医学影像报告作为电子健康记录的一部分,包含了患者大量的健康信息,然而报告中大多是自由文本,内容质量取决于医生的主观判断和经验。医学文本结构化需要结合医学知识、人工智能、自然语言多方面的技术,对数据挖掘提出了巨大的挑战。本论文在国内外文本结构化的研究基础上,根据鼻咽癌MRI中文报告的特点,对医学实体识别、关系抽取以及结构化方法进行探究,总结出一套可行的鼻咽癌MRI报告结构化方法。本论文的主要工作有以下几点:第一,我们与具有专业医学知识背景的临床工作者探讨分析了鼻咽癌MRI报告的描述特点,总结了一套适用于影像文本的结构化模板,并从影像报告中提取出医学实体和关系进行标注。第二,现有的语义编码网络未能充分考虑中文象形字的特点,因此,我们提出了基于BiLSTM的字结构特征融合编码网络。实验表明该网络的性能在命名实体识别任务中超过了基准模型,准确率均超过了 97%。第三,我们人工提取了五个特征用于实体关系抽取,对比多个机器学习模型并选择最优模型作为实体关系抽取模型。同时,我们还以语义编码网络的实体向量作为关系抽取模型的输入,探究实体向量的有效性。实验表明,实体向量在关系分类中是有效的,并且要优于人工提取的特征。最后,我们根据命名实体识别和关系抽取的结果,提取了鼻咽癌MRI文本的结构化信息。最终得到的提取率为84.74%,准确率为89.39%。与此同时,我们还绘制了鼻咽癌知识树,验证了文本结构化方法的有效性。综上所述,本研究在现有的医学文本结构化的基础上,提出了基于自注意力的字结构特征融合技术,该网络架构能够捕获字词中的特征关系。希望通过文本结构化为临床决策支持以及数据管理和建设提供一种可行性方法。