目的 探究深度学习技术在中国汉族人群CT三维重建图像自动性别识别中的可靠性和准确率.方法 收集20～85岁汉族人群骨盆CT影像学数据700例(男性350例,女性350例),将其重建为三维虚拟骨骼模型,并截取坐骨耻骨支内侧缘(medial aspect of the ischiopubic ramus,MIPR)特征区域图像.采用Inception v4作为图像识别模型,以初始化学习和迁移学习两种方式进行训练.随机选取80％的图像作为训练验证集,20％的图像作为测试集.将左右两侧MIPR图像进行单独以及合并训练.之后使用总准确率、女性准确率、男性准确率等指标进行模型的性能评价.结果 将左右两侧MIPR图像单独进行初始化学习训练,右侧MIPR模型的总准确率为95.7％,其中女性准确率为95.7％、男性准确率为95.7％;左侧MIPR模型的总准确率为92.1％,其中女性准确率为88.6％、男性准确率为95.7％.将左右两侧MIPR图像合并以初始化学习进行训练,模型的总准确率为94.6％,其中女性准确率为92.1％、男性准确率为97.1％.将左右两侧MIPR图像合并以迁移学习进行训练,模型的总准确率为95.7％,其中女性准确率为95.7％,男性准确率为95.7％.结论 利用Inception v4深度学习模型和迁移学习算法对中国汉族人群骨盆MIPR图像构建性别推断模型,可对成人骨骼遗骸开展有效性别鉴定,具有较高的准确率及泛化能力.