节点分类方法、装置、设备及存储介质制造方法及图纸

本申请涉及人工智能技术领域，尤其涉及一种节点分类方法、装置、设备及存储介质，方法包括：获取包括节点的图像；通过预先训练好的节点分类模型从所述包括节点的图像中提取融合所述节点和周围环境的特征，根据所述融合所述节点和周围环境的特征对所述节点进行分类，得到分类结果；其中，训练所述节点分类模型采用的损失函数包括交叉熵损失项和代价分布损失项，所述交叉损失项用于对预测正确的概率进行鼓励，所述代价分布损失项用于对预测错误的概率进行惩罚，且惩罚力度与预测类别和真实类别的偏离成正相关。本发明专利技术实施例能够实现节点类别的自动分类、且得到的节点分类结果可信度高。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及一种节点分类方法、装置、设备及存储介质。

技术介绍

1、肺癌早期往往表现为肺结节，当患者查出肺结节时，医生需要根据其大小、形态和纹理等特征对其进行进一步的评估诊断。根据lung-rads，肺结节的风险可分为5个等级：1-确定良性；2-良性表现；3-可能良性；4-可疑恶性(4a)；5-严重可疑恶性(4b/4x)。由于显示设备、经验水平和自身状态等的影响，在人工进行风险等级评估时容易产生误判。然而，现有可应用于肺结节风险等级的节点分类方法分类结果不够准确，可信度不高。

技术实现思路

1、针对上述技术问题，本申请的目的在于提供一种节点分类方法、装置，设备及存储介质，旨在实现节点类别的自动分类、且得到的节点分类结果可信度更高。

2、第一方面，本专利技术实施例提供一种节点分类方法，其特征在于，包括：

3、获取包括节点的图像；

4、通过预先训练好的节点分类模型从所述包括节点的图像中提取融合所述节点和周围环境的特征，根据所述融合节点和周围环境的特征对所述节点进本文档来自技高网...

【技术保护点】

1.一种节点分类方法，其特征在于，包括：

2.根据权利要求1所述的节点分类方法，其特征在于，所述预先训练好的节点分类模型包括三维投影映射模块、ViT特征提取融合模块以及预测模块，则所述通过预先训练好的节点分类模型从所述包括节点的图像中提取融合所述节点和周围环境的特征，根据所述融合所述节点和周围环境的特征对所述节点进行分类，得到分类结果，包括：

3.根据权利要求1所述的节点分类方法，其特征在于，所述损失函数为：

4.根据权利要求3所述的节点分类方法，其特征在于，所述归一化后的代价分布根据公式和中的任一一种确定；其中，i∈{1,2,3,...,n}表示节点...

【技术特征摘要】

1.一种节点分类方法，其特征在于，包括：

2.根据权利要求1所述的节点分类方法，其特征在于，所述预先训练好的节点分类模型包括三维投影映射模块、vit特征提取融合模块以及预测模块，则所述通过预先训练好的节点分类模型从所述包括节点的图像中提取融合所述节点和周围环境的特征，根据所述融合所述节点和周围环境的特征对所述节点进行分类，得到分类结果，包括：

3.根据权利要求1所述的节点分类方法，其特征在于，所述损失函数为：

4.根据权利要求3所述的节点分类方法，其特征在于，所述归一化后的代价分布根据公式和中的任一一种确定；其中，i∈{1,2,3,...,n}表示节点的n个类别，n为正整数，c表示该节点的真实类别，βi表示归一化后的代价分布。

5.一种节点分类装置，其特征在于，包括：

6.根据权利要求5所述的节点...

【专利技术属性】
技术研发人员：黎安伟，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：