骨质疏松症(OP)已经成为影响老年人生活质量的重要疾病之一，早期诊断和治疗尤为重要。骨密度(BMD)测量是诊断OP的主要依据，双能X线吸收法(DXA)为目前测量BMD的金标准，但DXA也存在一定局限性。随着人工智能技术的发展，基于X线影像的深度学习模型为BMD预测提供了新的方法。本文就基于X线影像的深度学习模型预测BMD的研究进展予以综述。

骨密度；深度学习；骨质疏松症；X线

骨质疏松症(osteoporosis，OP)是一种以骨量低下、骨微结构破坏，导致骨脆性增加、易发生骨折为特征的全身性骨病。随着人口老龄化加剧，OP已成为影响老年人生活质量的重要公共健康问题。早期诊断和治疗对预防OP骨折、降低医疗成本至关重要。骨密度(bone mineral density，BMD)测量是诊断OP的主要依据，世界卫生组织(World Health Organization，WHO)推荐基于双能X线吸收法(dual-energy X-ray absorptiometry，DXA)测量的BMD结果用于OP诊断。然而，DXA存在设备昂贵、辐射剂量相对较高、对软组织分辨力低等局限性，限制了其在基层医疗机构的普及和大规模人群筛查中的应用。

近年来，深度学习作为人工智能领域的重要分支，在医学影像分析中展现出巨大潜力。X线影像具有广泛可得性、低辐射剂量和低成本等优势，基于X线影像的深度学习模型为BMD预测提供了新途径，有望实现OP的早期筛查和精准诊断。本文将对基于X线影像的深度