目的 探索适用于中国汉族青少年肩关节X线骨龄评估的深度学习网络模型.方法 回顾性收集12.0～<18.0岁中国汉族青少年肩关节X线图像1 286例(男性708例,女性578例).随机抽取约80%的样本(1 032例)作为训练集和验证集,用于模型学习、选择和调优,约20%的样本(254例)作为测试集,用于评估模型泛化能力.分别将肩关节X线原始图像单通道、结合原始图像与分割标签(经人工标注的肩关节区域与原始图像进行逐像素点相乘操作后再经过U-Net++网络分割,仅保留肩关节关键区域信息)双通道输入VGG16、ResNet18、ResNet50、DenseNet121 4种网络模型进行骨龄评估.另外,对测试集数据进行人工骨龄评估,并与4种网络模型进行比较分析.使用平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、决定系数(R2)和皮尔逊相关系数(Pearson correlation coefficient,PCC)作为主要评价指标.结果 在测试集中,4种模型双通道输入的肩关节X线图像骨龄评估结果在4项评价指标上均优于单通道输入,其中DenseNet121模型的双通道输入方式结果最好,MAE为0.54岁,RMSE为0.82岁,R2为0.76,r为0.88.人工评估方法的MAE为0.82岁,仅次于DenseNet121模型的双通道输入结果.结论基于肩关节X线图像结合原始图像与分割标签双通道输入的DenseNet121网络模型评估结果优于人工评估结果,可有效评估中国汉族青少年骨龄.