1.图谱法通过对比目标图像和标准图谱相似程度来判断骨龄，虽然简单快速，识别精度低；传统的AI骨龄人工智能是对X光手掌影像的整体特征进行提取，但手掌部分影像的软组织或大部分骨干并不是感兴趣区域，很容易提取到干扰特征从而影响评测精度；类似人工骨龄测评的图谱法，使得评价结果精度较低；并且容易受到周边干扰图像的影响，而且结果不直观，相当于一个黑盒，你不知道它是如何推断出来的骨龄值，无法解释，无法人工复核；
2.人工计分法虽然精度高，但需要耗费大量人工评级时间；人工测评容易受到主观因素影响，不同人员测评同一影像结果不同，甚至同一人员不同时期测评同一影像，结果也不同；
3.中子网络的人工智能AI骨龄，由于只提取真正的感兴趣区域（掩模区域，也即骨骺，生长板和骨干远端），影像的光影干扰，形变和旋转对骨骺评价等级影响较小，对最终骨龄结果（计分13处骨骺等级）影响微弱，精度和泛化能力更高；具有可解释性，能够给出感兴趣区域边框，骨骺前景、背景，骨骺等级信息，符合中华05标准，有助于人工快速介入修改遗漏或错误的骨骺特征等级，从而使整体具有更强的泛化能力和实用性，能够杜绝上述缺陷。