如今电子病历是医院信息化的产物,这其中包含有大量的临床知识和医疗信息,常常被用来做临床诊断以及药物推荐等,因此利用自然语言处理来挖掘医疗文本中的信息成为了一个重要的研究课题。在一领域中,命名实体识别被广泛地应用,它可以用来提取医疗文本中的各类实体,关系抽取作为其下游任务,可以用来抽取出实体之间的关系。在实际生活中,人们也逐渐关注到电子病历结构化系统,将传统的非结构化文本转化为结构化数据,便于医生更直观地了解病人的基本情况,能更快地辅助决策。本文首先在命名实体识别模型上进行改进,设计了针对了中文电子病历的命名实体识别模型,然后对电子病历系统的国内外研究现状进行分析,针对当前电子病历包含大量非结构化文本的问题提出了电子病历结构化系统,所做的工作如下:（1）电子病历中含有大量难以识别的实体,如果采用字符粒度的向量表示,很难将实体边界准确地识别出来,并且会忽略词语之间的语义关联。为了解决这一个问题,本文首先对数据进行处理、增强、标注,同时引入mcBERT对电子病历文本进行预训练得到语义向量,最后输入到BiLSTM-CRF模型进行训练。实验证明,此方法在医疗命名实体识别数据集上取得了好的成绩,对医疗实体的识别结果要高于传统方法。（2）由于电子病历非结构化文本中含有大量的专业词汇,本文通过引入外部词典并融合字符的边界特征、偏旁特征和词性特征等,将其加入到字向量表示中,最后放入BiLSTM-CRF进行结果预测,实验证明,与基于字符级别的传统NER方法相比,该模型在各指标上均取得了更好的分数。（3）本文设计了电子病历结构化模型,利用模板匹配、极大团查找、依存句法分析等方法来对医疗实体之间的关系进行抽取,并将结果进行存储,或利用Web技术进行展示。（4）基于本文提出的模型设计并实现了电子病历结构化系统,包括登录注册、病历管理、结构化解析等模块。系统采用B/S架构,利用Springboot搭建系统的服务器。各功能模块采用接口的形式,从而降低模块间的耦合度,方便业务系统调用。