本申请适用于图像处理技术领域，提供了一种报告生成方法、系统及终端设备，基于训练数据中的报告文本数据提取报告的知识主题，接着将原始图像输入视觉提取器中结合预先得到的知识主题特征进行端对端的分类训练，得到和知识主题特征对齐的视觉特征向量；将所述视觉特征向量输入至报告生成模块中进行报告单词预测，生成报告，通过将图像特征和知识主题建立关联，使得图像描述过程中的图像特征和文本特征能够有效地结合，并基于此生成报告，使得生成的报告能够准确地描述出医学图像中的特征信息，缓解目前图像和文本特征不匹配的现象，解决了目前图像描述应用在医学图像的报告生成时存在报告准确率和可靠性低的问题。