The present invention relates to a method for automatically analyzing skeletal maturity indicators (SMI) from a plurality of hand-arm radiographic images through a Deep Neural Network (DNN). A method for automatically analyzing skeletal maturity from a hand-held radiographic image using deep learning according to an embodiment of the present invention includes extracting images of the same size and shape set in advance from a plurality of input learning skull radiographic images, A first step of classifying patch images into regions of interest of seed bone, bones, radius, background, and handpiece using HOG features and SVM classifiers； Determining a weight for determining a region of interest to be analyzed for bone maturity (SMI) among the patch images using a plurality of the patch images divided as a learning data in a predetermined Deep Neural Network (DNN) model ； Extracting a region of interest from the analytical weapon radiation image by applying the determined weight to an analytical weapon radiation image to be analyzed in a predetermined second deep neural network model and extracting feature information of the ROI A third step； And a fourth step of determining bone maturity (SMI) from the extracted ROI information.본 발명은 복수의 수완부 방사선 영상으로부터 기설정된 깊은 신경망(Deep Neural Network:DNN)을 통해 골성숙도(SMI:skeletal maturity indicators)를 자동으로 분석하는 방법에 관한 것이다.본 발명의 실시 예에 따른 딥러닝을 이용한 수완부 방사선 영상으로부터 골 성숙도 자동 분석방법은, 입력되는 복수의 학습용 수완부 방사선 영상으로부터 기설정된 동일한 크기 및 형태의 영상을 추출하고, 상기 추출된 영상을 HOG 특징 및 SVM 분류기를 이용하여 종자골, 뼈마디, 요골, 배경 및 수완부의 관심영역으로 패치영상을 구분하는 제1단계； 기설정된 제1 깊은 신경망(Deep Neural Network；DNN) 모델에서 상기 구분된 다수의 패치영상을 학습자료로 하여 상기 패치영상 중에서 골성숙도(SMI)의 분석대상이 되는 관심영역을 결정하기 위한 가중치를 결정하는 제2단계； 기설정된 제2 깊은 신경망(DNN) 모델에서 분석하고자 하는 분석용 수완부 방사선 영상에 대해 상기 결정된 가중치를 적용하여 상기 분석용 수완부 방사선 영상에서 관심영역을 추출하고 상기 관심영역의 특징정보를 추출하는 제3단계； 및 상기 추출된 관심영역 특징정보로부터 골 성숙도(SMI)를 결정하는 제4단계를 포함한다.
