像は元の歴史的ソースの代替としてではなく、補完された処理済み画像として提示されるべきです。

最適でない強化成果と品質管理の成果
ほとんどの代表的な例では技術的に許容できる出力が得られたものの、品質管理レビュー中にいくつかの制限が観察されました。一部の画像では、人工的な質感の増加、紙の粒感の誇張、小さな文字やラベルの歪みが見られました。他の場合では、細かい線が過度に鋭くなったり、元の画像よりも視覚的に太く見えたりしました。

これらの最適でない結果は、重度のベースライン劣化、低解像度、密集したラベリング、または目立つ紙質感のある画像でより多く発生しました。これらの発見は、補強後の元の画像との直接比較の必要性を強調しています。また、教育資料、プレゼンテーション、学術図などで強化画像を使用する前に品質管理のステップもサポートします。この構造化レビューは、正式な専門家による検証研究ではなく、技術的な品質管理文書として使用されました。

この方法の限界を示すために、最適でない例を 図6 に示しています。これは特に重要です。なぜなら、人工知能を使った強化は視覚的な鮮明さを向上させる一方で、歴史的または解剖学的な本物の詳細と誤認される変化を生み出す可能性があるからです。

強化出力の推奨解釈
このプロトコルの結果は、技術的な実現可能性とワークフローの再現性の実証として解釈されるべきです。この方法は、特に元のデジタル画像がぼやけ、フェード、線の鮮明さの低下に影響を受ける場合、デジタル化された歴史的神経解剖図の視覚的アクセス性を向上させる可能性があります。しかし、強化された出力は元のアートワークの復元、失われた情報の回復、解剖学的正確さを証明するものではありません。

教育、プレゼンテーション、またはアーカイブ展示のために、強化画像は元のデジタル化されたソースと並べて表示するか、明確にリンクされるべきです。このペアアプローチは歴史的透明性を保ち、強化関連の変更を過剰に解釈するリスクを減らします。したがって、このプロトコルは歴史的な資料を置き換える方法ではなく、デジタル化された複製のための制御された視覚強化ワークフローとして最も適しています。

図1:デジタル化された歴史的神経解剖図のAI支援強化ワークフロー。 この回路図は、デジタルリポジトリからの画像取得、画像準備、固定16×AI支援による強調、そして強化画像のエクスポートをまとめ、その後の評価と文書化に備えています。 この図の拡大版はこちらをクリックしてご覧ください。

図2:ヴェサリウスのデジタル化された歴史的神経解剖図の代表的な補強。 この図版はアンドレアス・ヴェサリウス著『De humani corporis fabrica libri septem 』¹³番のデジタル化された歴史的資料から取得されたものです。(A) 補正前のデジタル化イラスト。(B) 同じイラストの超解像度強化版。(C)元の画像から拡大された関心領域。(D) 強化画像から拡大された関心領域を一致させること。赤いボックスは パネルC と Dで拡大された領域を示しています。ペア比較により、線の明確さ、コントラスト、視覚的明瞭さが向上し、元のデジタル画像との直接比較が可能になります。 この図の拡大版はこちらをクリックしてご覧ください。

図3:Stenoによるデジタル化された歴史的神経解剖図の代表的な強化版。 この図版は、ニコラ・ステノによる『 Discours de Monsieur Stenon sur l'anatomie du cerveau 』¹⁴番のデジタル化された歴史資料から取得されたものです。(A) 補正前のデジタル化イラスト。(B) 同じイラストの超解像度強化版。(C)元の画像から拡大された関心領域。(D) 強化画像から拡大された関心領域を一致させること。赤いボックスは パネルC と Dで拡大された領域を示しています。強化画像により細かい線の可視性が向上し、スキャンによる視覚劣化が減少します。 この図の拡大版はこちらをクリックしてご覧ください。

図4:Rolandoによるデジタル化された歴史的神経解剖図の代表的な補強。 このイラストは、ルイジ・ロランドによる『 Della struttura degli emisferi cerebrali 』のデジタル化された歴史資料から取得^{されたものです。}(A) 補正前のデジタル化イラスト。(B) 同じイラストの超解像度強化版。(C)元の画像から拡大された関心領域。(D) 強化画像から拡大された関心領域を一致させること。赤いボックスは パネルC と Dで拡大された領域を示しています。比較により、強化後には皮質表面の詳細や解剖学的線の連続性がより明確に見えることが示されました。 この図の拡大版はこちらをクリックしてご覧ください。

