电子病历作为提升医生工作效率、实现诊断信息共享的重要载体近年来应用广泛,但其专业性特征与繁杂内容影响病历制作时效性,提高电子病历录入效率并降低医生工作负荷为当前重要课题。随着智能AI技术快速发展,借助语音识别辅助医生收集病历信息突破传统基于模板的固化电子病历,以语音录入代替键盘输入,随时为医生背书诊疗场景以唤醒其潜在记忆,进而实现个性化病历信息的高效复刻,在提升其工作效率的同时降低工作负荷。因此,本文构建基于医疗环境的电子病历语音识别模型,进而提高制作病历的工作效率。同时,为缓解因模型深度增加引发的学习退化与梯度消失,改进恒等残差连接与高速公路连接,创新性提出基于缩放残差前置结构的门控循环单元模型,并结合迁移学习方法进一步降低在医疗领域的词错误率,并通过行为实验探究语音输入对医生工作效率的影响。研究成果在降低医生工作负荷、优化工作效率、提高电子病历输入准确性与时效性等多方面均具有重要现实意义,有效建立起医生和电子病历间的联系,为我国医院信息化建设提供新思路与新方向。同时,研究提出的模型对改善GRU常见的退化与梯度消失问题具有较强理论意义,下文简要介绍具体研究内容:（1）针对循环神经网络梯度消失与退化现象,本文通过改进传统恒等残差连接与高速公路连接,提出基于缩放残差前置结构的门控循环单元模型。该模型新增线性信息筛选模块替代非线性门控机制,最大限度保留有效信息并缓解退化现象,同时结合层标准化方法,比较缩放残差连接与其相对顺序对梯度传播的影响以避免梯度消失。（2）针对医疗领域术语个性化问题,本文通过收集医生真实病历信息作为语料数据,通过模拟医生真实使用情况构建医疗语音数据库。通过迁移学习对预训练模型进行微调,进而提高模型在医疗语境下的性能,满足模型个性化需求。（3）测试医生工作效率和语音录入词错误率的关系,通过逐对比较法对医生使用语音录入和手动录入电子病历的时长进行分析,验证训练得到的语音识别模型是否有效应用于医生的工作环境进而提高医生填写病历时间提高效率。