La osteoporosis es un trastorno metabólico óseo caracterizado por la pérdida progresiva de masa ósea, lo que aumenta significativamente el riesgo de fracturas. Aunque la absorciometría de rayos X de doble energía es la técnica estándar para evaluar la densidad mineral ósea, su uso es limitado en poblaciones femeninas de alto riesgo. Además, la tomografía computarizada cuantitativa ofrece evaluaciones tridimensionales de la densidad mineral ósea pero es costosa y propensa a artefactos de movimiento. Para superar estas limitaciones, este estudio propone un modelo híbrido que integra U-Net y redes neuronales artificiales, centrándose específicamente en imágenes de rayos X abdominales en vista anteroposterior para un análisis esquelético detallado y una mayor precisión en la medición de la densidad mineral de la vértebra L2. El modelo se enfoca en pacientes femeninas, que tienen un mayor riesgo de trastornos espinales y osteoporosis. El modelo U-Net se emplea para el preprocesamiento de imágenes para reducir el ruido de fondo y mejorar las características del tejido óseo, seguido del análisis con el modelo de red neuronal artificial para predecir la densidad mineral ósea a través de una regresión no lineal. El rendimiento del modelo, demostrado por un alto coeficiente de correlación de 0.77 y un bajo error absoluto medio de 0.08 g por centímetro cuadrado, destaca su importancia y efectividad, especialmente en comparación con la absorciometría de rayos X de doble energía.