กรอบนำ deep features จาก ResNet18, EfficientNetB0 และ DenseNet121 ไปจำแนกภาพเข่าเป็นปกติ มวลกระดูกต่ำ และกระดูกพรุนด้วยโมเดลหลายชนิด พร้อมทดสอบชุดสาธารณะอิสระ การทดสอบภายนอกพบ calibration drift และความน่าจะเป็นของกลุ่มมวลกระดูกต่ำยุบตัว แม้การปรับ calibration และ class prior ภายหลังช่วยเพิ่ม sensitivity, balanced accuracy และ macro F1 งานจึงแสดงทั้งศักยภาพและความเสี่ยงของ domain shift อย่างตรงไปตรงมา เป็น proof of concept ไม่ใช่เครื่องมือวินิจฉัย และยังต้องเทียบ DXA ในกลุ่มหลายศูนย์ ตรวจเกณฑ์ส่งต่อ และประเมินผลจาก threshold ที่ปรับหลังเห็นข้อมูล
ข้อค้นพบสำคัญ
ทำไมจึงมีความสำคัญระดับโลก
ผลงานเพิ่มองค์ความรู้ในสาขาและเปิดทางให้ตรวจสอบหรือต่อยอดในบริบทอื่น การตีความผลกระทบควรยึดขอบเขตและหลักฐานของงานต้นฉบับเป็นหลัก ระบบให้สัญญาณผลกระทบ 74 จาก 100 ซึ่งใช้เพื่อจัดลำดับการนำเสนอ ไม่ใช่คะแนนคุณภาพวารสารหรือการจัดอันดับนักวิจัย
บทบาทของนักวิจัยไทย
การเชื่อมโยงกับประเทศไทยปรากฏผ่านผู้เขียนหรือสังกัด ได้แก่ University of Phayao
ข้อจำกัดที่ควรรู้
บทวิเคราะห์นี้อาศัยข้อมูลบรรณานุกรม บทคัดย่อ และแหล่งต้นทางที่เข้าถึงได้ ไม่ได้แทนการอ่านบทความฉบับเต็ม และไม่ควรอนุมานเหตุเป็นผลหรือการใช้จริงเกินกว่าที่ผู้วิจัยรายงาน
ตรวจสอบแหล่งต้นทาง
Journal of Clinical Medicine↗DOI: 10.3390/jcm15135222