脑血管病具有高发病率、高致残率、高死亡率的特点,且患者的经济负担较高,受到了社会的广泛关注。近年来,关于脑血管病的研究已取得一定的成果,但是目前我国卒中终身风险仍居世界最高为39.3%,其中男性卒中终身风险更高达41.1%,我国卒中防治工作仍面临巨大挑战。随着医疗信息化的发展,医院积累了大量的电子病历,为数据挖掘以及数据分析提供了数据基础。同时大数据技术的发展,为处理医疗数据提供了良好的技术手段,有利于充分挖掘隐藏信息。基于以上背景,本文通过对脑血管病、知识图谱和决策支持系统这三方面研究现状的分析,发现对基于知识图谱的脑血管病辅助决策支持研究的必要性。本文以电子病历为数据来源构建脑血管病知识图谱,结合知识表示学习,实现相似病历检索,并构建脑血管病辅助决策支持系统。本文的研究内容主要有以下几点:（1）基于实体关系抽取模型的知识图谱研究:针对中文电子病历标注成本高,缺少大规模语料库,以及字的单一向量无法表征多义性的问题,采用预训练模型BERT进行文本向量化,以更准确的表示复杂的语言结构和丰富的文本语义关系,实现BERT-BiLSTM-CRF模型并进行对比实验,以提高实体和关系识别的准确度。之后基于实体关系构建脑血管病知识图谱,存储于图数据库中。（2）基于知识图谱和知识表示学习技术的相似病历检索研究:针对电子病历语义复杂和内容不完整的问题,基于知识图谱表示电子病历,采用知识表示学习技术向量化知识图谱,实现对知识表示学习模型的仿真和对比分析,得到实体和关系的向量表示,形成电子病历的篇章向量表示,并通过余弦相似度实现病历相似度计算和排序。（3）基于知识图谱的脑血管病辅助决策支持研究:设计实现基于知识图谱的脑血管病辅助决策支持系统,并进行功能应用界面展示,详细介绍系统各功能的作用,实现相似病历检索、疾病诊断以及治疗方案分析,在诊疗过程中为医生提供决策支持。本文首先通过BERT-BiLSTM-CRF、BiLSTM-CRF、LSTM-CRF、CRF四种模型的对比实验,证明了BERT模型在文本向量化方面的有效性和准确性,并基于BERT-BiLSTM-CRF模型抽取的实体和关系构建了知识图谱;其次通过知识表示学习模型的对比实验,证明了知识图谱在实现相似病历检索方面的优势,最后实现了辅助决策支持系统,为脑血管病的临床诊疗决策提供支持,推动防治工作。