我国大约有2亿多0-14岁的青少年儿童，根据中华医学会统计，中国儿童生长发育迟缓发生率高达9.9%，全国4—15岁生长发育迟缓的矮小患儿总数约为700万人。《中国儿童青少年健康状况社会深度调查报告》显示，我国2%-12%的儿童疑似性早熟。骨龄是评估个体的生长发育水平和成熟程度的重要指标，为进一步关心儿童健康成长，联影智能推出骨龄AI人工智能分析系统，实现对骨龄的精准评估。

然而，骨龄的评估尤其繁琐。不同区域的儿童生长发育评估会参考不同的骨龄标准，目前业界主流的骨龄评估方式是图谱法和计分法（计分法包含目前业界较认可的TW3法和中华05法）。图谱法的骨龄评估，需参考多个骨化中心、骨骺线等发育形态，各个骨化中心的发育状态相互关联，互为参考；同时，对于个别骨化中心也可能存在发育异常的现象，综合考虑各个骨化中心在骨龄评估中所占的比重至关重要。在计分法的骨龄评估方面，能否正确识别每块骨化中心的等级是骨龄评估精准性的决定性因素。骨化中心在发育过程中，尤其对处于快速发育阶段的青春期少年，不同等级间的差异十分细微，把握这些细微的差异是等级评价的关键，而细致的对比以及繁琐的计算公式对医生实际阅片工作也造成了较大的负担和困扰。

联影智能骨龄AI人工智能分析系统的骨龄算法针对不同区域骨龄评估标准的差异性，基于海量数据，针对不同的评分标准，定制化设置多种骨龄评估模型，包括图谱法和计分法，可针对特定区域医院，根据医院需求配置一种或多种骨龄评估标准，并且可对儿童的身高、体重等生长发育状况进行自动评估分析。

联影智能骨龄AI人工智能分析系统中的骨龄评估，首先对拍摄的DR手片进行整个手掌的分割，利用分割后的结果将其进行正位处理，以提升模型的鲁棒性。利用分割结果作为限制，并采取级联网络对手片进行22个骨化中心位置的检测，可保证骨化中心检测点的准确性。此外，采用attention和细粒度识别原理，对分割结果和骨化中心的检测结果进行图谱法预测，一方面使神经网络的关注点在手掌区域以内，同时对整个手掌区域以及各个骨化中心区域特征进行提取，将各个子模块提取的特征进行融合，最终得出图谱法的预测分数，这种细粒度的预测方式使模型在关注手掌整体特征的前提下对不同骨化中心的特征赋以权重，使模型学习的特征更有针对性。

对于计分法，同样采取了细粒度识别的方法，与图谱法不同的是，计分法利用强化学习依据马尔科夫决策过程，可自主选择注意区域，从而可实现对骨化中心区域的全局图像和重要局部图像信息的同时运用。

基于uAI算法，通过联影智能骨龄AI人工智能分析系统实现的多骨龄评估方法阅片，平均误差低至4个月，可比肩国际专家。