随着医院数字信息化建设的不断开展,目前各级医院都积累了大量的临床数据,其中很多数据都具有极高的医学研究价值。而在这些数字化医疗数据中,出院小结含有相对完整的患者就诊信息,比如患者的症状、诊断、检测和治疗等信息,因此对出院小结的研究具有很重要的意义。出院小结是一种非结构化的文本数据,不利于临床医生快速获取患者疾病信息,也不利于科研人员进行研究和分析,因此需要进行结构化处理,才能使其更好地为临床医疗服务。本文以上海某三甲医院的甲状腺病史出院小结文本数据为基础,使用深度学习技术对出院小结文本进行结构化处理,最后设计并实现了出院小结文本结构化系统。本文的主要工作有以下几点:1)设计了甲状腺出院小结领域本体结合甲状腺出院小结文本数据的内容特征和领域本体知识,设计了领域本体,并使用七步法进行本体的构建,最后和甲状腺临床医生充分讨论,验证了甲状腺出院小结本体的正确性。2)实现甲状腺出院小结文本结构化结构化方法包含三个阶段。第一阶段基于Bi LSTM-CRF模型,借助BERT语言预训练模型,将文本的词向量、句向量和位置向量叠加作为输入,得到命名实体识别模型BERT-Bi LSTM-CRF,该模型将文本的全局语义信息融入到字符信息中,同时获取序列的上下文依赖关系,通过实验验证了该模型有较好的实体识别效果。第二阶段基于BERT模型,通过将实体的相对位置加入到模型的注意力计算的流程中来增强字的注意力信息,然后使用特定的结构一次输出多对实体关系,通过实验验证了模型有较好的实体关系抽取效果。第三阶段将抽取得到的实体对和实体对关系三元组,首先按照领域本体的结构,然后实例化领域本体,从而实现甲状腺出院小结文本结构化。3)设计并实现了结构化系统从临床医生的实际需求出发,实现了甲状腺出院小结文本结构化系统,方便临床医生快速了解患者就诊信息,为医院临床医生辅助诊断提供了帮助。综上,本文使用甲状腺出院小结文本数据作为实验数据集,首先设计了领域本体,然后采用实体识别和实体关系抽取的技术,依照本体构建方法和领域本体结构,对领域本体进行实例化操作,从而完成出院小结文本的结构化,最后设计及实现了结构化系统。