如今不同科学技术发展迅速,在当前时代背景下医疗影像技术也有了飞速的进展,医疗影像在临床诊疗、教研科学等方面具有重要的作用,分析解读医疗影像同时书写对应的报告是当前诊疗过程中不可缺少的步骤。医疗影像的分析和解读是一项具有挑战性的工作,医生有可能会因为劳累或缺乏足够的经验而出现错误分析,造成疾病漏诊误诊的问题,导致病人错过最佳治疗时机;而对经验充足的医生而言,这是一项费时又枯燥的工作,且造成了医疗资源的浪费。在此形势下,基于计算机辅助的医疗影像报告生成技术成为时代的需求。应用人工智能技术进行医疗影像报告生成的研究还处于起步阶段,目前只局限于放射性影像报告的生成,还未出现针对其他医疗影像报告生成技术的研究。本论文提出了一种医疗影像报告自动生成方法,主要工作内容包括以下几点:（1）针对海量医疗影像数据相似度高的问题,提出基于多网络融合的医疗影像分析方法,采用多深度神经网络融合的方式对医疗影像的病理信息进行抽取,提升模型抽取影像各类特征信息的能力,以实现对医疗影像的精确分析。（2）针对影像报告中不同组成部分文本特性不同的问题,采用不同的网络模型进行报告生成,其中疾病诊断依靠疾病自动检测模型实现,而描述报告生成则通过文本生成模型获取,保证不同部分报告的准确性。（3）充分利用不同医疗信息间的相互联系,基于此提出双分支网络结构,并针对具体应用细化出面向高相似度病症区分和疾病自动检测的不同网络模型,将医疗信息的因果联系应用于模型训练中,提升模型的预测能力。（4）基于编码-解码架构实现描述报告的文本生成,其中文本解码器为长短期记忆网络,通过对比实验选取效果最好的图像编码器,并加入注意力机制,在生成文本的同时关注图像的区域信息,提高文本生成的准确性。（5）结合疾病自动检测和描述报告生成模型,构建一个端到端的医疗影像报告生成框架,实现智能快速的医疗影像报告生成。