《Applied Sciences》：Deep Learning-Based Assessment of the Relation Between the Third Molar and Mandibular Canal on Panoramic Radiographs Using Local, Centralized, and Federated Learning in a Simulated Multi-Center Setting
编辑推荐：
摘要：下颌第三磨牙阻生且与下颌管（mandibular canal, MC）邻近时，拔除术中下牙槽神经损伤（inferior alveolar nerve injury）风险升高。全景曲面体层片（panoramic radiograph, PR）是临床常规用于
摘要：下颌第三磨牙阻生且与下颌管（mandibular canal, MC）邻近时，拔除术中下牙槽神经损伤（inferior alveolar nerve injury）风险升高。全景曲面体层片（panoramic radiograph, PR）是临床常规用于初步评估第三磨牙–下颌管（third molar–mandibular canal, 3M-MC）关系的影像学手段。对磨牙–下颌管重叠（overlap/no-overlap）进行自动化二分类有助于临床分诊并减少不必要的锥形束CT（cone-beam computed tomography, CBCT）检查；联邦学习（Federated Learning, FL）可在不共享患者原始数据的前提下实现多中心协作训练。研究人员在模拟异质性多中心环境中，将裁剪后的全景片感兴趣区（region of interest, ROI）按八名独立标注者划分至不同客户端（client），对比了局部学习（Local Learning, LL）、FL与集中式学习（Centralized Learning, CL）三种范式下的二分类性能。各范式均使用ImageNet预训练的ResNet-34网络，采用每客户端指标（经局部优化阈值）及汇总测试集全局阈值进行评估。性能指标包括受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）、基于阈值的准确率等指标，同时分析训练动态、梯度加权类激活映射（Gradient-weighted Class Activation Mapping, Grad-CAM）可视化及服务端聚合监控信号。测试集结果显示：CL性能最高（AUC 0.831；准确率≈0.782），FL居中（AUC 0.757；准确率≈0.703），LL跨客户端泛化较差（AUC范围≈0.619–0.734，均值≈0.672）。训练曲线提示过拟合倾向（LL尤为明显），Grad-CAM显示CL与FL模型的注意力更集中于解剖相关区域。综上，集中式训练提供最强判别性能，而FL作为一种隐私保护方案，性能优于单纯局部学习。
论文解读：基于深度学习的全景片下颌第三磨牙与下颌管关系评估——模拟多中心环境下局部、集中式与联邦学习比较
一、研究背景与目的
下颌第三磨牙（mandibular third molar, 俗称智齿）阻生且与下颌管（mandibular canal, MC）毗邻或接触时，拔牙术中下牙槽神经（inferior alveolar nerve, IAN）损伤风险不可忽视。虽然锥形束CT（cone-beam computed tomography, CBCT）可精确显示三维解剖关系，但全景曲面体层片（panoramic radiograph, PR）因费用低、辐射剂量小、普及度高，仍是术前首选初筛手段。然而PR为二维投影图像，对第三磨牙–下颌管（third molar–mandibular canal, 3M-MC）真实空间关系的判断存在主观性与局限性，且依赖医师经验，易造成不必要CBCT转诊或漏诊高危病例。深度学习（deep learning, DL）已在医学影像自动分析中展现潜力，但多中心医疗影像数据常受隐私法规限制难以集中，导致模型泛化能力不足。联邦学习（Federated Learning, FL）允许各中心（客户端，client）在本地训练并将模型参数上传聚合，无需交换原始影像数据，理论上可兼顾多中心协作与数据隐私。但实际临床部署中，各中心数据常呈非独立同分布（non-independent and identically distributed, non-IID），标注习惯及类别分布亦存在差异，可能影响FL效果。本研究旨在模拟异质性多中心标注环境下，系统比较局部学习（Local Learning, LL，各中心单独训练）、集中式学习（Centralized Learning, CL，数据集中训练）与FedAvg协议的FL三者在PR裁剪ROI上二分类3M-MC有无重叠的性能差异、训练动态及可解释性，量化FL相对于LL的增益及与CL的差距，为隐私保护型口腔影像AI工具开发提供实证依据。本文发表于《Applied Sciences》。
二、主要技术方法概述
