随着生活水平的提高,1型糖尿病的患病率逐年增高,1型糖尿病患者体内长期的高血糖,引起骨代谢紊乱,从而引发1型糖尿病性骨质疏松症,骨质疏松症导致人的骨质及骨量降低,使得糖尿病患者骨折,甚至致残致死。根据骨再造理论,骨具有功能适应性,受到力学环境和内部环境的调控。内部环境与骨代谢生化指标相关,力学环境与力学激励相关,许多学者对这两方面做了大量的研究,但将两者结合起来的定量性研究比较少,本文主要是构建力学指标与生化指标之间的数学关系,通过生化指标的变化预测骨密度的变化,提前预防疾病,并辅助糖尿病骨质疏松症患者的治疗。本文主要以骨再造理论和神经网络理论为基础,依据糖尿病治病机理,提出17个与1型糖尿病骨代谢相关的生化指标,并通过1型糖尿病SD(Sprague Dawley)大鼠实验数据,建立糖尿病患病组和正常组的17个生化指标浓度变化图,并将对应的糖尿病患病组与正常组的生化指标作差,记录差值。根据骨再造理论,在正常SD大鼠右侧股骨选取三种不同的骨小梁有限元模型,并将不同的材料属性赋值到三种骨小梁模型中,计算出不同模型的初始表观骨密度,与正常SD大鼠的骨密度对比,选取合适的骨小梁有限元模型。在有限元模型的基础上,编写有限元骨再造程序,求出骨再造方程中的初始骨再造阈值,以同一时期糖尿病患病组与正常组相比较的骨密度的变化率为标准,对初始骨再造阈值一一修正,整理修正后的骨再造阈值与对应生化指标差值的数据。通过神经网络理论构建BP(Back Propagation)神经网络模型,将生化指标的差值作为输入数据,对应的骨再造阈值作为输出数据,代入BP神经网络进行训练,用训练好的BP神经网络模型预测骨再造阈值,同时与多元线性回归模型对比,并将预测的骨再造阈值代入骨再造有限元程序中,预测骨密度的变化,与实际情况对比,验证BP神经网络模型的准确性。本文通过BP神经网络模型建立了1型糖尿病骨代谢生化指标和骨再造阈值之间的定量关系,有利于预防1型糖尿病骨质疏松症,为骨质疏松症的治疗提供参考意见。