目的 探究运用下肢骨折患者术前血液指标构建人工智能算Stereolithography 3D bioprinting法模型在下肢深静脉血栓形成（deep vein thrombosis, DVT）中的预测效能。方法 回顾性选择2018年1月—2022年12月于德阳市人民医院骨科治疗的下肢骨折患者，收集患者年龄、性别、身高、体重等基础和临床资料，以及入院时实验室检查指标，计算中性粒细胞与淋巴细胞比值（neutrophi to lymphocyte ratio, NLR）、单核细胞与淋巴细胞比值（monocyte to lymphocyte ratio, MLR）和血小板与淋巴细胞比值（platelet to lymphocyte ratio, PLR），并根据入院时血管彩色多普勒超声提示是否有DVT将患者分为DVT组和非DVT。进行数据预处理后采用灰色关联分析（grey relational analysis, GRA）筛选DVT的重要预测特征组合模型，建立BP神经网络预测模型，最后评价模型的精确度，同时评估不同模型在DVT临床预测中的效能selleck Dibutyryl-cAMP。结果 最终纳入下肢骨折患者4 033例，其中DVT组3 127例，非DVT组906例。GRA选择了7个重要预测特征，分别为淋巴细胞绝对值、NLR、MLR、PLR、血浆D-二聚体、直接胆红素、总胆红素；logistic回归分析、随机森林、决策树、单一BP神经网络以及GRA-BP神经网络组合模型精确度分别为74%、76%、75%、84%、87%，以GRselleckchemA-BP神经网络组合模型的精确度最高。结论 该研究所选GRA-BP神经网络在下肢骨折患者术前DVT风险预测中的精确度最高，能够为DVT预防策略制订提供参考依据。