Article Info

骨龄即骨骼年龄，它是人体生物年龄的重要组成，是以骨骼的发育变化测定出体格发育年龄。评价生物年龄还有其他的方法，如身高、年龄、牙龄、第二性征等，但骨龄是最为准确的方法。临床上评估骨龄以左手及腕关节作为最常见的评测部位，应用的方法主要包括图谱法、计分法等，如今随着计算机技术的发展和图像识别技术的进步，人工智能（Artificial Intelligence，AI）在医学影像中的应用得到了飞速发展[1]，也开始应用于骨龄的评估。传统骨龄评估方法分别存在精确度低、耗时长、易受评估者水平的影响等问题，且传统骨龄评估方法存在着X线辐射危害的风险，虽然新型方法中超声、磁共振检查不存在辐射危害，但因为部分设备价格昂贵、检查耗时长，且仍缺少国际统一评估标准，故目前仍以X线平片作为骨龄评估的主要手段。目前我国各地区的骨龄评估方法参差不齐，总体上看骨龄评估呈现出智能化的趋势，以人工结合计算机辅助软件骨龄评估、AI全自动化骨龄评估为主要发展方向进行不断优化。而随着AI的发展，已经出现快速且精确的骨龄自动化识别技术。本文主要总结各种骨龄评估方法的发展趋势以及各自的优缺点，以便我们不断完善相关方法。

1 传统骨龄评估方法

传统的骨龄评估方法目前主要是拍摄左手及腕关节X线平片，观察相应的腕部诸骨骨化中心、左手掌指骨骨化中心的个数、形态来评估骨龄，且左手X线平片分割骨骼部分具有较高的精度[2]，相较于其他部位拍片，儿童手腕部数字化X线摄影操作简便，配合做好防护，能将X线潜在的辐射危害降到最低，达到放射防护最优化[3]。骨龄的具体评估方法主要有计数法、图谱法和计分法等。

1.1 计数法

计数法是最早的骨龄评估方法，通过计算骨化中心数和骨骺融合数，并与相应的标准数量进行比较，最后得到相应骨龄，可以归纳为腕部骨化中心的个数大致等于年龄加一。在1938年Vogt等[4]发表了计数法的相关方法，在1967年Garn等[5]提出了骨化中心出现的顺序进行骨龄评估。在国内，1959年由刘惠芳等[6]提出了骨龄计数法的应用，在1980年赵融等[7]提出了左手腕骨龄标准表，经过不断完善并最终形成中国标准。通过计算骨化中心和骨骺融合的个数来评估骨龄，方法简单，无需特别训练即可掌握使用，但腕部骨化中心完全成熟的年龄较早，通常10岁后腕部骨化中心均完全出现，其适用年龄范围窄，仅能用于学龄前儿童，而且误差大，不精确，现在已基本弃用。

1.2 图谱法

图谱法是指将被检者的手腕部X线片与标准骨龄图谱对照，以最相像的标准图谱的骨龄作为被检者的骨龄。早在上个世纪五十年代，即有学者通过回顾分析骨龄图谱资料，并出版了《手腕骨发育X线图谱》，即G-P图谱[8]，之后又不断进行了修订，因实用性强，目前仍在沿用。此后，国内学者刘宝林等[9]提出了婴幼儿及学龄儿童的骨龄研究，并制成相应年龄段的骨龄图谱。而徐济达等[10]依据南京儿童、青少年的骨龄制订了手腕部骨龄图谱。随之，张绍岩等[11]在2015年依据手腕部骨成熟度分值制订了手腕骨发育X线图谱，并出版了相关骨龄标准图谱的书籍。用图谱法评估骨龄，直观简便，评估结果相对准确，覆盖年龄段广，同时可以了解各骨发育的不平衡性，但主观性较强，往往在实际工作中，不会有待检片与标准图谱片的所有骨头完全一致，所以评测时过于依赖评测者经验，无法精确统一。

