随着科学技术和医疗水平的发展,医院每日都会产生大量的医学影像数据,这增加了放射科医生医疗诊断及影像报告撰写的负担。医学影像报告自动生成的研究大多是基于Image Caption的模型设计,虽取得了一定的效果,但没有对医学影像特征和医学语义进行充分的分析,只是通过模型的训练使影像特征与报告中的文本特征对齐,导致所生成的医学影像报告质量不高,临床意义有限。本文提出了一种基于Topic注意力机制的医学影像报告自动生成模型(Topic-Based Attention Medical Report Generation Model,TAMRGM),此模型可以充分考虑影像报告的医学语义特征和提升深度学习训练的模型性能,自动生成更加准确的医学影像报告。首先,模型对医学影像进行了特征提取,并结合影像报告中的医学语义特征,通过加入注意力机制对影像图像和文本特征进行多模态融合,然后,利用Topic生成器完成对该影像定性的分析,逐句生成影像报告细节信息,生成高质量影像报告,最后,在OpenI数据集上,通过对TAMRGM模型进行训练和评估,利用BELU Score、METEOR、ROUGE和CIDEr评价指标对模型生成的影像报告进行了评估。实验结果表明,TAMRGM模型的效果好于 CNN-RNN、Hierarchical Generation 以及 Co_Attention 模型,故,验证了 TAMRGM模型对于生成高质量医学影像报告的有效性。综上,在现有医学影像报告自动生成研究的基础上,本文提出了基于Topic注意力机制的医学影像报告自动生成模型TAMRGM,并在胸部X射线OpenI数据集上进行了模型的构建和有效性的验证。通过此研究可以辅助放射科医生快速完成影像报告的撰写,为患者提供更好的诊疗服务。