研究人员整合五个公开数据集（ADLD、Dentex、TSXK、Tufts、USPFORP）的全景片，依据原数据集牙齿边界框自动裁取下第三磨牙区感兴趣区（region of interest, ROI）并扩展为224×224像素。由八名有临床经验牙医按3M-MC关系（根完全位于管上方/根与管边界重叠/根部分低于管）独立标注各子集，将重叠亚型合并为"重叠(overlap)"类，根完全在管上方为"无重叠(no-overlap)"类，构成二分类任务。数据先按分层法抽取10%为集中测试集，剩余90%按标注者回传各客户端，各客户端再拆分约11.1%为本地验证集。预处理采用限制对比度自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization, CLAHE）增强后归一化（ImageNet均值/标准差），少数类过采样并结合随机翻转、小角度旋转、颜色抖动及轻微高斯模糊等在线数据增强防泄漏。所有范式共用预训练ResNet-34架构（末层改为二单元线性层），损失函数为带Logits的二元交叉熵（Binary Cross-Entropy with Logits Loss），优化器为AdamW（学习率1×10?4，权重衰减1×10?4），批次大小32。CL与LL训练10轮（epoch），FL执行5轮联邦通信每轮各客户端本地训练2轮（等效总计算量相当），采用Flower AI框架实现FedAvg聚合。性能以AUC、准确率、敏感度、特异度、F1分数、平衡准确率及Youden's J指数评价，并用DeLong检验与Wilcoxon符号秩检验做统计比较；辅以Grad-CAM定性分析模型关注区域。
三、研究结果
3.1. Calibration and Training Dynamics（校准与训练动态）
八名标注者间对预先共标50例的二次加权Cohen's κ平均为0.81（95% CI: 0.70–0.88），表明标注一致性较高，Client 3一致性略低。各模型训练损失均快速下降并收敛，但验证损失波动甚至上升，验证准确率缓慢微升且噪声大，尤LL最明显——提示存在过拟合倾向，仅靠训练损失监控会高估实际泛化能力。
3.2. Local Validation Performance（本地验证集性能）
在各客户端本地验证集采用各自最优阈值时，CL各客户端AUC均高于对应LL模型，FL介于CL与LL之间——FL平均优于多数LL但未达CL水平。配对Wilcoxon检验显示CL显著优于LL与FL（Bonferroni校正后），FL与LL差异未达显著。
3.3. Centralized Test Performance（集中测试集性能）
采用全局优化阈值在预留集中测试集评估：CL表现最佳（AUC=0.831，准确率≈0.782），FL次之（AUC=0.757，准确率≈0.703），LL模型跨中心测试AUC均值≈0.672（范围0.619–0.734）。DeLong检验表明CL显著优于FL（p<0.05），CL显著优于所有LL模型，FL显著优于七分之八的LL模型（仅LL_6未达显著）。ROC曲线顺序明确为CL>FL>LL。
3.4. Model Explainability（模型可解释性）
Grad-CAM热力图示：CL与FL模型阳性/阴性样本的平均激活区较集中且定位于第三磨牙根及下颌管解剖部位；LL部分模型激活弥散或偏移解剖区，尤在误分类样本中更明显，提示LL易依赖局部非解剖纹理或设备相关伪影。
四、讨论与结论总结
讨论指出性能排序CL>FL>LL符合理论预期——CL享有全量 pooled 数据多样性，FL受non-IID数据与FedAvg简单平均局限出现性能折损但仍显著优于LL之孤立训练。LL虽本地验证佳但跨域校准差（分数分布偏移致全局阈值失准），且易学站点特异性模式而欠泛化。FL验证损失在聚合轮次后波动反映异质性下收敛挑战，未来可通过FedProx、个性化层或少量共享校准数据缩窄与CL差距。训练动态揭示过拟合风险及需后验校准（如温度缩放）。标注噪声、PAN灰度质量及二类合并亦限制上限。作者建议联邦部署时各客户端上传局部校准指标（如Youden's J曲线）至服务器聚合选阈值以保隐私。Grad-CAM仅为定性佐证，需结合定量定位验证。研究局限含模拟多中心（回顾性分区）、FedAvg未用进阶FL算法、标注金标准缺CBCT确认等。
结论（翻译）：
本研究在裁剪全景ROI上实证比较了LL、FL与CL对3M-MC重叠自动检测的效能。多指标一致显示：CL在集中测试集泛化最强（AUC 0.831，准确率≈0.782）；FL提供有价值的隐私保护折中方案，在本研究异质条件下较纯局部模型提升鲁棒性（AUC 0.757，准确率≈0.703）；LL模型站点内表现尚可但跨站点泛化差（平均AUC 0.672，范围0.619–0.734）。研究揭示了显著的客户端异质性、分数错校及每客户端最优阈值不稳定等问题，使单一全局决策阈值对多数局部模型不可靠。服务端对非敏感信号（损失轨迹、更新范数、余弦相似度等）的监控可识别异常客户端并指导聚合或个性化而无需泄露敏感数据。总之，本发现提供了异质标注与数据分布下三种学习范式的实证比较，凸显了实际多中心环境中的性能权衡；未来应探索异质性感知FL算法、针对性校准策略及定量定位分析，以进一步缩小FL与CL在临床任务中的差距。
