医学文本数据中记录着详细的临床资料,由于包含大量真实且珍贵的临床信息而受到科研工作者的关注。命名实体识别是文本信息处理的基础,是充分挖掘和利用医学文本中宝贵信息的重要环节。通过命名实体识别技术能够准确识别出医学文本中人们所需要的信息,可以帮助医务人员进行临床决策、循证医学、疫情疾病监控,从而提高医院的整体医疗质量。本文提出了一种基于Lattice LSTM(Long Short-Term Memory)的医学文本命名实体识别算法。该算法针对现阶段医学文本中文命名实体识别算法无法同时兼顾字符序列信息和防止错误传递问题进行了优化,结合使用医学文本序列的字符信息和词语信息,通过正确识别命名实体的文本边界来提升整体的命名实体识别效果。在词嵌入层,本文使用大量医学文本和专业医学词典训练字、词向量模型,利用字、词向量模型可以把医学文本信息更好的嵌入到算法模型中。为了验证算法的有效性,在竞赛数据和四川省肿瘤医院的首次病程记录数据上进行了测试,对比医学文本中文命名实体识别领域的另外两个经典算法条件随机场(Conditional Random Field,CRF)和LSTM-CRF,结果显示无论是竞赛数据还是真实病程记录数据,本算法的准确率比其它算法都要高出0.3%以上,证明了本文提出的算法在医学文本中文命名实体识别领域可以得到略优的识别效果。在医学文本中文命名实体识别算法的基础上,本文设计并实现了一个电子病历管理分析系统。该系统不仅可以对电子病历进行简单的存储管理,还可以将文本电子病历转化为树形结构,方便对文本电子病历进行结构化展示。为了方便医务工作者进行临床科研,该系统提供了相似病历搜索功能,帮助医务工作者汇集大量相似病历,对某种疾病症状进行分析讨论。系统还提供了文本标注功能,用来构建医学文本标注语料库。