《Sensors》：A Federated Machine Learning Approach for the Detection and Visualisation of Eye Diseases Using Activation Maps
编辑推荐：
眼疾，尤其是青光眼（glaucoma）与白内障（catheteract），是导致视力受损的主要原因，严重影响生活质量。此类疾病的自动分类有助于实现更精准、及时的诊断，从而限制疾病进展与并发症。近年来，深度学习（Deep Learning, DL）在眼科图像研究
眼疾，尤其是青光眼（glaucoma）与白内障（catheteract），是导致视力受损的主要原因，严重影响生活质量。此类疾病的自动分类有助于实现更精准、及时的诊断，从而限制疾病进展与并发症。近年来，深度学习（Deep Learning, DL）在眼科图像研究中展现出良好前景。然而，传统DL模型基于集中式数据架构，需共享敏感患者信息，存在隐私泄露风险，且模型决策往往难以解释。研究人员提出一种面向眼疾检测与定位中隐私与决策透明性问题的解决方法，采用联邦学习（Federated Learning, FL）这一基于数据去中心化的协同学习范式，各客户端仅向中心服务器发送模型权重，敏感数据不出本地，保障安全与隐私。在眼疾分类任务中，研究人员选用视觉Transformer（Vision Transformer, ViT），以刻画视网膜图像内的全局关系，相较传统卷积架构提升特征表达能力。此外，该方法引入可解释性技术，使诊断决策透明化。实验分析显示，模型准确率达0.8480，精确率0.8645，召回率0.8477，验证了所提方法在眼疾检测中的有效性。
研究背景方面，眼部由角膜、虹膜、晶状体与视网膜等解剖结构组成，任一结构异常均可引发复杂眼疾，其中青光眼以眼压升高进行性损伤视神经、白内障以晶状体混浊为典型表现，早期精准诊断对延缓病程至关重要。现有人工智能（Artificial Intelligence, AI）尤其是深度学习（DL）在生物医学图像分析中潜力显著，但传统集中式训练需汇聚多中心敏感数据，违背医疗隐私法规；即便采用联邦学习（FL）仅共享梯度或权重，仍面临模型反演与成员推断等信息泄露威胁，且深度模型常被视为“黑箱”，缺乏临床可解释性。因此，研究人员开展了一项融合去中心化训练、全局关系建模与可视化解释的研究，旨在同时回应隐私保护、跨中心协同与诊断透明三重诉求，相关成果发表于《Sensors》。
关键技术方法上，研究人员使用公开眼底图数据集（Kaggle平台“eye-diseases-classification”，共1293张，含正常、白内障、青光眼三类），按训练/验证/测试划分并模拟多医院客户端（每类每客户约取总量10%）。图像预处理依次采用高斯滤波（抑制高频噪声、保留低频内容）与居中裁剪，统一缩放至224×224像素以适配预训练ViT输入。主干网络冻结ImageNet预训练的WinKawaks/vit-tiny-patch16-224，仅训练新增分类头（线性层→ReLU→Dropout 0.3→线性层输出三类）。FL聚合对比FedAvg与FedProx两种策略，每轮各客户端本地训练后上传权重由服务器聚合。可解释性采用梯度加权类激活映射（Gradient-weighted Class Activation Mapping, Grad-CAM），将ViT的patch令牌序列重排为二维空间图，经梯度全局平均池化、加权组合与ReLU后上采样叠加原图，以Jet色图呈现关注区域。
研究结果部分，第2节“方法（The Method）”阐明整体流程：数据获取与预处理、ViT局部训练、FL权重聚合（FedAvg按样本数加权平均，FedProx在本地目标加近端正则项μ控制偏离全局模型强度）、Grad-CAM可视化五步法（前向选层、反向求梯度、梯度平均池化、去CLS令牌重排为网格、加权ReLU上采样）。第3节“实验分析（Experimental Analysis）”中，3.1数据集分布已如前述；3.2实验配置在Google Colab环境变动客户端数、本地epoch数、联邦轮数、学习率（批量固定32）；3.3实验结果十组配置下Experiment 3（FedProx）与Experiment 10（FedAvg）均达准确率0.8480，前者精确率0.8645、召回率0.8477、AUC 0.9641略优且误分类更均衡，后者训练损失更低但泛化结构无改善；非IID（Dirichlet α=0.3）相较IID准确率降4.8个百分点，证明框架可部分缓解异质性而未超越集中式基线；混淆矩阵显示两实验对正常类误判为青光眼各8例，反映正常与青光眼表征系统性重叠。3.4可解释性分析中，Experiment 3正常图激活集中于视盘周与血管边缘，青光眼图聚焦视盘及乳头周围（契合杯盘比改变），白内障图呈弥漫性中央混浊激活；Experiment 10热力分布类似，验证模型关注区与临床病灶一致。
讨论与结论部分，研究人员指出该工作将FL、ViT与Grad-CAM结合，在保障患者数据不出域前提下完成三分类眼疾检测，FedProx因近端正则获更稳泛化与更高精确率/AUC，激活图证实模型注意力落于视神经损伤与晶状体混浊等真实病理区，消解黑箱疑虑。未来方向包括尝试其他聚合算法、引入attention rollout等补充解释技术，以及采用SSIM（Structural Similarity Index Measure）、VIF（Visual Information Fidelity）、SCC（Spatial Correlation Coefficient）等定量指标评估多客户端激活图一致性。结论原文译述：本研究提出一种融合联邦学习、视觉Transformer与Grad-CAM的眼底图自动分类与定位方法，兼顾医疗敏感数据隐私与决策透明；FL使多客户端协同训练仅传权重不传数据，ViT分类正常/白内障/青光眼最佳FedProx配置准确0.8480、精确0.8645、召回0.8477、AUC 0.9641；Grad-CAM热力图一致指向视盘与弥散混浊等临床相关区，证明FL+ViT+可解释性构成眼疾影像分析的可靠路径。
