ข้อมูลจากบทคัดย่อ
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
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 74/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Bone health and osteoporosis research · Osteoarthritis Treatment and Mechanisms · Artificial Intelligence in Healthcare and Education
บทบาทของนักวิจัยและสถาบันไทย
Nitiphoom Sinnathakorn · Chanon Fahpinyo · Watcharaporn Cholamjiak · Suthep Suantai · University of Phayao · Chiang Mai University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง