生物医学文本的准确分类是促进医院信息化发展的重要途径。本研究提出了一种基于注意机制的两级文本分类模型，以有效地对生物医学文本进行分类。该模型结合了卷积神经网络和递归神经网络的优点，提取用户输入的疾病文本的特征。首先，在第一级，通过双Gru通道和双LSTM通道提取文本中的上下文相关信息。同时，为了提高模型的特征提取能力，在该层次引入了注意机制。其次，对从两个通道中提取的时间特征进行拼接，并将拼接结果传输到第二级，从而进一步提取文本的局部特征。最后，使用分类器输出最终的分类结果。评估了生物医学文本的分类性能。结果表明，与基线模型相比，该模型的分类准确率可达91.45%，具有显著的分类性能。