1.3 计分法

计分法是指将左手腕部诸骨骨化中心根据发育形态进行分期，并针对每个分期赋予相应分值，将诸骨骨化中心对应分值相加得出分值总和，该分值总和对照骨成熟度得分的中位数曲线，最终得出其骨龄。根据英国和西欧儿童生长发育的纵向研究，Tanner等[12]提出了一套较完整的TW1骨龄评分法，数年后修订为TW2法，在国际上得到了广泛应用，而TW3法以R骨发育分代替了R骨龄作为预测因素，可以通用于全人类，不受到年代、人群、社会经济水平等因素的影响。在TW2法的基础上，利用纵向生长研究材料，Tanner等[13]提出了适用于正常儿童预测成年身高的一系列回归公式，称为TW Mark Ⅰ法，可以根据儿童身高、骨龄等预测成年身高。而后在TW Mark Ⅰ法的基础上增加更多的预测因素以及删除了父母身高的因素，使其更适合于正常、过高、过矮及发育迟缓的儿童，称为TW Mark Ⅱ法。

国内学者李果珍等[14]提出并制订了“中国人骨龄百分计数法”，其与TW2法在原理上相似，样本来源于北京地区儿童，选取手腕部骨10个，根据诸骨发育的X线征象进行分期，诸骨从开始发育到成熟期平均年数的总和为100分，通过计算诸骨骨龄发育指数的总分得出相应骨龄，但该方法参评骨数量较少，样本距今时间较久。之后，叶义言等[15]在TW系列的基础上，提出了中国儿童骨龄评分法，即“叶氏骨龄评分法”，也被称为TW-C法，其对骨龄的理论基础、评分方法及实际应用等方面作了较为全面的总结。在同一时期，张绍岩等[16]在TW2法的基础上对中国6个城市的儿童样本进行研究，制订了中国人骨发育评价标准——CHN法，使手腕部骨发育研究由定性转向定量，成为适合我国骨龄评价的标准并得到国家体委认可。中国人手腕骨发育标准修订研究组在2005年重新给中国5个城市的儿童采样，再次总结了骨龄在临床医学、法医学及运动医学等领域的应用，让RUS-CHN法在TW3-RUS的基础上增添了新的成熟度分级，主要涉及尺桡骨融合分级，使得评分标准更加细致[17]。

计分法的优点在于将骨发育过程量化和标准化，量化后的骨发育评分系统成为一种生物尺，而骨发育分变成一种测量单位，类似毫米、千克等计量单位，不依附年龄，不受人群、时代等因素影响，经过标准化得到的骨发育分百分位和骨发育分转化成为标准的骨龄，该标准骨龄根据不同的人群、时代有所变化，在评测骨龄时，精确度高，能达到0.1岁，但计分法指标多、参数多，而且不同人群的标准骨龄有所偏差，评测时相对繁琐且耗时，人工测算需经过严格训练才能保证准确性。

1.4 计分与图谱结合法

将计分法和图谱法相互结合的评测方法，制定适用于我国儿童少年的骨龄评测标准，在2009年提出了新的结合法，被命名为RC图谱法[18]，其制订的过程首先是简化RUS-CHN计分法相应掌指骨的发育等级，再参照TW3法与“分类特征计分算法”得出简化后的骨发育等级的分值、成熟度分值的百分位数曲线，之后根据骨发育等级的定义来选择相应掌指骨的标准图谱。该方法虽然拥有了图谱法的简便直观，以及计分法的精确，但它评测骨龄的范围相对偏窄，多用于13～18岁青春期后期骨龄的评测。

