随着国家深入推进互联网强国战略,使得电子医疗系统和电子病历被广泛使用,其在推动医疗信息共享的同时也增加了患者隐私泄露的风险。因此,需要进行积极主动风险管控,对医疗文本在流通和利用前进行脱敏处理,高效、安全、合理的发挥医疗数据价值,这不仅符合法律法规的要求,也能够减小医疗数据泄露给病患带来的危害。医疗文本作为医疗信息的载体,以症状、治疗方法、用药情况等相互联系的专业医学术语为主要内容,其术语不具有规律性结构、表达方式多样,同时语义信息关联复杂。针对医疗文本的特殊性,本文重点对基于语义的医疗文本脱敏展开研究,通过优化自动脱敏流程和改进相关算法,达到提高脱敏效率和脱敏后文本实用性的目标。本文主要研究工作如下:（1）医疗文本中往往包含很多否定敏感词,这些敏感词一般不存在暴露隐私的风险,若不对具有否定意义术的语进行识别和清理,会使脱敏效率降低和脱敏后文本实用性降低。针对此问题,本文提出带否定处理的医疗文本自动脱敏流程,在脱敏前对医疗文本中含否定意义的术语进行自动识别,避免不必要脱敏处理;同时,在敏感术语泛化阶段,充分考虑术语库结构特征,优化敏感术语替换词查找策略,进一步改进脱敏效果。对从PubMed中选取的60篇高度敏感文章进行脱敏实验的结果表明,采用本文提出的处理流程与不带否定处理的脱敏流程相比,医疗文本脱敏时间平均缩短了34.68s,脱敏后文本的实用性平均提高了6.86%。（2）由于医疗文本语法结构复杂,采用经典NegEx算法进行否定识别时存在否定触发词识别不全、否定覆盖域界定不准确问题。本文针对上述问题对NegEx算法进行了改进,通过分析BioScope语料库扩展否定触发词列表,并利用否定终止词实现否定覆盖域动态界定。在标注了否定焦点词的BioScope语料库上进行实验对比,采用优化后NegEx算法其否定焦点词识别能力比原来提高了4.13%。（3）SNOMED-CT是国际标准医学术语集,利用SNOMED-CT术语库查找敏感术语替换词,既可降低敏感性又保证语义效用,但由于SNOMED-CT库中一个敏感术语可能属于多个概念,一个概念拥有多个特征描述,带来替换词查找效率偏低和泛化后文档实用性差问题。本文在充分考虑SNOMED-CT术语库结构特征基础上,提出基于SNOMED-CT术语库的替换词查找算法,利用语料库概念间的IS-A关系以及概念描述的同义词信息查找敏感术语替换词,同时利用概念间的语义关系进行剪枝提升替换词查找效率和精准度,并设定泛化最低阈值保证替换词的语义效用。在从PubMed中选取的60篇高度敏感文章上的实验表明,与传统替换词查找算法相比,采用本文提出的查找算法能使查找时间平均缩短29.31s,脱敏后文本的实用性平均提高了5.64%。