3种骨龄测评标准在儿童青少年数字骨龄片评价应用中的对比研究

目的:观察3种骨龄测评标准在儿童青少年数字骨龄片评价应用中的对比研究分析。方法:将在我院(2015年10月-2020年05月时期)接受骨龄测评的青少年184人,分别采取3种不同的骨龄测评标准,比较3种不同测评结果与青少年实际年龄。结果:男生组中,中华-05法与G-P图谱相比,在9岁以前,前者所测得骨龄值均高于后者(P>0.05);9岁组基本一致;10岁及以上组,前者所测得的骨龄值均低于后者(P>0.05)。CHN法与中华-05法相比较,前者测得的骨龄值均高于后者(P>0.05)。CHN法与G-P图谱相比,9岁组之前、10~12岁,前者高于后者(P>0.05), 12~13岁,前者低于后者,但差异(P>0.05)无意义;14岁组及以后,前者所测得的骨龄值均低于后者(P>0.05)。女生组中,中华-05法与G-P图谱相比,6岁组,前者骨龄值高于后者(P>0.05);7~9岁组,前者骨龄值略低于后者(P>0.05)。10岁组以后,前者所测得骨龄值均低于后者(P>0.05)与男生组不一致。CHN法与G-P图谱相比,10岁组之前,前者骨龄值均高于后者(P>0.05);10岁组基本一致,但G-P图谱离散程度更大。11岁组及以后,前者所测得的骨龄值均低于后者(P>0.05)。与男生组的基本一致。结论:不同骨龄评价标准差异较大,我国男女儿童的骨龄发育表现出明显的性别差异,但中华-05法更适合当代我国儿童青少年的骨龄测评。

不同骨龄测评方法在特发性矮小症患儿数字骨龄片评价中的应用

目的:探讨不同骨龄测评方法在特发性矮小症患儿数字骨龄片评价中的应用效果。方法:回顾性收集清远市妇幼保健院放射科2016年4月-2020年4月收治的60例特发性矮小症患儿临床资料,根据患儿性别及发育情况分组,将13例发育男性患儿纳入A组,将15例未发育男性患儿纳入B组,将17例发育女性患儿纳入C组,将15例未发育女性患儿纳入D组。所有患儿均采取X线摄片检查,并给予G-P图谱法、C骨龄计分法、叶氏RUS法等三种骨龄测评方法对其骨龄片进行评价,统计四组骨龄评分,并分析骨龄发育情况。结果:A、B、D三组患儿三种测定方法结果比较,差异无统计学意义(P>0.05);C组G-P图谱法与C骨龄计分法比较,差异有统计学意义(P<0.05);C组G-P图谱法与叶氏RUS法比较,差异无统计学意义(P>0.05);60例患儿经G-P图谱法检测发育落后12例;经C骨龄计分法检测发育落后16例;经叶氏RUS法检测发育落后9例;均经三种方法检测发育落后7例。结论:G-P图谱法、C骨龄计分法、叶氏RUS法在特发性矮小症患儿数字骨龄片测评中均有较好的应用效果,但针对女性发育特发性矮小症患儿,C骨龄计分法存在一定局限性,故针对该类型患儿应谨慎选择测评方法;叶氏RUS法可用于患儿骨龄落后进一步评估,避免误诊现象,应用范围较广。

贵州省毛南族青少年手腕部骨龄评价

随着社会经济的迅速发展,人们生活水平的提高,儿童青少年的生长发育逐渐引起人们的重视。通常情况下,评价个体生长发育是通过测量体格发育指标来衡量,即体质量、身高及胸围,但骨骼发育水平即骨龄则能更准确地反映儿童青少年的生长发育水平[1]。我们通过比较贵州省少数民族毛南族13~16岁青少年与贵阳市区相应年龄青少年的手腕部骨龄,进一步了解人口总数仅十余万人的毛南族青少年的生长发育水平。