2 新型骨龄评估方法

2.1 超声

随着超声检查技术的不断发展，超声检查在骨关节领域中的应用也不断深入，近年来在骨龄评估上也有一定的突破。超声评测骨龄的方法目前存在多种，包括通过测量股骨头软骨（Femoral Head Cartilage，FHC）厚度、采用左手腕部G-P图谱超声版、测定左手腕部声速变化等完成骨龄评测。通过超声测量FHC厚度与传统骨龄评测方法进行对比，可以判断骨龄与实际年龄的差异，但该方法敏感度较低。2003年有学者提出采用G-P图谱超声版进行0～6岁儿童的骨龄评测，并对比了传统左手X线骨龄评估方法，两者误差小于0.5岁[19]。之后两年又有人应用以色列阳光公司研制的BonAge超声骨龄检测仪评测儿童骨龄，该仪器基于定量超声的原理，通过测量超声在桡、尺骨远端骨骺的传播速度等数据来评估骨龄，适用于5～18岁儿童的骨龄评测，可作为诊断及监测发育异常的辅助工具[20]。近年，Rachmiel等[21]通过SonicBone定量超声装置与传统X线方法比较，结果显示两者骨龄评估没有明显的偏差。同时，Utczas等[22]建议将超声骨龄评估用于流行病学调查中，因为其筛查异常骨发育有合适的敏感性。在国内，BonAge超声骨龄检测仪和X线片骨龄评测的对比分析结果显示BonAge超声进行骨龄评测可以降低人为误差、加快评测速度、提高骨龄评测的稳定性及可靠性，但两种方法之间仍无法完全替代[23-24]。超声评估骨龄优点在于其无辐射、无创伤，对比传统方法有一定的稳定性和可靠性，不足在于其目前仍处于探索阶段，国际上缺乏统一的标准，检查过程依赖超声医师的操作手法及特殊的仪器，需不断深入研究，才能完全推广。

2.2 双能X射线吸收法

双能X射线吸收（Dual-energy X-ray Absorptiometry，DXA）的装置称为双能X线骨密度仪，采用能量减影的方法清除软组织对骨密度测量的影响，从而得到用于骨龄评估的图像。原理是高低不等的两种X线在穿透人体时，在软组织上差异相对骨组织小，利用专业的检测探头采集信号并后处理，即可得到骨密度图像。研究表明基于DXA的骨龄评估法与传统骨龄评估法所得结果基本相符，而且DXA与传统X线骨龄评估的结果相似[25-26]。2016年Hoyer-kuhn等[27]比较了DXA扫描与常规X线在儿童脊柱形态测定、骨龄测定中的应用，也得出两种方法之间有较高的一致性。DXA扫描的优点主要是该方法比传统的X线检查射线剂量低，但不足在于DXA扫描耗时较长，检查设备成本高。

2.3 磁共振成像

相对于传统X线图像，磁共振成像（Magnetic Resonance Imaging，MRI）可以很好的显示骨骺软骨和骺板软骨的信号，可以观察到二次骨化中心随着年龄增长的细节变化，而且MRI无电离辐射，显示骨骺软骨、软组织分辨率高，这是MRI评测骨龄的先天优势。Terada等[28]提出了专为儿童手腕部优化的MRI技术，利用磁共振图像及其三维分割技术显示了手腕部诸骨的详细骨骼特征，在Tanner Whitehouse Japan系统的基础上对不同年龄段的儿童的骨龄进行了评估，结果显示MRI评估骨龄有效且可靠。已有研究证明观察手腕部诸骨的软骨形态变化、骨化进展及完全骨化的不同阶段评测骨龄可行[29]。而且，MRI检查膝关节骨骺骨干融合的5阶段分类法可应用于法医年龄评估[30]。在国内，郎岩[31]应用MRI检查观察腕骨的形态、骨骺的覆盖情况及关节软骨的变化范围等信息，证实了MRI骨龄横向评估有较高可行性和准确性。MRI评估骨龄的优势在于无电离辐射，比传统方法更好地显示骨骺软骨的成熟情况，但MRI的不足在于设备价格昂贵、检查费用高、检查时间长，且检查存在禁忌症。

3 人工智能评估方法

采用计算机辅助诊断技术自动化识别手腕部各骨发育期对应的X线图像，信息化处理后得出相应的骨龄。其首先要建立手腕部骨各个发育期图像的数字化标准，再应用图像识别技术对X线图像进行数据分析，接着将得到的数据与标准数据库进行匹配，最终实现自动化的骨龄评估法。1970年开始出现计算机代替人工读片和分析，及至1990年，计算机图像识别技术、数字化信息技术以及网络技术的不断发展，人工智能评估法取得了突破。1994年已可利用原有的研究资料选出标准的X线图谱，与计算机专业人士一起配合，制作出计算机辅助骨龄评分[32]。进入21世纪，开始出现通过骨骼形状和纹理信息实现自动骨龄评估的方法，例如运用图像处理技术设计出全自动评估骨龄系统、提出BoneXpert自动测定骨龄法、制定了有识别力的字典学习算法、提出自动评测骨龄的深度学习方法[33-36]。及至2019年，Bui等[37]将TW3法和基于感兴趣区域提取的深度卷积网络相结合，进行区域检测和分类，提高了骨龄评估的准确性。

