目的在骨龄智能评估研究中，如何准确提取腕部参考骨（interest，ROI）的感兴趣区域是保证骨龄评估准确的关键。传统的深度学习方法用于腕骨提取时，存在个别参考骨的误判和误判等情况，导致平均提取精度较低。结合目标检测强大的定位和识别能力，为了准确提取腕骨的感兴趣区域，本文提出了一种参考骨骼的自动匹配和校正方法。方法根据不同参考骨形态和位置的规律性和相关性，采集大量不同性别和年龄的人类腕部图谱作为参考骨样本进行匹配，然后分阶段提取参考骨。ROI：1）根据目标检测算法初步提取所有候选参考骨，根据一定阈值，去除置信度峰较低的区域。2） 结合参考骨骼的大数据样本，构建位置点匹配模型，自动匹配并填充消除的区域，确保提取的准确性和完整性。3） 通过多尺度滑动窗口和ROI分类模型，对填充的ROI位置进行滑动校正，进一步确保提取精度。结果实验结果表明，结合目标检测和匹配校正的方法优于现有的大多数方法。其中，基于目标检测算法的提取结果，匹配校正方法的平均准确率提高了约1.42%。当与Fasterr-CNN算法相结合时，它可以在Union（IoU）上实现98.45%的最高精度。结论该方法利用腕骨的位置特征对难以提取的个体参考骨类型进行重新匹配和修改，有效弥补了传统方法泛化能力的不足。该方法可以同时从人体腕部的所有参考骨骼中提取感兴趣区域，具有良好的可扩展性和易操作性。