随着智慧医疗的快速发展,人工智能技术逐步融入到医疗行业,患者、医务人员和医疗机构之间交互的健康医疗信息平台应运而生。现阶段临床辅助诊疗的研究,主要是分析、处理以多媒体形式存在的海量医疗数据和诊断数据。由此,对海量数据的特征提取工作必不可少,如何进行个性化的诊疗应用也同样具有深远的研究意义。目前,我国的中医电子病历是伴随着中医院信息化进程发展起来的新生事物,具有历史性、人文性和定性描述等特点。但是由于中医电子病历不同于自然语言文本,医疗文本数据分布不平衡,且医务人员问诊习惯各不相同等问题,使得临床问诊往往达不到预期诊疗效果。本文通过搭建中医骨科问诊平台,重点研究其综合特征表示和相似病例推荐部分:第一,中医骨科电子病历中结构化特征和连续特征共存,不能较好的学习得到文本的语义特征,使得传统的文本特征表示方法准确率往往较差。同时,大多数特征工程过度依赖于已有的医疗数据,不能较好地学习隐藏特征。针对以上两个问题,本文提出了一种基于门限卷积变分自编码器的综合特征表示方法,该方法结合特征分区,将不同结构类型的数据采用不同的特征表示方法,进行特征融合后得到综合特征表示。实验表明,本方法比现有方法的综合指标值提高了2.8个百分点。第二,问诊平台中通常存在多种目标用户,且医务人员的问诊习惯互不相同。同时,临床诊断要求平台具备快、准等特点。使得传统基于规则的诊断和基于检索的病例推荐方法达不到预期效果。针对以上两个问题,本文提出了一种基于改进宽深度模型的相似病例推荐方法,该方法加入了医生用户问诊偏好特征,推荐给其当前诊断的且符合医生问诊习惯的相似病例。实验结果表明,本方法提高了相似病例推荐效率,且比现有方法的综合指标值提高了2.6个百分点。最后,根据以上的理论知识对中医骨科问诊平台进行分析与设计,帮助平台更加精准地得到综合特征表示并进行相似病例推荐,验证以上研究在真实项目中的应用价值。