1.一种基于频域信号与时域信号的模态融合胎心率分类系统，其特征在于，所述系统包括：胎心率信号时域特征提取模块，获取胎心率信号，提取胎心率信号在时域模态的时域特征；

胎心率频谱特征提取模块，将胎心率信号从时域模态转换到频域模态，提取胎心率信号在频域模态的频域特征；

融合分类模块，计算时域特征在时域向量表征对应位置点的注意力值以及频域特征在频域向量表征对应位置点的注意力值；查找时域特征在时域向量表征以及频域特征在频域向量表征同一顺序的位置点，将时域特征在时域向量表征以及频域特征在频域向量表征同一顺序的位置点的注意力值进行融合，并获得融合后的胎心率融合表征结果；输入由单层全连接神经网络构成的分类结构至胎心率融合表征结果中，获得胎心率融合表征结果的预测分类标签，完成胎心率的诊疗结果；

其中，融合分类模块包括：

查找单元，查找时域特征在时域向量表征的第一变量列，查找频域特征在频域向量表征的第二变量列；

融合单元，当第一变量列与第二变量列相同时，将时域特征在时域向量表征以及频域特征在频域向量表征同一顺序的位置点的注意力值进行融合，获得融合后的胎心率融合表征结果。

2.根据权利要求1所述的基于频域信号与时域信号的模态融合胎心率分类系统，其特征在于，所述胎心率频谱特征提取模块包括：快速傅里叶单元，将胎心率信号经过快速傅里叶从时域模态变换到频域模态，使得胎心率信号从时域特征信号变换成频域特征信号；

卷积神经网络单元，将变换后的胎心率的频域特征信号输入至多个一维卷积神经网络中，由多个一维卷积神经网络层对胎心率信号在频域模态下进行特征提取，即获得胎心率信号在频域模态的频域特征。

3.根据权利要求1所述的基于频域信号与时域信号的模态融合胎心率分类系统，其特征在于，所述胎心率信号时域特征提取模块包括：扩充单元，获取胎心率信号，通过一维卷积神经网络对胎心率信号在输入维度上进行扩充；

获取单元，将扩充后的胎心率信号输入至transformer网络结构中，获得胎心率信号在时域模态的时域特征。

4.根据权利要求1所述的基于频域信号与时域信号的模态融合胎心率分类系统，其特征在于，所述融合分类模块还包括：输入单元，将变换后的胎心率信号输入至多个一维卷积神经网络；

输出单元，多个一维卷积神经网络连续输出胎心率信号在频域模态下的特征学习；

提取单元，提取胎心率信号在频域模态的频域特征。

5.根据权利要求4所述的基于频域信号与时域信号的模态融合胎心率分类系统，其特征在于，所述融合分类模块还包括：列向量获取单元，获取胎心率融合表征结果中的列向量；

列向量输入单元，将列向量输入单层全连接神经网络中获取可训练参数；

设置标签单元，根据可训练参数设置预测分类标签；

交叉熵损失计算单元，计算预测分类标签与预存分类标签的交叉熵损失；

确诊结果单元，根据交叉熵损失的计算结果确定胎心率的诊疗结果。