1.一种结节识别模型训练方法，其特征在于，包括：
获取样本图像，其中，所述样本图像中各像素点设置有标识，所述标识包括正样本标识、负样本标识和非样本标识；
将所述样本图像输入至待训练的结节识别模型中，基于所述待训练的结节识别模型的识别结果确定各像素点的损失函数；
根据所述样本图像中各像素点的标识和各像素点的损失函数，确定所述样本图像对应的损失函数；
基于所述样本图像对应的损失函数对所述待训练的结节识别模型进行训练，生成结节识别模型。
2.根据权利要求1所述的方法，其特征在于，在获取样本图像之前，还包括：
根据已标记正样本标识对应的像素点数量和正负样本比例范围确定检测窗；
将所述检测窗内未标记的像素点设置负样本标识；
将所述检测窗外未标记的像素点设置非样本标识。
3.根据权利要求2所述的方法，其特征在于，所述根据已标记正样本标识对应的像素点数量和正负样本比例范围确定检测窗，包括：
根据已标记正样本标识对应的像素点数量和正负样本比例范围确定预设形状的检测窗的尺寸；
根据所述已标记正样本标识对应的像素点区域位置，确定所述检测窗的位置，所述已标记正样本标识对应的像素点区域位置位于所述检测窗的中心区域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述样本图像中各像素点的标识和各像素点的损失函数，确定所述样本图像对应的损失函数，包括：
根据预设处理规则，将标识为正样本标识和负样本标识的像素点的损失函数进行处理，得到所述样本图像对应的损失函数。
5.根据权利要求1所述的方法，其特征在于，所述样本图像包括由三维肺部数据切片得到的多个二维样本图像，其中，所述将所述样本图像输入至待训练的结节识别模型中，包括：
对于当前二维样本图像，将所述当前二维样本图像、所述当前二维样本图像之前的第一预设数量的二维样本图像和所述当前二维样本图像之后的第二预设数量的二维样本图像，输入至待训练的结节识别模型中。
6.根据权利要求1所述的方法，其特征在于，所述结节识别模型包括特征提取模块、空洞卷积模块和解码模块，其中，所述特征提取模块包括残差块子网络和特征金字塔子网络，所述残差块子网络和特征金字塔子网络横向连接，所述解码模块包括依次连接的第一数量的反卷积块和第二数量的卷积块。
7.一种结节识别方法，其特征在于，包括：
获取待识别的肺部图像，将所述肺部图像输入至预先训练的结节识别模型中，得到所述肺部图像的结节识别结果，其中，所述结节识别模型基于如权利要求1-6任一所述结节识别模型训练方法训练得到。
8.根据权利要求7所述的方法，其特征在于，所述将所述肺部图像输入至预先训练的结节识别模型中，得到所述肺部图像的结节识别结果，包括：
将待识别的三维肺部图像切片处理为多个二维肺部图像；
对于任一待识别的二维肺部图像，将待识别的二维肺部图像、待识别的二维肺部图像之前的第一预设数量的二维肺部图像和所述待识别的二维肺部图像之后的第二预设数量的二维肺部图像，输入至预先训练的结节识别模型中，得到所述待识别的二维肺部图像的结节识别结果；
将各二维肺部图像的结节识别结果进行对齐和拼接处理，得到所述肺部图像的结节识别结果。
9.一种结节识别模型训练装置，其特征在于，包括：
样本获取模块，用于获取样本图像，其中，所述样本图像中各像素点设置有标识，所述标识包括正样本标识、负样本标识和非样本标识；
第一损失函数确定模块，用于将所述样本图像输入至待训练的结节识别模型中，基于所述待训练的结节识别模型的识别结果确定各像素点的损失函数；
第二损失函数确定模块，用于根据所述样本图像中各像素点的标识和各像素点的损失函数，确定所述样本图像对应的损失函数；
模型训练模块，用于基于所述样本图像对应的损失函数对所述待训练的结节识别模型进行训练，生成结节识别模型。
10.一种结节识别装置，其特征在于，包括：
肺部图像获取模块，用于获取待识别的肺部图像；
结节识别模块，用于将所述肺部图像输入至预先训练的结节识别模型中，得到所述肺部图像的结节识别结果，其中，所述结节识别模型基于如权利要求1-6任一所述结节识别模型训练方法训练得到。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的结节识别模型训练方法或者如权利要求7或8所述的结节识别方法。
12.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-6中任一项所述的结节识别模型训练方法或者如权利要求7或8所述的结节识别方法。