在国内，先是基于TW2法的原理上设计骨龄X片自动识别系统，研制出计算机半辅助评定骨龄方法，接着将CHN法计算机化，提高了骨龄评估的速度及准确性，然后通过提取手部X线图像的骨骺特征作为骨龄特征参数，运用支持向量机方法进行骨龄识别，其具有可视化、全自动化评估的特点[38-40]。近年来，基于脉冲耦合神经网络的自动X线图像分割方法解决了手腕图像分割问题并用于骨龄自动评价系统研究中，还有学者依据中华05骨龄标准设计了桡骨骨龄等级计算机评定系统[41-42]。

人工智能评估法可以不受人为阅片主观性的影响，精确且快速地评测骨龄，可精确至0.1岁，通常评测过程仅需数秒便可完成，通过深度学习，可以提高骨龄评估准确率，有多位学者报道，其与人工评测误差均在0.5岁左右[43-44]。AI评估法有一定的数据依赖性，数据量越大，人工智能骨龄评估越接近医师骨龄读数，不同的人工智能模型会存在不同差异[45]。人工智能评估法的不足在于其研发应用成本偏高，依赖于软件技术，评测时易受到X线摄片质量的影响[46]，深度学习的图谱库亦会受到地域人群差异的影响，待检骨的形态超出标准定义的界限时评测会产生偏差，如病态手骨龄的评测，需要专业医师的复核才能保证骨龄评测报告的可靠性。

4 总结和展望

回顾骨龄评估方法的发展历程，从计数法、图谱法、计分法，发展到人工智能评估法以及新型评估方法的出现，实际上是将量化从粗糙评估进阶为精细评估的过程，评估的精确度及速度均不断提升，不过骨发育本身是一个连续不断的过程，因为计分法的出现被人为地划分为断续的节点，故无论如何均会出现略微的偏差，人工智能评估法的出现虽然可以较好的改善这一偏差[47]，但研发费用及软件成本高，图像质量要求严格，并不利于基层医院的全面推广，且目前仍处在发展的早期阶段[48]，仍需要人工智能深度学习以及全国各地大样本的标准数据库。新型骨龄评估方法中超声和磁共振检查没有X线的辐射风险，但部分设备成本高，操作难度大，检查过程长，造成儿童配合度差，而且要依赖于评测医师的技术水平，研究及推广进程缓慢。X线平片骨龄评估方法具有操作简便、检查时间短、检查费用低的特点，目前依旧被作为最准确且公认的评估方法。另外，计数法因适用范围窄、误差大，提议将其弃用；图谱法直观简便，但精确度不高，建议仅用于快速筛查时使用；计分法、计分与图谱结合法均能精确地进行骨龄评估，虽然存在测算耗时偏长，但是在计算机辅助软件的帮助下，可以相应地加快测算速度。目前主要问题是我国尚无全国统一的计分法，大部分方法均是参考于TW系列计分法，由于骨骼发育存在地域、种族等众多因素的影响，所以未来只有建立多种族、多地域、大范围的标准样本数据库，才可能真正完善属于我国的统一标准。骨龄评估的准确性直接影响到儿童生长发育研究、内分泌遗传代谢性疾病、儿童保健与临床治疗等，在选用方法时，应该合理地选择，规避缺点、发挥所长，在我国有相对统一的计分法标准的情况下，可以进一步优化人工结合计算机辅助软件骨龄评估、人工智能全自动化骨龄评估这些依靠计算机科学的评估方法，尽可能地提高评估速度与精确度，为儿童健康成长提供最有利的帮助。

[1]李赟铎,宫恩浩,李睿,苑纯.深度学习技术与医学影像——现状及未来[J].中华放射学杂志,2018,52(5):321-326.

[2]Kaur A,Mann KS.Segmenting bone parts for bone age assessment using point distribution model and contour modelling[J].J Phys Condens Matter,2018,933(1):012004.

[3]陈永博,何巧育,朱艳清,等.儿童在X线检查中的防护[J].现代医用影像学,2014,23(4):388-389.

