甲状腺控制着人体的代谢活动,影响人体的每个器官功能。近年来,从医院的统计数据来看,患甲状腺疾病的人数逐年增加,严重影响人们的健康和正常生活。因此,如何治疗甲状腺疾病引起了全球范围的关注。在甲状腺临床治疗中,由于甲状腺超声报告包含了甲状腺腺体背景、局灶性病变和颈部淋巴结等大量检查信息,因此它成为了甲状腺疾病临床诊断的主要依据。医生依据超声报告的结果,凭借自身的医学知识和临床经验对甲状腺结节良恶性等疾病类型进行病理诊断。但是,由于实际中不同医生的医学知识水平和临床经验存在差异性,在一定程度上会造成疾病的误诊。近年来,随着人工智能等技术的发展,人们尝试利用计算机获取并分析检查报告中的内容。临床中的甲状腺超声报告文本大多以非结构化、半结构化的形式进行存储,由于无法直接从中得到相应的医疗信息,很难将这些数据直接用于医疗统计分析和人工智能模型构建中。所以,类似甲状腺超声的医疗检查文本报告的结构化成为了医疗人工智能领域研究的首要问题。本文提出了一种基于模板树的甲状腺超声报告结构化方法,该方法中的模板树可以通过对大量甲状腺超声报告中的词性和句法关系的分析进行自动构建,然后通过对模板树的扫描,实现了甲状腺超声报告结构化。主要的研究内容包括以下三点:(1)构建了甲状腺超声报告的词性词典构建甲状腺超声报告词性词典是为了在模板树的自动构建以及使用模板树进行结构化中提供词性支持。词性词典内容简洁,构建流程清晰,可以克服构建通用医疗词典语料库步骤繁琐耗时等缺点。该方法首先将数据预处理后的甲状腺超声报告内容进行短句切分,并对切分后的短句进行短句聚类;将聚类结果进行短句分词、命名实体识别后,获取训练集报告中的器官词、位置词、属性名、属性值等不同词性的实体,建立得到关于甲状腺超声报告的词性字典,得到词性关系。(2)提出了一种基于模板树的甲状腺超声报告的结构化方法针对使用通用医疗词典语料库结构化复杂语义结构的甲状腺超声报告准确度不高;使用依存句法结构化甲状腺超声报告结果不完整;使用实体识别方法结构化甲状腺超声报告实体重复、结构化结果没有层次性等问题,提出了一个基于模板树的甲状腺超声报告的结构化方法。本方法利用甲状腺超声报告的词性词典,获得甲状腺超声报告中每个词的词性,并对甲状腺超声报告中的每个短句进行依存句法分析,得到每个短句的句法关系;结合词性和句法关系,自动构建甲状腺超声报告结构化模板树流程;最后使用模板树实现甲状腺超声报告的结构化。通过实验,该方法进行结构化准确率可以达到90.1%,效果良好。(3)设计并实现了甲状腺超声报告结构化系统为了将提出的方法能够实际运用到临床治疗中,本文采用MVC设计模式搭建该结构化系统,在Web端实现用户上传超声报告、管理用户等基本功能;将已经生成好的适用甲状腺超声报告的树形模型嵌入系统,实现模型调用功能;调用适用结构化甲状腺超声报告的算法,实现甲状腺超声报告结构化结果展示功能。