図5:ヴィック・ダジールによるデジタル化された歴史的神経解剖図の代表的な補強。この図はフェリックス・ヴィック・ダジールによる『解剖学と生理学論』¹⁶番のデジタル化された歴史資料から取得されたものです。(A) 補正前のデジタル化イラスト。(B) 同じイラストの超解像度強化版。(C)元の画像から拡大された関心領域。(D) 強化画像から拡大された関心領域を一致させること。赤いボックスはパネルCとDで拡大された領域を示しています。対になったパネルは、歴史的な解剖図版においてより顕著にコントラストや細部の可視性を示しています。この図の拡大版はこちらをクリックしてご覧ください。

図6:Arnoldによるデジタル化された歴史的神経解剖学図における最適でないAI支援強化結果。この図はフリードリヒ・^アーノルトによるデジタル化された歴史資料『解剖図表』から取得されたものである。(A) 補正前のデジタル化イラスト。(B) 同じイラストの超解像度強化版。(C)元の画像から拡大された関心領域。(D) 強化画像から拡大された関心領域を一致させること。赤いボックスはパネルCとDで拡大された領域を示しています。強化された画像は、人工紙の質感、過度なシャープニング、小さなラベルの部分的な歪み、視覚的に太くなった線の描写など、手法上の限界を示しています。この例は、強化画像が元のソースとペアにされ、使用前に品質管理のレビューを受けるべき理由を示しています。この図の拡大版はこちらをクリックしてご覧ください。

ディスカッション

本研究では、デジタル化された歴史的神経解剖図のAI支援による再現可能なワークフローを提示します。歴史的な解剖学画像は長らく解剖学の記録、教育、科学コミュニケーションの重要なツールとして機能しており、現在ではデジタル化された書籍、スキャンアーカイブ、オンラインリポジトリを通じてアクセス可能です。しかし、現代の教育、プレゼンテーション、デジタルアーカイブでの使用は、低解像度、色あせた線画、背景の変色、スキャン関連のぼかし、圧縮アーティファクト、そして小さなラベル12,18,19,20の可読性の低下により制限されることが多いです。

このプロトコルの主な強みは、その簡潔さと再現性にあります。このプロトコルは、新しい超解像度アルゴリズムを導入したり、強化画像が元の画像よりも歴史的により正確であると主張することを意図していません。むしろ、その貢献は、制御不能でアドホックな強化のリスクを減らす慎重なワークフローの標準化にあります。このワークフローは、パブリックドメインまたは再利用可能なデジタルソース、保守的なトリミング、そしてアクセシブルな画像アップスケーリングアプリケーションでの固定強化設定を使用します。すべての付属画像に同じ16倍超解像度プリセットが適用され、手動の解剖学的レタッチ、再描画、再彩色、選択的な補正は行われませんでした。これは歴史的な神経解剖学の図像が普通のデジタル画像ではないため重要です。それらは科学的、教育的、芸術的、歴史的な文書です。したがって、補強はデジタル化された複製の処理として解釈されるべきであり、元の作品の修復や失われた解剖学的情報が回復された証拠としては解釈されるべきです^。

AI支援による画像強調や超解像度手法により、劣化または低解像度画像において見かけの解像度、エッジの鮮明さ、コントラスト、視覚的アクセス性が向上します。成功例では、現在のワークフローにより、細かい解剖学的線画、皮質および脳室の輪郭、血管の詳細、脳幹関連構造、小さなラベルの可視性が向上しました。これらの変更は、講義、教育者、デジタルアーカイブ、学術発表のための歴史的神経解剖学図解の準備に役立つ場合があります。ただし、元の画像は参照ソースとして利用可能であり、補強画像は代替画像ではなく、補完済みの処理画像として使用されるべき^です。

強化後の品質管理はプロトコルの重要なステップです。AI支援による強調は、特に深刻なベースライン劣化、密集したラベル表示、低いソース解像度、または目立つ紙の質感がある画像で最適でない結果をもたらすことがあります。潜在的な問題には、人工的なテクスチャ形成、過度なシャープニング、細い線の太さ、小さな文字の歪み、線の連続性の視覚的に誤解を招く変化などがあります。これらのリスクは、AI生成またはAI修正された医療図版の解剖学的信頼性に関する広範な懸念と一致しており、視覚的な妥当性が必ずしも解剖学的正確さを保証するわけではない。このため、すべての強化出力は^12、25、26を使用する前に元のデジタル化ソースと直接比較する必要があります。