[4]Vogt EC,Vickers VS.Osseous growth and development[J].Radiology,1938,(31):441.

[5]Garn SM,Rohmann CG,Blumenthal T,et al.Ossification communalities of the hand and other body parts:their implication to skeletal assessment[J].Am J Phys Anthropol,1967,27(1):75-82.

[6]刘惠芳,宋世诚,华伯动,等.中国人四肢骨骼骨化中心出现及骨骺接合的初步观察[J].山东医学院学报,1959,(3):84-86.

[7]赵融,马秉权,王永安,等.晋中地区农村儿童青少年手和腕部骨骼发育的研究(摘要)[J].医卫通讯,1980,8(3):42-44.

[8]Greulich WW,Pyle SI.Radiographic atlas of skeletal development of the hand and wrist[J].Cal West Med, 1950,73(4).

[9]刘宝林,关诚,唐锡麟.婴幼儿生长发育的骨龄研究[J].中华儿科杂志,1983,21(4):210-212.

[10]徐济达,敖淑清,王杏英,等.手、腕部骨骼发育的研究(南京农村儿童青少年的骨龄)[J].江苏医药,1996:459-461.

[11]张绍岩.中国人手腕部骨龄标准：中华05及其应用[M].北京:科学出版社,2015:313-433.

[12]Tanner JM,Whitehouse RH,Marshall WA,et al.Assessment of skeletal maturity and prediction of adult height (TW2 method)[M].London:Academic Press,1975:1-99.

[13] Tanner JM,Healy MJR,Goldstein H,et al.Assessment of skeletal maturity and prediction of adult height (TW3 method)[M].London:W.B.Saunders,2001:1-48.

[14]李果珍,张德苓,高润泉.中国人骨发育的研究Ⅱ骨龄百分计数法[J].中华放射学杂志,1979,(1-4):19-23.

[15]叶义言.儿童青少年骨龄的评分法图谱及应用[M].长沙:湖南科学技术出版社,1994:72-179.

[16]张绍岩,杨士增,邵伟东,等.中国人手腕骨发育标准——CHN法[J].体育科学,1993,(6):33-39.

[17]张绍岩.中国人手腕部骨龄标准：中华05及其应用[M].北京:科学出版社,2015:265-299.

[18]张绍岩,刘丽娟,张继业,等.RUS-CHN图谱骨龄评价法用于推侧青少年年龄[J].中国法医学杂志,2009,24(4):249-253.

[19]Bilgili Y,Hizel S,Kara SA,et al.Accuracy of skeletal age assessment in children from birth to 6 years of age with the ultrasonog raphic version of the Greulich-Pyle atlas[J].J Ultrasound Med,2003,22(7):683-690.

[20]Mentzel HJ,Vilser C,Eulenstein M,et al.Assessment of skeletal age at the wrist in children with a new ultrasound device[J].Pediatr Radiol,2005,35(4):429-433.

[21]Rachmiel M,Naugolni L,Mazor AK,et al.Bone age assessments by quantitative ultrasound (sonicbone) and hand X-ray based methods are comparable[J].Isr Med Assoc J,2017,19(9):533.

[22]Utczas K,Muzsnai A,Cameron N,et al.A comparison of skeletal maturity assessed by radiological and ultrasonic methods[J].Am J Hum Biol,2017,29(4):e22966.

[23]许浩,邵慧秋,王磊,等.BONAGE超声骨龄测试和X光拍摄两种骨龄检测方法的比较研究[J].体育与科学,2008,(6):95-101.

[24]黄勇.BONAGE超声骨龄测试和X光拍摄两种骨龄检测方法的对比分析[J].影像研究与医学应用,2017,1(16):55-57.

[25]P?udowski P,Lebiedowski M,Lorenc RS.Evaluation of the possibility to assess bone age on the basis of DXA derived hand scans—preliminary results[J].Ost Int,2004,15(4):317-322.

[26] Heppe DHM,Taal HR,Ernst GDS,et al.Bone age assessment by dual-energy X-ray absorptiometry in children: an alternative for X-ray?[J].Br J Radiol,2012,85(1010):114-120.

