在医疗领域中大量的专业医学知识以文本的形式存储,利用自然语言处理算法对其进行分析处理能够帮助医生减轻工作负担。肺癌领域的前沿趋势预测可以为医生未来研究方向的规划提供参考,抽取医疗文本中的关键信息能够协助医生阅读文献,自动问答系统可以在不增加医生负担的情况下帮助大众查询简单的医疗问题。本文从以上几个需求出发,将自然语言处理技术应用于肺部疾病文本分析中以缓解医疗系统的压力。本文的主要研究工作如下:针对肺癌领域的前沿趋势预测问题,通过对文献研究方向的分类,结合文献的发布时间信息,计算得到该研究方向下论文数目占比随时间变化的时序数据,并以此表示该研究方向的热度变化情况。其中重点介绍了多标签文本分类网络的构建,本文根据医疗数据的特点提出了改进的分类网络。实验结果表明,该网络结构相比同类模型具有更低的汉明损失和更高的F1得分,分别为0.0463和83.87%。最后本文还探讨了不同步长对时序分类网络效果的影响。实验结果表明当步长为6时预测效果最好,上升和下降的F1得分均高于89%。以研究内容一中文本分类任务为基础,选择与肺癌治疗相关的文献进行信息抽取。根据待抽取信息在文本中表现形式的不同,分为实体和三元组两类。通过改进标注机制的方法,构建实体、三元组联合抽取网络,有效避免误差累积的同时解决了三元组抽取任务中实体重叠的问题。实验结果表明,该方法在实体抽取任务中的F1得分为74.36%,在三元组抽取任务中F1得分为64.80%,对比分阶段抽取模式网络整体抽取效果更佳。最后为了直观的展示抽取结果,本文还编写了一套自动填表程序,将文献中关键信息的抽取结果以表格的形式呈现。新冠主题的问答系统可以帮助群众解答关于新型冠状病毒的科普性问题,加强大众对疫情的认知,有利于全民抗疫工作的推进。本文从实际需求出发,以现有新冠知识图谱为基础,通过模板生成的方式构建了一个新冠主题的问答数据集。分别训练命名实体识别网络和关系检测网络,实现对输入问句的解析。根据问句解析模块的输出结果在知识图谱进行检索,检索所得即为对输入问句的回复。最后,为了便于未来的推广使用,本文在问答功能实现的基础上,设计并搭建了一套问答系统的网页界面。