信息技术与医疗领域的结合,标志着传统医学向现代医学迈进。电子病历按照时间序列,详细的记录了患者在院期间疾病的发展全过程以及临床诊治情况。在电子病历应用上,我国规定辖区内的所有三级医院的电子病历应用水平需达到分级评价四级水平。随着电子病历系统的普及与推广,衍生出大量电子病历,如何利用病历文本信息,成为当下亟待解决的问题。通过对电子病历数据进行分析,不仅能够有效的改善医护人员临床记录质量,还能通过预置的临床实践规则,有效的提高临床决策水平,进而提高医疗质量。通过对电子病历文本的特点进行分析,从应用领域方面对中文电子病历命名实体的识别展开深入研究,采用深度神经网络进行电子病历命名实体识别。以下是本文的主要研究内容:（1）构建小规模电子病历语料库。本研究采用某医院提供的392份电子病历,通过对原始病历数据的摘取、整理、清洗和标注,构建了一个用于实验的小规模电子病历语料库。将自建语料库和CCKS2018公开数据集作为本文的实验数据集。（2）使用深度学习算法进行电子病历命名实体识别研究。分析电子病历的文本特点,选用CRF作为基线模型,在两组数据集上逐一进行了Bi-LSTM-CRF、IDCNN-CRF、Bert-Bi-LSTM-CRF、Bert-IDCNN-CRF多个模型的实验验证,在特征表示上用Word2vec技术和Bert预训练语言模型两种方法。根据实验结果,Bert-Bi-LSTM-CRF的结果均优于其他模型,故选择Bert-Bi-LSTM-CRF作为后续实验的基础模型。（3）提出改进的Bert-Bi-LSTM-CRF电子病历命名实体识别算法。分别将字典功能和汉字的部首特征集成到字符嵌入中,作为模型的输入,用以丰富语义的特征。实验结果表明,在Bert-Bi-LSTM-CRF模型的基础上增加新的特征,电子病历命名实体识别的F1值在两组数据集上的实验较Bert-Bi-LSTM-CRF模型均有提升。