X 射线骨龄仪对儿童手骨图像评估的应用 

张钰 

梅河口市妇幼保健院，吉林省梅河口市，135000； 

摘要：目的：探究 X 射线骨龄仪对儿童手骨图像评估的应用效果。方法：选择 106 名儿童参与本次实验，实验前 两 106 名儿童平均分为实验组与对照组两组，每组 53 名儿童，实验中对对照组儿童采用 CT 扫描仪获取儿童手骨 图像，对实验组儿童则采用杭州沧澜医疗科技有限公司生产的 YTJ-01 型 X 射线骨龄仪获取儿童手骨图像，获取 图像后，由研究组成员分别根据两张手骨图像评估患者骨龄，对比两组儿童骨龄测量结果的准确性以及两组图像 的优良率。结果：相比于对照组儿童的骨龄测量结果，实验组儿童的骨龄测量结果准确性更高，p＜0.05，数据 对比差异显著，具有统计学意义；实验组患者的手骨图像优良率明显高于对照组患者，p＜0.05，数据对比差异 显著，具有统计学意义。结论：儿童的手部骨骼结构和成人相比，存在着显著差异。这些差别导致了在进行骨龄 测量时，传统的图像采集方式难以准确捕捉到儿童骨骼的特征信息。因此，采用高精度的 X 射线骨龄仪来采集儿 童手骨的图像，能够提供更精确的图像信息以及测量结果，从而确保所得到的骨龄数据的准确性，为医学诊断提 供了可靠的依据。通过这种先进技术手段，可以更好地理解儿童骨骼的发育状态，帮助儿科医生更精确地判断儿 童的生长轨迹和健康状况，值得在临床实践中推广应用。 

关键词：手骨图像；x 射线骨龄仪；CT 

参考文献 

[1]谷静,孙启雷,张明选.基于 TW3-C RUS 法的骨龄评 估方法研究[J].光电子·激光,2023,34(05):554-560. DOI:10.16136/j.joel.2023.05.0304. 

[2]沈继云.基于 NTS 深度神经网络的青少年骨龄评估 方法[J].数字技术与应用,2022,40(12):123-128.DOI: 10.19695/j.cnki.cn12-1369.2022.12.39. 

[3]郭子昇,王吉芳,苏鹏.基于深度学习的智能骨龄分 类器[J].计算机系统应用,2022,31(06):339-346.DOI: 10.15888/j.cnki.csa.008546. 

[4]王英孺.基于专家混合网络的儿科手骨骨龄预测方 法研究[D].华中科技大学,2022.DOI:10.27157/d.cnk i.ghzku.2022.000026. 

[5]贾阳,陈伟光,王海娟,等.图像型全自动骨龄评测 算法及应用研究进展[J].西安邮电大学学报,2021,26 (04):65-78. 

[6]苏叶,李婧,徐寅林.手骨 X 光片骨龄预测中图像预 处理的研究[J].南京师范大学学报(工程技术版),202 1,21(02):54-59. 

[7]张帅,张俊华.基于深度学习的儿童手骨X光图像骨 龄评估方法[J].航天医学与医学工程,2021,34(03):2 52-259. 

[8]管骏.基于卷积神经网络的骨龄辅助评测技术[J]. 科学技术创新,2021,(04):53-55. 

[9]王嘉庆,梅礼晔,张俊华.基于深度学习的手骨 X 射 线图像骨龄评估[J].计算机工程,2021,47(01):291-2 97. 

[10]丁维龙,丁潇,池凯凯,等.基于神经网络的手骨特 征区域自适应提取方法[J].浙江工业大学学报,2020, 48(05):562-569. 

[11]刘蕊,贾媛媛,贺向前,等.基于 Softmax 回归模型 的骨龄 X射线图像手骨分割[J].重庆大学学报,2019,4 2(09):74-84. 

[12]宋日刚.骨龄 X射线图像的手骨兴趣区域定位研究 [J].计算机应用与软件,2014,31(07):226-228+232.