医学超声数据能够为患者病症的诊疗提供科学依据,辅助医生做好医疗决策;在医学科研方面,大量的超声数据为研究人员提供了基础研究条件。科研人员需要查询超声知识并且需要挑选符合研究条件的数据,如果仅仅通过人工筛选,无法实现高级检索;同时在质控方面,现在机器学习领域在医学上的应用越来越广,很多任务机器可以完成,如何根据机器生成结果,对人工下的诊断进行质控是科学研究的重要课题。本文面向医学超声领域,提供一套可以解决上述问题的知识图谱系统。本文主要目的是研究超声领域知识图谱的构建,通过对医学超声非结构化文本进行结构化处理得到实体之间的关联关系,对已有的结构化知识进行梳理得到超声知识图谱,对超声领域的研究提供支撑信息,为研究人员提供科研便利。主要工作如下:（1）对超声数据进行命名实体识别。本文提出超声数据命名实体识别模型,在基线模型BiLSTM-CRF上引入Bert,设计实验解决了非结构化数据的实体识别问题。（2）对超声数据进行实体关系抽取。本文引入分段池化和注意力机制,采用PCNN-Attention模型并联合规则匹配的方式,对实体对进行关系分类,并通过实验验证抽取效果。（3）开发了基于超声知识图谱的科研辅助系统。本文构建了超声知识图谱,将超声的基本信息以及关联关系存储于图数据库中,基于图谱开发了辅助科研的系统。通过对应用场景进行调研,该系统面向医学超声领域的科研人员,开发工作包括数据检索、数据质控以及相关知识查询等功能的实现。其中,在检索功能模块中,使用UER框架实现输入语句的标注,借助Neo4j图数据库和Elasticsearch实现数据筛选。并借助数据可视化的方式最终实现一个便捷高效的科研辅助系统。