摘要目的 基于深度学习法构建适合平原和高原儿童的骨龄预测模型,并进行临床验证.方法 本研究共纳入三个数据集[北美放射学会(Radiology Society of North America,RSNA)数据集,包括训练集12 611例、验证集1425例、测试集200例;放射学手部姿势评估(Radiological Hand Pose Estimation,RHPE)数据集,包括训练集5491例、验证集713例和测试集79例;自建数据集,包括训练集825例和测试集351例],用于模型的训练和内部验证.自建数据集回顾性纳入北京协和医院(745例,均为汉族)和西藏自治区人民医院(431例,其中汉族114例、藏族317例)共1176例儿童的左手腕部X线影像.此外,研究还纳入了来自尼玛县人民医院的外部测试集(256例,均为藏族),用于模型的外部验证.应用深度学习法构建骨龄预测模型(ethnicity vision gender-bone age net,EVG-BANet),并采用平均绝对差异(mean absolute difference,MAD)和1岁以内准确率作为模型的评价指标.结果 EVG-BANet模型在RSNA和RHPE测试集中的MAD分别为0.34岁和0.52岁.在自建数据集中,该模型的MAD为0.47(95％CI:0.43～0.50)岁,1岁以内准确率为97.72％(95％CI:95.56％～99.01％);在外部测试集中,该模型的MAD为0.53(95％CI:0.48～0.58)岁,1 岁以内准确率为 89.45％(95％CI:85.03％～92.93％).结论 EVG-BANet 模型在平原和高原儿童中均表现出较高的准确性,具有一定的推广应用价值.