编辑推荐：
本研究提出并验证了首个专为印度儿童设计的自动骨骼年龄分段评估系统digiBONE。该系统将全手X线片分割为短骨、腕骨和腕部区域，分别训练卷积神经网络（CNN），并将分段预测结果与全手模型相结合，最终生成Segmental Greulich–Pyle（SGP）骨龄。结果显示，该方法相比仅用全手模型提升了评估精度（男性平均绝对误差MAD 4.75个月，女性4.93个月），并能揭示手部各区域骨成熟度的异步性，为临床提供超越单一整体评估的补充信息，实现了从群体评估到个体化评估的进步。
文章内容归纳总结
背景
骨骼年龄评估是儿科内分泌和生长障碍诊疗中的关键临床指标，反映了超越实际年龄的生物成熟度。格鲁利希-派尔方法是广泛应用的金标准，通过将全手X线片与图谱进行视觉比对来估算骨龄。然而，该方法及其大多数自动系统都假设手部骨骼成熟是均匀的。事实上，在激素等多种因素影响下，手部不同解剖部位的骨骼成熟速率存在差异，这种分段变异性可能导致观察者间不一致和诊断不确定性。尽管基于深度学习的自动化系统（如BoneXpert、VUNO Med-BoneAge）取得了进展，但它们大多仍将手部视为单一整体。另一方面，Tanner-Whitehouse 3（TW3）方法虽关注了13个预定义的感兴趣区域，但过程更为复杂耗时。因此，本文旨在开发一个整合生物学相关分段信息、适用于印度人群的深度学习自动评估方案，以提升精度和可解释性。
方法
数据集：本研究使用了两个数据集。公开的北美放射学会数据集包含14036张高加索人群的手部X线片及其对应的GP骨龄标签。另一数据集HCJBA则包含了从印度机构获取的2430张印度儿童手部X线片。研究对数据集进行了性别分组，并进一步划分为训练集和验证集用于模型微调和评估。
手动分段标注：为训练分段模型，研究对图像进行了创新的“分段GP标注”。将手部图像分割为短骨、腕骨和手腕三个解剖学一致的区域，并掩蔽其他区域。由两名经验丰富的儿科内分泌科医生（分别拥有25年和5年经验）将孤立的分区与GP图谱进行比对，确定各自的分区骨龄。该标注方法具有很高的评分者间信度。
自动分割：先前基于RSNA数据训练的U-Net分割模型未能很好泛化到HCJBA数据集，这可能是由于图像统计特性、协议或人群的差异导致的分布偏移。为此，研究采用测试时自适应策略，在推理时禁用批量归一化层在RSNA训练中学到的运行均值和方差参数，使归一化由每张输入图像的统计特性驱动，从而成功生成了三个分区的掩码。生成的掩码还通过形态学操作、基于面积和平均像素值的精确轮廓检测等后处理方法进行了进一步细化，以去除噪声并获得精确的分割结果。
模型架构与训练策略：研究采用DenseNet161作为基础CNN架构。首先，在RSNA数据集上对每个分段（短骨、腕骨、手腕）以及全手分别训练独立的“基础模型”，模型在RSNA验证集上表现出良好的泛化能力。然而，当这些基础模型直接应用于HCJBA数据集时，性能显著下降，平均绝对误差（MAD）大幅增加，这表明存在明显的领域偏移。为应对此问题，研究采用了“同领域迁移学习”策略。具体而言，冻结了在RSNA上训练好的基础模型的所有层（除最终预测层外），仅使用HCJBA数据集及其对应的手动标签对最终层进行微调，使模型能够适应印度队列的骨龄分布特征。分别针对男性和女性子集训练了独立的模型，以考虑性别特异性的骨成熟差异。
分段格鲁利希-派尔（SGP）年龄计算：为了整合分段成熟度的非均匀性信息，研究提出了一种结合分段预测和全手预测的方法。首先计算三个分段模型预测值的平均值（Seg_Avg），然后通过凸组合将其与全手模型（fh）的预测相结合，得到一个初步的合并预测值Ci。通过最小化验证集上合并预测值（映射到最近GP类别后）与全手真实标签之间的L2范数，分别优化得到男性和女性群体的最优权重系数α*。在推理时，使用最优α*计算最终的SGP年龄。这个年龄不仅能提供统一的骨龄评级，还内在地蕴含了分段差异的信息。
结果
