骨龄是反映青少年骨骼及身体发育的重要指标,在医学、体育、司法鉴定等多个领域都有着广泛的应用。传统的骨龄评定方法由骨龄专家对手骨的X光图像进行人工读片完成,具有评定周期长、工作量大、受主观性影响大等缺点和局限性,实现自动骨龄评测将可以大大减轻骨龄专家的工作压力。自动骨龄评测可以视为对手骨X光图像进行分类的问题,但是不同于传统的分类任务,手骨X光图像中的辨识特征十分细化,相邻骨龄值图像的类间差异很小,分类难度更大,并且传统的自动骨龄评测方法常常需要依赖手工特征的选取,提取过程十分繁琐,并且具有很大的局限性。针对现有自动骨龄评测的缺点,本文设计了 一种基于注意力的深度卷积神经网络模型对骨龄进行自动分类评测,该模型有效地结合了空间注意力和通道注意力方法,不需要额外的标注信息,自动定位、学习图像中具有高识别能力的区域和特征,并据此分配更多的处理资源,结合深度学习强大的特征学习能力,免去了现有自动骨龄评定方法中人工提取特征的繁琐工作。经过训练、调优,该模型在22980张手骨X射线图像的数据集上达到了 68.303%的准确率和0.423岁的均值误差。本文根据实验中训练的卷积神经网络模型,设计并实现了基于深度学习的自动骨龄评测系统。