[27]Hoyer-kuhn H,Knoop K,Semler O,et al.Comparison of DXA scans and conventional X-rays for spine morphometry and bone age determination in children[J].J Clin Densitom,2016,19(2):208-215.

[28]Terada Y,Kono S,Tamada D,et al.Skeletal age assessment in children using an open compact MRI system[J].Magn Reson Med,2013,69(6):1697-1702.

[29]Tomei E,Sartori A,Nissman D,et al.Value of MRI of the hand and the wrist in evaluation of bone age: preliminary results[J].J Magn Reson Imaging,2014,39(5):1198-1205.

[30]Vieth V,Schulz R,Heindel W,et al.Christian Ottow. Forensic age assessment by 3.0T MRI of the knee: proposal of a new MRI classification of ossification stages[J].Eur Radiol,2018,28(8):3255-3262.

[31]郎岩.腕关节MRI检查对骨龄横向评估的可行性研究[J].临床医药文献电子杂志,2016,3(24):4858-4859.

[32]Tanner JM,Gibbons RD.Automatic bone age measurement using computerized image analysis[J].J Pediatr Endocrinol,1994,7(2):141-145.

[33]Giordano D,Leonardi R,Maiorana F,et al. Epiphysis and metaphysis extraction and classification by adaptive thresholding and DoG filtering for automated skeletal bone age analysis[J].Conf Proc IEEE Eng Med Biol Soc,2007,(2007):6552-6557.

[34] Thodberg HH,Kreiborg S,Juul A,et al.The bone X-pert method for automated determination of skeletal maturity[J].IEEE Trans Med Imaging,2009,28(1):52-66.

[35]Sheshasaayee A,Jasmine C.A novel pre-processing and kernel based support vector machine classifier with discriminative dictionary learning for bone age assessment[J].Res J Appl Sci Eng Tech,2016,12(9):933-946.

[36]Spampinato C,Palazzo S,Giordano D,et al.Deep learning for automated skeletal bone age assessment in X-Ray images[J].Med Image Anal,2017,(36):41-51.

[37]Bui TD,Lee JJ,Shin J.Incorporated region detection and classification using deep convolutional networks for bone age assessment[J].Artif Intell Med,2019,(97):1-8.

[38]张大方,康志伟,叶义言,等.骨龄X片自动识别系统的研究与设计[J].电脑与信息技术,1995,(5):2-4.

[39]谢吉,何国祥,管永靖,等.计算机辅助评估骨龄(中国人手腕骨发育标准CHN法的计算机化)[J].实用放射学杂志,1999,(12):717-719.

[40]董娜,王瑶,聂磊,等.基于X光图像的骨龄评估系统设计与实现[J].计算技术与自动化,2010,29(1):67-71.

[41]钟亚平.基于PCNN的手腕骨图像自动分割方法研究[J].软件导刊,2013,12(7):166-167.

[42]朱翔宇,欧阳斌,罗冬梅,等.基于中华05骨龄标准的桡骨骨龄等级计算机评定系统的设计[J].体育科学,2016,36(9):59-65.

[43]刘鸣谦,兰钧,陈旭,等.基于多维度特征融合的深度学习骨龄评估模型[J].第二军医大学学报,2018,(8):909-916.

[44]Mutasa S,Chang PD,Ruzal-Shapiro C,et al.MABAL: a novel deep-learning architecture for machine-assisted bone age labeling[J].J Digit Imaging,2018,31(4):513-519.

[45]李莉红,杨秀军,李婷婷.不同人工智能模型对基于手腕部DR影像的骨龄预测比较[J].临床放射学杂志,2019,38(8):1498-1501.

[46] 叶义言.新版骨龄评分法概述[J].中华儿科杂志,2004,(1):32-34.

[47]Giordano D,Spampinato C,Scarciofalo G,et al.An automatic system for skeletal bone age measurement by robust processing of carpal and epiphysial/metaphysial bones[J].IEEE Trans Instrum Meas,2010,59(10):2539-2553.

[48]De Sanctis V,Soliman AT,Di Maio S,et al.Are the new automated methods for bone age estimation advantageous over the manual approaches?[J].Pediatr Endocrinol Rev,2014,12(2):200-205.

国内外手腕部骨龄影像评估方法各自优缺点及研究进展

引言