このプロトコルにはいくつかの制限があります。まず、強化された出力の品質は、元の画像の品質に大きく依存します。著しく劣化したり、不完全だったり、スキャンが不十分な画像は、信頼できる出力が得られない場合があります。次に、16倍のエンハンスメントは出力ファイルサイズを大幅に増加させる可能性があり、これにより保存、転送、図形準備が複雑になる可能性があります。選ばれた16倍尺度は代替尺度因子と比較されておらず、最適と解釈すべきではありません。第三に、本記事は客観的な画像品質指標、専門家評価スコア、教育成果データを提供していません。代わりに、現在のプロトコルは構造化された技術的品質管理文書を提供し、強化画像を元の歴史的ソースの検証済み代替ではなく、補助的な可視化として明示的に位置づけています。目的は、他の強化アルゴリズムに対する優位性を証明したり学習成果を測定したりするのではなく、標準化された技術ワークフローを記述することです。

今後の研究では、異なる強調モデル、スケールファクター、シャープネス、コントラスト、エッジ保存、テキストの可読性、ファイルサイズ、処理時間などの客観的な画像品質指標を比較するかもしれません。教育研究では、強化された歴史的画像が学習者の関与や解剖学的理解の向上に寄与するかどうかも評価されることがあります。現在の形態では、このプロトコルは、デジタル化された歴史的神経解剖学図版の視覚的アクセス性を向上させる実践的かつ再現性の高いアプローチを提供しつつ、資料の透明性と解釈上の注意を保っています。強化画像は、独立した解剖学的参照ではなく、元のソースの処理されたデジタルコンパニオンとみなすべきです。

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
Adobe Acrobat	Adobe	バージョンは記録されていません	PDFベースの画像抽出
コンピューターワークステーション	提出されたファイルには報告されていません	設定は報告されていません	ローカルAIアシスト画像強化に使用されるハードウェア
ディスプレイ/スクリーンショット設定	Windowsのスクリーンキャプチャツールまたは同等のツール	100%または200%のディスプレイ拡大;モニターのスケーリングが記録	直接PDFエクスポートが実現不可能な場合の標準化されたスクリーンショットベースの抽出
Gallica	Bibliothèque nationale de France	オンラインリポジトリ	デジタル化された歴史作品のソース
General Photo Real-ESRGANプリセット	Upscayl / Real-ESRGANベースのモデル	16x設定	デジタル化されたイラストのスーパーレゾリューション強化
Google Books	Google	オンラインリポジトリ	デジタル化された歴史書のソース
グラフィックス処理ユニット	提出されたファイルには報告されていません	モデルと加速ステータスは報告されていません	有効時に画像アップスケーリング用のGPU加速
インターネットアーカイブ	インターネットアーカイブ	オンラインリポジトリ	パブリックドメインのデジタル化された歴史作品のソース
ローカルストレージドライブ	ユーザー指定のワークステーション	十分な空きストレージスペース	オリジナル、強化済み、図表準備済みの画像ファイルの保存
PDFエクスポート設定	Adobe Acrobatまたは同等のPDFリーダー/エクスポートソフトウェア	利用可能な場合は元の埋め込み解像度	意図的なダウンサンプリングなしでデジタル化されたPDFソースから画像の抽出
PhotoScape X	MOOII Tech	v4.1.1	保守的なトリミングと図表準備
PNG画像フォーマット	—	—	強化された画像の出力フォーマット
処理ログスプレッドシート	Microsoft Excelまたは同等のスプレッドシートソフトウェア	バージョンは重要でない	ソース、抽出方法、強化設定、処理時間、出力ファイル名、QC分類の文書化
品質管理チェックリスト	著者作成のチェックリスト	該当しない	人工テクスチャ、過度のシャープニング、ラベルの歪み、線の太さ、サポートされていない視覚的変更の構造化された技術レビュー
システムメモリ	提出されたファイルには報告されていません	RAM容量は報告されていません	大規模画像強化に利用可能なメモリ
Upscayl	Upscayl	v2.11.5	人工知能アシスト画像アップスケーリング
Wellcome Collection	Wellcome Collection	オンラインリポジトリ	パブリックドメインのデジタル化された歴史作品のソース
Wikimedia Commons	Wikimedia Foundation	オンラインリポジトリ	パブリックドメインまたは再利用可能画像のソース
Windowsオペレーティングシステム	Microsoft	Windows 10	画像抽出と処理に使用されるオペレーティングシステム
Windowsスクリーンキャプチャツール	Microsoft	Windows 10の組み込みツール	PDFエクスポートが実現不可能な場合のスクリーンショットベースの画像キャプチャ