基础模型与迁移学习模型性能：对HCJBA数据集进行迁移学习后，全手和所有分段模型的性能均大幅超越基础模型。全手模型预测与专家评级高度相关，男性r2= 0.93，女性r2= 0.94，Bland-Altman分析也显示出高度一致性。2 = 0.94 for male and R2= 0.94 for girls, with biases of +0.16 and ?0.34 months, respectively."> 在三个分段模型中，全手模型的性能优于任何单一分段模型。腕骨模型的MAD最高，这可能是因为腕骨在青春期后达到完全成熟，导致其在预测青春期后GP类别时区分能力下降。各分段模型预测与真实值的相关性和一致性分析结果良好。2 = 0.84 for males and R2= 0.87 for females, with biases of +0.49 and ?1.01 months, respectively, indicating a slight overestimation for females.">2 = 0.81 for males and R2= 0.83 for females, with biases of ?0.04 and +0.38 months, respectively. Note that the carpal model shows negligible systematic deviation (bias) from the ground truth in both sexes.">2 = 0.87 for males and R2= 0.86 for females, with biases of +0.80 and +1.92 months, respectively, showing a mild underestimation trend.">
SGP模型性能：整合分段信息显著提升了骨龄估计的精度。SGP模型实现了最低的MAD值，男性为4.75个月，女性为4.93个月，优于仅用全手模型的结果（男性5.7个月，女性5.9个月）。在权重优化中发现，女性的最佳权重（α）约为0.49，意味着对分段平均预测和全手预测近乎同等重视；而男性最佳权重为0.24，表明其最终预测更依赖于全手模型的信息。SGP预测与全手真实值同样高度相关，Bland-Altman分析显示了良好的一致性。2 = 0.93 for males and R2= 0.94 for females, with biases of ?0.54 and ?1.20 months, respectively, a slight overestimation for females.">
讨论
本研究提出的digiBONE是首个将临床相关的分段成熟模式系统性地纳入深度学习框架的自动化骨骼年龄评估系统。它引入了分段格鲁利希-派尔方法，提供了传统GP方法所忽略的骨骼发育的“分段视角”，使得理解手部不同解剖区域的骨骼成熟过程变得可解释。该系统预测速度快，可集成到快节奏的临床工作流中。结果表明，与仅使用全手图像的模型相比，这种基于生物学信息的方法实现了更恰当和个性化的骨龄估计。
深度学习自动化骨骼年龄评估为解决观察者变异性和时间限制等长期挑战提供了可扩展的方案。卷积神经网络能够从X线片中提取层次化特征，并学习从图像到发育年龄的复杂映射。本工作的核心洞见在于认识到骨骼发育在手部各区域是不均匀的。全手CNN模型捕获的是儿童整体成熟度与群体常模的一致性，而分段模型则解释了相同GP骨龄的个体在生物学上的差异。分段模型虽然因缺乏全局解剖学信息而在单独使用时表现略逊，但当其预测与全手预测通过优化权重相结合时，却能产生最准确的最终评估，这凸显了分段信息在精炼骨龄估计方面的价值。
一个关键的发现是性别特异性的最优权重策略。对于女性，分段预测和全手预测的权重接近相等；对于男性，则更多地依赖于全手预测。这表明分段模型对预测精度的贡献存在性别差异，强调了在自动化骨骼年龄评估中采用性别特异性策略的重要性。
本研究方法在大型群体数据上训练模型以捕获类别特异的骨骼模式，而多个分段模型则专注于不同的解剖学片段。当应用于个体X线片时，这些模型会产生反映该患者与更广泛群体趋势一致性的预测。协调不同模型的预测结果，就实现了“从群体到个体的评估”。即使两幅X线片在GP系统中被分配到相同的骨龄类别，它们可能在分段水平上存在有意义的差异。分段模型能够捕捉这些临床上相关的、全手模型无法揭示的个体差异，从而超越了单一的全局预测，提供了对个体层面骨骼发育真实情况的深入理解，增强了自动预测的可解释性，也解释了类别内的异质性。
总之，digiBONE证明了将分段成熟模式整合到深度学习中，在准确性和可解释性上均优于仅用全手的方法。该框架不仅解决了骨骼成熟异步性等已知的变异性来源，还通过桥接群体水平的学习与个体水平的成熟图谱，推动了自动化骨骼年龄评估向个性化方向发展。未来工作可探索更先进的架构，并考虑将骨龄自适应加权机制与临床实践更紧密地结合，同时需要通过多中心研究在更广泛的印度人群中进一步独立验证模型的适用性。
