O objetivo deste trabalho é apresentar uma metodologia para a segmentação automática de regiões anatômicas de interesse em radiografias da mão utilizando o modelo de detecção de objetos YOLOv10. A segmentação foi proposta como etapa de pré-processamento de um sistema de avaliação automatizada da idade óssea, permitindo que análises subsequentes operem apenas sobre regiões clinicamente relevantes (articulação, metacarpo e carpo), reduzindo o custo computacional associado ao processamento de imagens completas. Para o treinamento do modelo, 204 imagens foram anotadas manualmente, divididas em conjuntos de treino e validação e enriquecidas por técnicas de aumento de dados. O modelo YOLOv10s foi avaliado por meio das métricas de precisão, recall e acurácia geral. Os resultados experimentais mostraram desempenho superior a 96% em validação e acurácia global de 99,7% sobre a base completa de 18.787 imagens, com tempo médio de inferência de 0,11 segundos por imagem em CPU, demonstrando a viabilidade prática da abordagem para aplicações em ambientes clínicos e sistemas de apoio ao diagnóstico médico.
