糖尿病足是糖尿病最常见且治疗难度最大的并发症之一,使患者遭受重大生理痛苦和经济损失,也给医疗机构以及社会带来相当大的负担。护理糖尿病足的目标是预防足溃疡的发生,预防的关键是尽早发现神经病变,识别出糖尿病足高风险患者,进行提早干预和治疗。然而现有糖尿病神经病变评估手段都需在医院由医护人员完成,具有主观性且无法做到长期实时监测,有必要研发一个基于实时足部情况的自动神经病变评估模型作为临床检查的替代检查评估手段。因此本文就穿戴式足压监测系统的设计与糖尿病足神经病变评估模型展开深入研究。现有的相关研究存在以下一些问题:（1）现有的用于足底压力测量的传感器耐踩压性能差,不适用于长期测量,且国外技术垄断致使成本高昂,无法推广使用;同时缺少适合于日常生活中穿戴的消费级足底压力监测设备;（2）缺少足够规模的糖尿病足底压力数据集;大部分有关糖尿病足神经病变评估模型的研究使用的足底压力特征单一,且缺少神经病变回归评估研究;（3）足底压力信号分布存在个体差异性问题,缺少跨被试应用场景下的研究。针对上述问题,本文主要进行了以下研究:（1）研究炭黑、硅橡胶等导电材料,设计了一款适用于长期日常足底压力监测的新型复合压阻式柔性压力传感器。以此传感器为核心设计了一个具有实时足底压力采集、传输、可视化显示等功能的智能鞋系统。该传感器在0N～60N的力变化范围内灵敏度为0.0166N-1,响应时间为120ms,在0.5Hz-2.5Hz的频率范围内响应良好,且在耐久度测试时（10000次循环压缩）可以保持稳定的输出。所设计的智能鞋系统可用于个人出于医疗需求对足底压力进行监测,也可用于实验室、医院等机构展开对足底压力的研究。（2）建立了250人糖尿病足底压力数据集,该数据集为77名糖尿病无周围神经病变患者和173名糖尿病有周围神经病变患者穿戴本文设计的智能鞋系统采集到的足底压力数据集,包含受试者的年龄、BMI、神经病变检查指标等临床资料。然后在常见的足底压力时空特征和不对称性特征的基础上,增加提取了反应人体平衡协调性的足压中心轨迹特征。使用XGBoost分类器进行糖尿病患者有无周围神经病变二分类实验,得到了98.78%的平均分类准确度。并开展了针对神经感知觉的回归评估实验,展示了足底压力特征与临床糖尿病周围神经病变检查指标的回归模型在持续跟踪评估糖尿病患者周围神经病变病程的应用潜力。（3）针对足底压力信号分布的个体差异性问题,基于迁移学习中DG-DANN的思想,提出一种基于深度对抗领域泛化的跨被试糖尿病足神经病变评估模型,利用对抗网络的思想训练模型提取出可用于神经病变识别的域不变特征,达到减小个体间足压数据分布差异的目标。该模型在跨被试应用场景下的平均分类准确度达到61.90%,比RF分类器高6.3%,比LSTM高2.84%,有效提升了跨被试糖尿病足神经病变分类准确度。综上所述,本文提出的基于柔性压力传感器的穿戴式智能鞋系统与基于深度对抗领域泛化的跨被试糖尿病足神经病变评估模型,可用于日常生活场景中评估穿戴者的足部神经病变情况,尽早警示糖尿病足高风险患者,降低足溃疡发生率。