骨質疏鬆症是在高齡化社會中需要受到重視的問題。目前有許多檢驗方法，而這些方法都是被動的醫療行為，病人得知罹患骨質疏鬆症時，皆到無可挽救的程度。本技術以常規X光影像，利用深度學習技術來評估骨質結構，此方法可從低單價之X光中預測骨質的健康，進一步推斷病人是否已有骨質疏鬆症，達到快速、低花費與準確的檢驗。

本技術是透過深度學習技術預測骨質疏鬆症的可能，創新的建構深度學習模型流程，使提出的演算法自動抓取疏鬆結構時產生細微紋理，借此訓練出一深度迴歸學習模型可將萃取特徵來擬合骨質密度。此技術的表現已突破過往發表，達到臨床使用程度。最後，創新了一個遮罩模式以揭示模型判讀依據，完成一可解釋人工智慧臨床應用方案。

本技術產業的應用性，分別有兩個方向，一是對於骨質疏鬆症的快篩，透過常規的X光檢驗，由不同部位X光影像評估骨質疏鬆可能性，找到更多淺在的患者，減少醫療資源的浪費；二是對於確實高度危險的骨質疏鬆病患，提供追蹤的輔助，確認給予藥物治療後的骨質狀態變化，可節省更多高齡者因骨質疏鬆骨折所伴隨的經濟與社會成本。