深度学习基于骨盆X线平片估算儿童年龄的多中心研究
Pediatric chronological age estimation from pelvic radiographs using deep learning: a multicenter retrospective study.
PubMed 文献 · Eur Radiol · 2026-10-17
本研究基于两家医院0-18岁儿童骨盆X线平片，训练DenseNet161模型进行19个1岁间隔的年龄分类。模型在内部测试集平均绝对误差为0.394年，外部验证集为0.513年，年龄误差1年内的准确率分别为0.937和0.927。结果显示基于盆腔X线平片的深度学习可自动化估算儿童实足年龄。
要点
- 该模型在内部测试集年龄误差1年内准确率达0.937，外部验证集为0.927。
- 模型对外部验证集男孩平均绝对误差0.455年，优于女孩的0.628年。
- 可利用因其他适应证已拍摄的骨盆X线平片提取骨骼成熟度信息。
核心结论
- 深度学习神经网络可从儿童骨盆X线平片实现自动化年龄估算。
- 该模型在0-18岁全年龄范围内均表现出可行性，无需额外摄片即可获得临床相关骨骼成熟数据。
研究设计与样本
- 回顾性多中心研究，模型开发纳入两家医院共3972张0-18岁患者骨盆X线平片，中位年龄2.5岁，四分位距0-8岁，男性2463例。
- 采用DenseNet161网络训练，以实足年龄为参考标准，使用条件有序回归损失函数进行19个1岁间隔类别的年龄分类。
- 外部验证使用两个独立队列共744张平片，包括同院另一科室541张及外院203张。
诊断标准与关键数值
- 模型性能指标为预测年龄与实足年龄误差1年内的准确率及平均绝对误差。
- 内部测试集平均绝对误差为0.394年，其中女孩0.360年、男孩0.419年，误差1年内准确率0.937，女孩0.944、男孩0.931。
- 外部测试集平均绝对误差为0.513年，其中女孩0.628年、男孩0.455年，误差1年内准确率0.927，女孩0.896、男孩0.943。
临床应用与阅片要点
- 对于因其他适应证已拍摄骨盆X线平片的儿童，可同步自动化提取骨骼成熟度信息用于临床辅助判断。
- 阅片报告中可关注深度学习年龄估算结果与实足年龄的差异，差异超出1年时需结合临床背景综合解读。
- 外院数据中女孩误差明显增大，应用于女孩时应更加审慎并结合其他骨龄评估手段。
局限性
- 研究为回顾性设计，模型开发所用数据来自两家医院，存在选择偏倚可能。
- 外部验证样本仅744张，且外院队列仅203张，结果泛化性需要更大规模验证。
- 原文未提供各年龄亚组的性能分层分析。
以上解读依据论文摘要（全文未开放获取或许可不允许翻译转载）。
引用
- Hwang, Kim, Hwang, et al. Pediatric chronological age estimation from pelvic radiographs using deep learning: a multicenter retrospective study. Eur Radiol. 2026. PMID: 42891710. doi:10.1007/s00330-026-12951-4
供执业医师工作参考，不替代临床判断；数值与分级以指南原文为准。