中文摘要：

国内外普遍认为，按骨骼年龄判定个体发育的成熟程度是一种行之有效的方法，它是评价个体生长发育最为可靠的手段。但目前用于骨龄推断的各种方法仍是基于人工操作实现的，因此，骨龄鉴定结论会产生评估误差。本项目旨在构建一套法医学骨龄评估系统，以实现骨龄鉴定的计算机化过程。本研究拟运用"模式识别技术"对已收集齐的我国东部、中部以及南部地区1897名男、女性青少年胸锁关节、肩、肘、腕、髋、膝、踝关节13279张X线片，实现从图像预处理、骨骼特征的提取、图像分割以及图像分类等操作的计算机化过程，再根据《青少年骨发育X线分级方法》（已具备的研究成果）得出每一个骨骺的具体发育等级，分别代入经MATLAB分析软件自动化处理的骨龄标准图谱以及数学模型（已具备的研究成果）中求出个体的骨骼年龄，然后再与其真实年龄相比较，进一步证实骨龄自动评价系统的准确性及优越性。

结论摘要：

以往的骨骼年龄评估主要是采取人工读片的方法进行，再分别采用百分位计数法、图谱法或计分法算出骨龄。由于不同读片者的水平及能力不尽相同，人工读片的准确性通常受读片误差影响，致使读片一致性和可靠性近年来备受质疑，直接影响骨龄鉴定意见的准确性。因此，寻求新的骨龄评估方法成为本课题重点解决的科学问题。本研究样本源自我国东部、中部以及南部地区1897名11.0~20.0周岁男、女性青少年躯体七大关节（胸锁关节、肩、肘、腕、髋、膝及踝关节）13279张正侧位X线片。运用支持向量机(Support Vector Machine, SVM)基于图像黑、白、灰不同亮度的图像识别特点，对骨骺图像进行分类、识别。首先，对140例（男、女性各70例）11.0~20.0周岁青少年尺、桡骨远端骨骺运用SVM进行图像识别，分别选取尺、桡骨远端骨骺的五个发育分级作为研究指标，其中尺、桡骨远端骨骺的每个分级均包含28例样本，构建尺、桡骨远端骨骺五个发育分级的SVM分类模型，分别采用留一法（Leave One Out Cross Validation，LOOCV）进行模型的内部交叉验证以及35例独立校验样本SVM模型的外部验证，分别计算其准确率(PA)。研究结果表明，桡骨远端骨骺分级SVM建模、留一法以及独立校验样本验证的PA分别为100%、78.6%和82.8%；尺骨远端骨骺SVM建模、留一法和独立检验的PA分别为100%，80.0%和88.6%。由此可见，运用SVM构建尺、桡骨远端骨骺发育分级的自动化模型具有一定的可行性。其次，基于上述研究结果，我们运用SVM对上述躯体七大关节中其余22个研究指标的不同发育分级实现从图像预处理、骨骼特征的提取、图像分割以及图像分类等操作的计算机化过程，从而实现躯体七大关节骨骺发育分级的自动化评估，再利用SVM构建上述躯体七大关节22个骨骺发育分级的SVM分类模型，用LOOCV以及独立校验样本进行验证，分别计算出模型的PA。最后，将以往研究成果“骨龄鉴定数学模型”与“骨龄标准图谱”的内容软件化，研发出一套法医学骨龄推断计算机自动评估软件。经实践检验，运用该软件评估骨骼年龄，总耗时约3-4分钟即可完成一例法医学骨龄案件的鉴定，大大提高以往人工评估骨龄的工作效率。