儿童生长发育智慧管理平台设计与应用

目的:按照智慧医院建设标准,结合儿童生长发育专科特点,设计融合线上线下一体化的儿童生长发育智慧管理平台。方法:利用互联网、人工智能和大数据的创新应用,实现儿童生长发育的“互联网+”儿童保健服务、人工智能的骨龄测评、大数据生长发育智能评估。结果:提供了动态监测、精准识别、个性化指导,实现了儿童生长发育偏离的早发现、早干预、早诊断、早治疗。结论:该平台的建立,提高了诊疗效率和质量,提升了患者就医体验,为促进儿童健康发展、提高儿童健康管理水平等提供了借鉴和启示。

邯郸地区生长发育异常儿童骨龄生长学特征及相关因素研究

目的通过对邯郸地区生长发育异常(矮身高)儿童骨龄评价,探索该组儿童的生长发育现状,从而指导临床对生长发育异常儿童的重视和关注,达到早发现、早干预、早治疗等目的。方法收集邯郸地区2014年1月～2017年12月以生长发育异常(矮身高)而就诊,拍摄手腕部骨龄片1478例,应用CHN骨龄测评方法和G-P图谱法对其骨龄进行评估,根据骨龄判定标准,从而判定矮身高儿童的骨龄现状。结果 (1)矮身高儿童的骨龄表现骨龄落后657例,骨龄吻合578例,骨龄提前243例,以骨龄落后为主,男性小于生活年龄(1.38±1.39)岁,女性小于生活年龄(1.25±0.76)岁。(2)不同原因导致的矮身高骨龄生长学特征不同;(3)手腕骨不同骨骺,在骨龄落后的程度也不同,在657例骨龄落后病例中,尺骨发育晚或形态落后130例,腕骨数量少或形态落后178例,多个骨骺联合发育落后125例,伴有第二掌骨基底部假骨骺77例,而桡骨远端、掌指骨骨骺发育晚的所占比例较少。结论 (1)矮身高儿童的骨龄发育可以表现为骨龄落后、骨龄提前和骨龄吻合,以骨龄落后为主;(2)不同病因导致的矮身高骨龄生长学特征不同,不健康生活方式、先天条件不足、特发性矮小导致的矮身高,骨龄多落后在2岁以内多见,而病理性矮身高,如生长激素缺乏大部分骨龄落后,多在2岁左右,甲状腺功能低下导致的骨龄落后程度较大,一般在3岁左右,肾脏疾病导致的骨龄情况髓这体内激素分泌的变化而变化,可骨龄落后、也可骨龄提前;而Turner综合征及其他基因遗传性疾病中,骨龄落后程度较小,多在1～2岁;性早熟导致的矮身高,骨龄多提前,偶有骨龄落后的发生。(3)骨龄落后以腕骨、尺骨出现晚或形态落后、或多个骨骺联合落后为主,但伴有第二掌骨基底部假骨骺也有一定比率,是否能作为判定骨龄落后的标志有待研究。

深度学习骨龄智能评估系统在重庆三峡库区的初步验证

目的探讨适用于重庆三峡库区临床应用的深度学习骨龄智能评估系统。方法纳入来自重庆三峡库区并于2020年6月-2021年7月检查的2500例儿童手腕骨骨龄片为研究数据集,其中2100例为训练集、200例为验证集,另200例为测试集,采用中华05 RUS-CHN法评估骨龄。3名放射学专家及1名儿童内分泌专家评估骨龄的均值为参考金标准。AI模型(深度学习骨龄智能评估系统)和对照组医师(医师A、医师B)独立阅片,分别记录骨龄评估的平均绝对误差(MAE)、耗时、绝对误差小于0.5岁及1.0岁样本所占比例。结果AI模型MAE为0.46岁[95%CI(0.36,0.56)],完成1份骨龄评估用时(1.31±0.82)s;2名对照组医师分别与AI模型评估的MAE比较,差异均无统计学意义(P>0.05),评估用时长于AI模型,差异有统计学意义(P<0.05);当误差范围在±1.0岁及±0.5岁以内,AI模型评估骨龄准确率为92.50%及75.50%,与2名对照组医师比较,差异均无统计学意义(P>0.05)。结论基于深度学习的儿童骨龄智能评估系统准确性高、耗时短,可用于重庆三峡库区儿童青少年骨龄的辅助评估。