چکیده: چکیده تخمین سن استخوانی یکی از مهم ترین این چالش ها که در زمینه پزشکی کودکان است. این تخمین سن استخوانی به پزشکان کمک می کند تا فرانید و دوره های رشد کودک را تا بلوغ و حتی بعد از آن تا زمانی که صفحات رشد بسته می شوند بررسی و نظارت کنند. اهمیت این موضوع زمانی مشخص می شود که پزشکان زود تر اختلالات رشدی مانند کوتاهی قد یا رشد استخوان و یا افزایش ناگهانی قد را متوجه و اقدامات لازم را در نظر گیرند. از آنجا که در چند دهه گذشته پیشرفت چشمگیری در یادگیری عمیق وجود داشته، روش های متعددی برای خودکارسازی این فرایند پیشنهاد شده است. در مطالعات گذشته عموما تمرکز بر پردازش تصاویر خام یا پیش پردازش دستی بوده که این موضوع باعث افزایش خطا یا عدم تعمیم پذیری در نتیجه شده است. از دیگر ضعف های روش های گذشته، سرعت پایین آنها در فرایند آموزش و ارزیابی است. با این حال، پیش پردازش یکی از مهمترین بخش های تخمین سن استخوانی به شمار می آید، چرا به افزایش دقت و تمرکز شبکه عمیق برای تخمین سن استخوانی نسبت به پردازش تصویر خام کمک بسیار زیادی می کند. روش پیشنهاد شده در این پایان نامه، فرایند تخمین سن استخوانی را براساس جنسیت و تصویر X-ray دست بیمار خودکارسازی کرده و با دقت و سرعت بهتری نسبت به مطالعات پیشین نتیجه را اعلام می کند. میزان خطا در این فرایند به 81/3 ماه در بازه سنی 1 تا 228 ماه روی پایگاه داده تست RSNA شامل 1400 داده کاهش پیدا کرده است. زمان فرایند آزمایش حدود 64/1 ثانیه به ازای هر داده است که به پزشکان این امکان را می دهد که به صورت همزمان از این روش استفاده کنند.