糖尿病是一种代谢紊乱性疾病,在全球范围内,糖尿病已经成为严重影响人们生活质量的主要慢性病之一,其产生的各种并发症会直接危及生命,因此,对糖尿病并发症进行预防与治疗亟不可待。目前,糖尿病并发症主要凭借医生的经验进行诊断,对于经验不足的医生,容易造成错诊漏诊。随着人工智能的发展,机器学习广泛应用于疾病预测领域,同时,大量临床和实验表明,针灸在糖尿病治疗方面疗效显著,将电子针灸运用于慢性病的辅助治疗是目前热点的研究方向。基于以上背景,本文将机器学习技术与电子针灸治疗相结合,构建了一个糖尿病并发症针灸治疗系统,旨在帮助医生和患者对并发症进行辅助诊断,提高诊断效率和预测准确率,同时,患者也能方便快捷的使用电子针灸对并发症进行治疗。本文主要研究工作如下:针对糖尿病并发症预测分类问题,本文设计了基于粒子群算法（PSO）优化支持向量机（SVM）的糖尿病并发症诊断预测模型。首先对原始数据集进行统计分析,确定了预测目标和采集指标,并对数据进行预处理。然后,分别使用Fisher判别法与支持向量机进行建模分析,对比后选取支持向量机作为模型建立的基础算法,由于支持向量机的参数c和g的选取对其性能影响明显,本文引入粒子群算法和遗传算法对其进行优化。最后,实验对比表明,使用粒子群算法寻找最优参数的模型在准确度、特异度、灵敏度上均优于遗传算法,从客观上验证了PSO-SVM模型的优越性。针对并发症辅助治疗的问题,本文设计了一个电子针灸治疗仪,利用Zigbee组网技术搭建了电子针灸的通信网络,Zigbee协调器将上位机下发的控制指令经无线传输给Zigbee终端,由控制器STM8S103F3驱动电针实现对不同穴位的不同功能,主要为电针功能,还有振动和恒温功能,电针功能下可以调节不同模式的不同档位,对应不同穴位的不同刺激参数。针对糖尿病患者无法掌握病情进展,同时没有辅助治疗手段的问题,本文使用LabVIEW开发平台设计了一个糖尿病并发症针灸治疗系统。该系统主要包括诊断预测和针灸治疗两大功能,其中预测功能是通过调用MTLAB Script节点中的M程序实现的,还能将患者输入的信息存放于Access数据中;针灸功能是调用数据库中存有的穴位治疗方案,通过串口通信控制下位机的电子针灸实现治疗。该系统在一定程度上方便了患者进行预测和辅助治疗。