Objective
Federated Learning (FL) enables collaborative training of artificial intelligence (AI) models from multiple data sources without directly sharing data. Due to the large amount of sensitive data in dentistry, FL may be particularly relevant for oral and dental research and applications. This study, for the first time, employed FL for a dental task, automated tooth segmentation on panoramic radiographs.
Methods
We employed a dataset of 4,177 panoramic radiographs collected from nine different centers (n = 143 to n = 1881 per center) across the globe and used FL to train a machine learning model for tooth segmentation. FL performance was compared against Local Learning (LL), i.e., training models on isolated data from each center (assuming data sharing not to be an option). Further, the performance gap to Central Learning (CL), i.e., training on centrally pooled data (based on data sharing agreements) was quantified. Generalizability of models was evaluated on a pooled test dataset from all centers.
Results
For 8 out of 9 centers, FL outperformed LL with statistical significance (p<0.05); only the center providing the largest amount of data FL did not have such an advantage. For generalizability, FL outperformed LL across all centers. CL surpassed both FL and LL for performance and generalizability.
Conclusion
If data pooling (for CL) is not feasible, FL is shown to be a useful alternative to train performant and, more importantly, generalizable deep learning models in dentistry, where data protection barriers are high.
Clinical Significance
This study proves the validity and utility of FL in the field of dentistry, which encourages researchers to adopt this method to improve the generalizability of dental AI models and ease their transition to the clinical environment.

For the investigation of moisture and salt content in historic masonry, destructive drilling samples followed by a gravimetric investigation is still the preferred method. In order to prevent the destructive intrusion into the building substance and to enable a large-area measurement, a nondestructive and easy-to-use measuring principle is needed. Previous systems for moisture measurement usually fail due to a strong dependence on contained salts. In this work, a ground penetrating radar (GPR) system was used to determine the frequency-dependent complex permittivity in the range between 1 and 3 GHz on salt-loaded samples of historical building materials. By choosing this frequency range, it was possible to determine the moisture in the samples independently of the salt content. In addition, it was possible to make a quantitative statement about the salt level. The applied method demonstrates that with ground penetrating radar measurements in the frequency range selected here, a salt-independent moisture determination can be carried out.

Non-coding RNA (ncRNA) classes take over important housekeeping and regulatory functions and are quite heterogeneous in terms of length, sequence conservation and secondary structure. High-throughput sequencing reveals that the expressed novel ncRNAs and their classification are important to understand cell regulation and identify potential diagnostic and therapeutic biomarkers. To improve the classification of ncRNAs, we investigated different approaches of utilizing primary sequences and secondary structures as well as the late integration of both using machine learning models, including different neural network architectures. As input, we used the newest version of RNAcentral, focusing on six ncRNA classes, including lncRNA, rRNA, tRNA, miRNA, snRNA and snoRNA. The late integration of graph-encoded structural features and primary sequences in our MncR classifier achieved an overall accuracy of \textgreater97%, which could not be increased by more fine-grained subclassification. In comparison to the actual best-performing tool ncRDense, we had a minimal increase of 0.5% in all four overlapping ncRNA classes on a similar test set of sequences. In summary, MncR is not only more accurate than current ncRNA prediction tools but also allows the prediction of long ncRNA classes (lncRNAs, certain rRNAs) up to 12.000 nts and is trained on a more diverse ncRNA dataset retrieved from RNAcentral.

Guided acoustic waves (GAW) have proven to be a useful tool for structural health monitoring (SHM). However, the dispersive nature of commonly used Lamb waves compromises the spatial resolution making it difficult to detect small or weakly reflective defects. Here we demonstrate an approach that can compensate for the dispersive effects, allowing advanced algorithms to be used with significantly higher signal-to-noise ratio and spatial resolution. In this paper, the sign coherence factor (SCF) extension of the total focusing method (TFM) algorithm is used. The effectiveness is examined by numerical simulation and experimentally demonstrated by detecting weakly reflective layers with a highly dispersive A0 mode on an aluminum plate, which are not detectable without compensating for the dispersion effects.

Unterrichtsbezogene Kooperation gilt als wichtiger Hebel zur erfolgreichen Umsetzung von Personalentwicklungsmaßnahmen von Lehrpersonen und zur Implementation curricularer Reformen. Hierzu liegen übereinstimmende Befunde aus mittlerweile knapp 3 Jahrzehnten internationaler Forschung zum Lehrberuf vor. Obwohl allgemeinhin Konsens besteht, dass unterrichtsbezogene Kommunikation eine bedeutende Erfolgsvariable gelingender Kooperationsprozesse zwischen Lehrkräften darstellt, zeigt sich diese im internationalen Diskurs als wenig systematisch erforscht und v.a. für die deutschsprachige Forschung zum berufsbildenden Lehramt als weitgehend blinder Fleck. Und dies, obwohl unterrichtsbezogene Kooperation zwischen Lehrkräften aufgrund jüngst zurückliegender curricularer Innovationen gerade im deutschen Berufsschulsystem explizit eingefordert wird. Im Rahmen meiner Dissertation habe ich mich dieser Forschungslücke angenommen und unterrichtsbezogene Kommunikation zwischen Lehrkräften in zwei Teilstudien untersucht. Zunächst wurde ein systematisches Literaturreview der internationalen Forschung nach dem PRISMA Statement durchgeführt, um anhand einer qualitativen Inhaltsanalyse der als relevant identifizierten Literatur (N=88 Studien) konstitutive Merkmale professioneller unterrichtsbezogener Kommunikation synoptisch herauszuarbeiten. Hieraus wurde ein Kategoriensystem zur Untersuchung unterrichtsbezogener Kommunikation zwischen Lehrkräften zu verschiedenen Kommunikationsanlässen erstellt. Im Anschluss wurden Gespräche von je N=7 Tandems angehender und berufserfahrener Lehrkräfte berufsbildender Schulen erhoben und mit dem Kategoriensystem analysiert. Den exemplarischen Kommunikationsanlass stellte hierbei eine Diskussion über die Qualität von Lernaufgaben hinsichtlich deren Eignung für den Einsatz im wirtschaftsberuflichen Unterricht dar. Dafür wurde den Proband:innen ein Pool aus Lernaufgaben unterschiedlicher Qualität vorgelegt, über den zu diskutieren und schließlich eine Lernaufgabe aus dem Gesamtpool gemeinschaftlich und begründet als diejenige, die am besten für wirtschaftsberuflichen Unterricht geeignet erscheint, ausgewählt werden sollte. Die unterscheidbaren Gesprächsqualitäten verschiedener Tandems sowie deren jeweiliger Einfluss auf den Kooperationsprozess (Prozess der gemeinsamen Entscheidungsfindung) wurden vor dem Hintergrund der zuvor identifizierten Kriterien professioneller unterrichtsbezogener Kommunikation für den vorliegenden Kooperationsanlass nachgezeichnet. Die Befunde der vorliegenden Arbeit werden dafür genutzt, um Implikationen für die weitere Forschung zur unterrichtsbezogenen Kommunikation zwischen Lehrkräften und die Aus- und Weiterbildungspraxis im Lehrberuf abzuleiten.