Para diversas áreas médicas como pediatria, ortodontia, etc, a avaliação da idade óssea de um paciente é de fundamental importância para complementar as informações necessárias a um diagnóstico. O método mais eficaz para avaliação da idade esquelética foi proposto por Tanner e Whitehouse (TW), e é até cinco vezes mais preciso que outras técnicas utilizadas pela maioria dos profissionais médicos. Apesar de ser mais eficiente, o método TW não é amplamente utilizado, pois o excesso de trabalhos manuais é considerado complicado por muitos. Este trabalho mostra uma forma de se automatizar o método de TW, e como essa automação pode contribuir para aumentar a sua utilização. O algoritmo descrito utiliza análises por limiares e histogramas para localizar os dedos em uma radiografia da mão. Após a localização dos dedos, o algoritmo usa Modelos de Forma Ativa (MFA) para localização e segmentação de epífises nos dedos. As epífises compõem algumas das regiões de interesse utilizados na avaliação da idade óssea. Os MFAs também alinham as epífises segmentadas com imagens de referência e permitem comparações entre ambas. Esta comparação classifica as epífises de acordo com seu estágio de maturidade esquelética. Os métodos propostos foram testados em 237 radiografias de mão obtidas do Hospital das Clínicas da Universidade Federal de Uberlândia. Os resultados mostraram que o estágio de maturidade foi corretamente definido para 76,79% das imagens e 98,73% das epífises foram classificados corretamente ou se encontram dentro de um estágio de sua correta classificação.

For several medical fields such as pediatrics, orthodontics, etc, the assessment of a patient’s bone age is of fundamental importance to complement the necessary information for a diagnosis. The most effective method for skeletal age assessment is proposed by Tanner and Whitehouse (TW), which is up to five times more accurate than other methods used by most medical professionals. Despite being more efficient, the TW method is not widely used, because its manual application is considered complicated by many medical professionals. This work shows the possibility of automating the TW method, and how this automation can contribute to increasing its utilization. The algorithm described in this work uses thresholding and histogram analysis to localize the fingers in a hand radiograph. After localizing the fingers, the algorithm uses Active Shape Models (ASM) for localizing and segmenting epiphyses in the fingers. Epiphyses are some of the regions of interest (ROI) used in bone age assessment. The ASM models also align the segmented epiphyses with reference images and compare them. This comparison classifies the epiphyses according to their skeletal maturity stage. The proposed methods have been tested on 237 hand radiographs obtained from Clinical Hospital of the Federal University of Uberlândia. The results showed that 76.79% of the images were assigned the correct stage, and 98.73% of the epiphyses were classified correctly or lie within one stage of its correct classification.