[发明专利]基于3D打印的糖尿病足专用鞋垫制作工艺

权利要求书

1.基于3D打印的糖尿病足专用鞋垫制作工艺，其特征在于：包括有如下步骤：

S1：通过个性化足底三维形态光学扫描采集数据：

糖尿病患者将两只脚分别放置在三维形态光学扫描器上进行扫描，模拟出脚部的三维形态，并采集脚部踩踏的压力信息；

S2：CAD系统数据处理检测患病点：

通过数据终端中的CAD系统对脚部进行检测、分析，确定脚部的病灶位置；

S3：医学专家提供医学专业分析、评估：

数据终端检测到脚部的患病点之后，打印患病点报告，并将报告发送到医学专家进行专业分析和评估，从而确定鞋垫打印模型中的侧重治疗点；

S4：针对患病点进行鞋垫建模：

医学专家将确定好的鞋垫打印模型上传到3D打印机上，通过3D打印机进行鞋垫打印建模；

S5：根据患者病灶位置调整电池仓位置：

在鞋垫打印建模的过程中，医学专家根据患者病灶位置调整电池仓的位置；

S6：根据患者患病程度定制硅胶层厚薄、软硬度：

3D打印机进行鞋垫打印建模完成之后，由医学专家根据患者患病程度选定硅胶层的厚度和软硬度，3D打印鞋垫分为上下两层，上层为选定的硅胶层，下层为选定的半硬质树脂层；

S7：进行立体光固化3D打印：

鞋垫材料选定之后，通过3D打印机进行立体光固化，进行3D打印糖尿病足专用鞋垫，开始制作糖尿病足专用鞋垫；

S8：涂抹热硫化硅胶胶水进行上下层粘合：

分别制作出上层的硅胶层和下层的半硬质树脂层，通过在上层和下层上分别均匀涂抹热硫化硅胶胶水，然后进行室温干燥，在模具中共硫化，脱模后，即可将上层的硅胶层和下层的半硬质树脂层粘合为一体；

S9：使用优质皮革对鞋垫整体进行封装和加固：

采用透气性良好的皮革对粘合之后的鞋垫进行缝合和封装，对组合鞋垫进行二次加固，并增强透气性；

S10：将电池仓从底部推入，完成鞋垫整体制作：

选用纽扣电池，放入定制电池仓，电池仓从鞋垫底部预留位置塞入，并采用密封圈对纽扣电池的开口处进行密封并加入具有压电效应的柔性薄膜传感器采集足底压力，主要获得大脚趾压力、脚跟压力、足中压力和跖骨头压力，也可根据病情需要对传感器安装位置进行定制。所测得的压力通过蓝牙传感器实时上传患者穿戴时的压力数据；

S11：采集患者大脚趾、脚跟、足中和跖骨头压力，对糖尿病患者的神经性病变、压力性溃疡进行分类；

通过压力鞋垫底部的压力传感器分别采集患者大脚趾、脚跟、足中和跖骨头压力，并通过LSTM对神经性病变、压力性溃疡进行分类。

2.根据权利要求1所述的基于3D打印的糖尿病足专用鞋垫制作工艺，其特征在于：所述上层为可定制软硅胶，下层为依据足部形状提供足部支撑功能的硬树脂。

3.根据权利要求2所述的基于3D打印的糖尿病足专用鞋垫制作工艺，其特征在于：所述下层中通过3D建模将电池仓、蓝牙模块以及布线硬件内嵌其中。

4.根据权利要求2所述的基于3D打印的糖尿病足专用鞋垫制作工艺，其特征在于：所述上层与下层的总厚度不超过1.5cm。

5.根据权利要求1所述的基于3D打印的糖尿病足专用鞋垫制作工艺，其特征在于：所述电池仓位于下层的硬树脂中。

6.根据权利要求1所述的基于3D打印的糖尿病足专用鞋垫制作工艺，其特征在于：所述基于LSTM的压力性溃疡分类网络模型溃疡表示如下：

i_t＝σ(W_xix_t+W_hih_t-1+W_cic_t-1+b_i) (1)

f_t＝σ(W_xfx_t+W_hfh_t-1+W_cfc_t-1+b_f) (2)

c_t＝f_tc_t-1+i_ttanh(W_xcx_t+W_hch_t-1+b_c) (3)

o_t＝σ(W_xox_t+W_hoh_t-1+W_coc_t+b_o) (4)

h_t＝o_ttanh(c_t) (5)

式中，i_t为输入门样本，σ()为激活函数，W_xi为输入门样本与x_t之间的权重系数，x_t为传感器采集的压力数据，W_hi为输入门样本与h_t-1之间的权重系数，h_t-1为t-1时的隐藏状态，W_ci为输入门样本与c_t-1之间的权重系数，c_t-1为t-1时的细胞状态，b_i为输入门的偏置项，f_t为遗忘门样本，W_xf为遗忘门样本与x_t之间的权重系数，W_hf为遗忘门样本与h_t-1之间的权重系数，W_cf为遗忘门样本与c_t-1之间的权重系数，b_f为遗忘门的偏置项，W_xc为细胞状态与x_t之间的权重系数，W_hc为细胞状态与h_t-1之间的权重系数，b_c为细胞状态的偏置项，O_t为输出门样本，W_xo为输出门样本与x_t之间的权重系数，W_ho为输出门样本与h_t-1之间的权重系数，W_co为输出门样本与c_t之间的权重系数，b_o为输出门的偏置项，上述t与t-1均为时间变量；

在构建完网络模型后，利用压力数据对网络进行训练，对模型参数进行更新，知道损失函数达到收敛值后，获得训练完成的LSTM压力性溃疡分类网络模型，利用该模型实时对糖尿病患者的神经性病变、压力性溃疡进行分类。