知识图谱是Google公司提出的能对真实世界中的事物进行映射的高效知识表达模型,提供了一种对现实世界中的事物进行组织管理和应用的有效手段。在互联网医疗领域内,知识图谱是进行医疗咨询系统、医疗智能问答系统的主要手段。但是目前这些互联网医疗咨询系统主要针对的以疾病为中心的问答系统,而影像检查作为现代医学中用于发现和定位疾病的重要手段,在现代临床医学中扮演着重要的地位。医疗影像检查有很多种方式,比如有X线、CT、MR、DR、PET-CT、PET-MR,其中每种检查方式都有自己的特点和适用的范围。因此构建以影像检查为中心的医疗知识图谱是有着重要意义的。针对知识图谱构建中的命名实体识别关键技术,论文针对传统基于字符序列命名实体识别会忽略文本中的词信息以及对于生僻字和未登录字的识别效果不佳的问题,结合中文医疗领域内命名实体识别的特点,在传统模型的输入层为字符融入了词典信息和字符的字形特征和构词特征。并通过实验验证了方法的有效性。针对知识图谱构建中的知识融合关键技术,论文提出了一种基于规则和相似性融合的知识融合算法,通过使用规则匹配、语义相似性计算以及语义网相似性计算融合的方式进行知识融合,并通过实验证明了方法的有效性。本文首先介绍了知识图谱构建的相关背景知识和理论技术,然后对欲构建的系统进行了详细的需求分析,阐述了系统的核心功能和性能指标,接着重点研究了中文医疗命名实体识别的算法,解决了论文的关键问题。随后根据系统的需求分析和概要设计对系统的的详细设计和实现进行了阐述。最后对其中的应用子系统进行了完整的功能测试和性能测试。