El propósito de este estudio es desarrollar un método automatizado para identificar el estado de menarquia de adolescentes basado en radiografías EOS. Diseñamos un algoritmo basado en aprendizaje profundo que contiene una red de detección de región de interés y una red de clasificación. El algoritmo fue entrenado y probado en un conjunto de datos retrospectivo de 738 casos de EOS de adolescentes utilizando una estrategia de validación cruzada de cinco pliegues y posteriormente fue probado en un conjunto de validación clínica de 259 casos de EOS de adolescentes. En el conjunto de validación clínica, nuestro algoritmo logró una precisión del 0,942, una precisión macro de 0,933, una sensibilidad macro de 0,938 y un puntaje F1 macro de 0,935. El algoritmo mostró un rendimiento casi perfecto en la distinción entre hombres y mujeres, con los principales errores de clasificación encontrados en mujeres de 12 a 14 años. Específicamente para las mujeres, el algoritmo tuvo una precisión del 0,910, una sensibilidad del 0,943 y una especificidad del 0,855 en la estimación del estado de menarquia, con un área bajo la curva de 0,959. El valor kappa del algoritmo, en comparación con la situación real, fue de 0,806, lo que indica una fuerte concordancia entre el algoritmo y el escenario del mundo real. Este método puede analizar eficientemente las radiografías EOS e identificar el estado de menarquia de los adolescentes. Se espera que se convierta en una herramienta clínica de rutina y proporcione referencias para las decisiones de los médicos en condiciones clínicas específicas.