2017年RSNA举办了一场比赛，通过手部X光片正确识别儿童的年龄。这是Kaggle上的数据集，使实验和教育演示变得更容易。此外，也许还有一些新的想法可以用来构建更智能的X射线图像处理模型。内容一个文件夹，里面装满了图像（数字和扫描），CSV包含年龄（预测内容）和性别（有用的附加信息）确认数据集最初发布在[CloudApp]上(http://rsnachallenges.cloudapp.net/competitions/4#results)作为RSNA的挑战。原始数据集确认北美放射学会（RSNA）放射信息学委员会（RIC）儿科骨龄机器学习挑战组织委员会：-马萨诸塞州总医院凯西·安德里奥勒-梅奥诊所布拉德·埃里克森-托马斯·杰斐逊大学亚当·弗兰德斯-萨夫万·哈拉比，斯坦福大学- Jayashree Kalpathy Cramer，麻萨诸塞州总医院- Marc Kohli，加利福尼亚大学-旧金山- Luciano Prevedello，俄亥俄州立大学在儿科骨龄挑战中使用的数据集已由斯坦福大学捐献，科罗拉多大学和加利福尼亚大学-洛杉矶。用于挑战的美第奇平台（由CodaLab建造）由Jayashree Kalthy Cramer提供，NIH拨款（U24CA180927）和Leidos的合同支持。灵感-你能以超过4.2个月的准确度预测吗？-识别关节是重要的一步吗？-什么算法最有效？-算法的重点是什么？-性别是一个必要的信息，还是可以从图像中自动获得？