1. 计数法：计数法是指通过计量骨化中心数量判断骨龄的方法。最早于1926年Todd提出的腕部骨化中心计数法定义骨龄等于腕部骨化中心数目减1，还有Elgenmark骨化中心计数法及Garm骨化中心计数法等类似的方法，均因解读误差大而淘汰［ 13］ 。
2.图谱法：图谱法是通过比较手部X线片与标准图谱间的差异来获得骨龄值的方法。具有评估速度快、易于学习的优点，其缺点是准确性不足，易受评估者经验差异影响。
1931—1942年研究者以美国俄亥俄州克利夫兰的中上阶层白人儿童为研究对象，在每个年龄段收集了100张骨龄图后选择最能代表总体趋势的一张，汇集为现在使用的GP（Greulich-Pyle）图谱 ［ 14］ 。该图谱是国际上临床医生和放射科医生中最常用的骨龄评价参照标准，迄今与生物学年龄依然有着良好的相关性 ［ 15］ ，每个年龄组的骨龄和CA之间的平均差异很少超过1岁。但在亚洲男性中，GP图谱法评估6~9岁年龄组骨龄的结果显著落后于CA，而17岁时则显著超前于CA ［ 16］ 。GP图谱的缺陷在于评价主观性强，各骨骼没有标准化权重，评价者对指骨、腕骨分配的权重不一可导致结果差异，阅片经验可影响评估结论准确性 ［ 17］ 。1960年顾光宁和吴晓钟 ［ 18］ 采集上海儿童手部X线摄片后，以各年龄组中位数样本片为标准形成了最早的顾氏图谱，1993年该图谱进行了重新修订 ［ 19］ 。但由于顾氏图谱样本总数少，为单个地区内采集所得，相邻标准片时间跨度大，忽略了实际中骨骼发育过程中的阶段性特征，故现临床工作中并未广泛应用。
3.计分法：计分法是指通过判断单个骨骼成熟度评分后，通过特定的组合方式汇总后换算为骨龄的方法。相较于图谱法，计分法相对更加客观，但评估耗时更长。
（1）TW（Tanner Whitehouse）系列方法：TW1法采集了20世纪50年代和60年代英国普通社会经济阶层儿童的X线片，将每个骨骼的成熟度分为一个阶段，然后用相应的分数代替，计算总分后转化为骨龄 ［ 20］ 。1979年增加了纵向和混合纵向例数后发布了TW2法，并分别制定了长骨骨龄（TW2-RUS）、腕骨骨龄（TW-C）和综合的20块骨龄（TW-20） ［ 21］ 。2001年调整骨成熟度评分与骨龄关系后更新为TW3法 ［ 22］ 。为了适应不同国家/民族的骨骼发育差异，随即衍生出多种本土化的TW法，使得TW法得以适用于不同年代、不同种族需求。例如，我国叶义言 ［ 23］ 用TW2法评测长沙2 000名儿童后，修正了成熟分与骨龄的对照值，形成了叶氏TW2法。下文介绍的CHN及“中华-05”法亦是在TW计分法系列基础上建立的。
（2）百分计数法：20世纪60年代，李果珍教授等 ［ 24］ 采集北京市1 200余名普通家庭儿童手腕部X线摄片，根据骨骼不同发育程度确定其分期并换算成分值，并给出描线图示和骨龄对照表，形成百分计数法，亦称“李氏法”。该方法较TW2更为简便，是CHN法出现前国内最系统和精确的骨龄评价方法。
（3）CHN法和“中华-05”法：我国目前临床最常用的两种计分法为CHN法和“中华-05”法。二者产生年代不同、使用的数学方法不同，在儿童青少年骨龄评价中的适应性问题多有讨论。《中国人手腕骨发育标准：CHN法》是以20世纪80年代黑龙江省、河北省、陕西省、湖南省、福建省、重庆市多地市区健康儿童为对象，在TW2-20基础上去除腕骨中的三角骨、月骨、舟骨、大多角骨、小多角骨和尺骨骨化中心后，简化成为14块骨骼的评价体系 ［ 25］ 。2005年《中国人手腕骨发育标准：中华05》 ［ 26］ ，即“中华-05”法（RUS-CHN）发表后替代原有CHN法成为中国体育行业标准。“中华-05”法根据我国5城市（上海、广州、温州、大连、石家庄）儿童骨骼发育特点，在TW3计分法基础上调整了各骨的积分权重。因掌指骨与腕骨发育对各种病因反应不尽相同，“中华-05”法分别建立TW3-C RUS（TW3 Chinese Radius-Ulna-Short）与TW3-C Carpal（TW3 Chinese Carpal）以用于鉴别不同病因对儿童骨发育的影响。
4.计算机与人工智能辅助评价方法：早在1989年，Michael和Nelson ［ 27］ 推出了第一个半自化的HANDX系统用于检测骨龄。2009年，Thodberg等 ［ 28］ 研发的BonExpert系统成为迄今全球运用最广、相关研究最多的全自动骨龄评估系统，该系统可以分别按照GP图谱或TW法评定骨龄。
随着人工智能深度学习技术的进步，卷积神经网络（convolutional neural network，CNN）已经应用于骨龄评价。2017年北美放射学会发起的人工智能阅片比赛中，16Bit公司开发的人工智能系统胜出，其阅片平均绝对误差（mean absolute error，MAE）为4.3个月，一致相关系数达到0.991。该公司已将其开发的人工智能儿童骨龄计算器放在网络平台供免费使用（https：//www.16bit.ai/bone-age） ［ 29］ 。国内亦开发出类似的人工智能系统。例如，推想医疗骨龄评测系统骨龄采用TW3-C RUS评测骨龄，可帮助低年资放射医生将均方根误差（root mean square error，RMSE）由0.71岁降低至0.27岁，MAE从0.9岁降低至0.38岁 ［ 30］ 。依图人工智能系统TW3模式下阅片时间为（1.5±0.2）s，均方根（RMS）为0.5岁 ［ 31］ 。计算机与人工智能的缺陷在于可能会无法正确识别先天性或后天性异常骨形态，因此仍依赖人工审阅辅助。