1.基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，包括以下步骤：获取多通道脑电信号，对多通道脑电信号进行预处理；

构建图注意力网络和变压器网络，将图注意力网络的输出作为变压器网络的输入，构建融合网络；

基于预处理后的多通道脑电信号，构造训练集，利用训练集对融合网络进行训练，得到训练好的融合网络；

将多通道脑电信号输入训练好的融合网络中，先经过图注意力网络提取空间特征，再将聚合了空间特征的脑电信号输入变压器网络中提取时间特征，并得到分类结果。

2.如权利要求1所述的基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，对多通道脑电信号进行预处理，具体包括：对多通道脑电信号进行降噪和滤波处理，并按照设定时间长度，将去噪处理后每个通道的脑电信号划分为若干个时间窗口，得到预处理后的多通道脑电信号。

3.如权利要求1所述的基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，基于预处理后的多通道脑电信号，构造训练集，具体包括：对预处理后的多通道脑电信号进行癫痫发作间期标注和癫痫发作期标注；

将预处理后的多通道脑电信号、癫痫发作间期标注和癫痫发作期标注组成训练集。

4.如权利要求1所述的基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，利用训练集对融合网络进行训练，具体包括：将预处理后的多通道脑电信号使用皮尔森相关性计算得到相关矩阵，同时构建图结构，将相关矩阵和图结构组成脑电信号的特征矩阵；

将特征矩阵、癫痫发作间期标注和癫痫发作期标注输入图注意力网络中，利用特征矩阵训练融合网络；

当融合网络的损失函数达到最小值，或者迭代次数满足设定要求时，停止训练，得到训练好的融合网络。

5.如权利要求4所述的基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，在训练过程中，使用焦点损失函数来平衡正负样本权重。

6.如权利要求1所述的基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，所述融合网络包括依次连接的第一GAT层、第一Dropout层、正则化层，第二GAT层、第二Dropout层、激活函数层、Transformer Encoder层和全连接层。

7.如权利要求1所述的基于时空注意力机制的癫痫脑电信号监测方法，其特征在于，将多通道脑电信号输入训练好的融合网络中，进行二分类检测，输出癫痫发作期或癫痫发作间期的检测结果。

8.基于时空注意力机制的癫痫脑电信号监测系统，其特征在于：包括：信号获取和预处理模块，被配置为：获取多通道脑电信号，对多通道脑电信号进行预处理；

融合网络构建模块，被配置为：构建图注意力网络和变压器网络，将图注意力网络的输出作为变压器网络的输入，构建融合网络；

融合网络训练模块，被配置为：基于预处理后的多通道脑电信号，构造训练集，利用训练集对融合网络进行训练，得到训练好的融合网络；

分类结果获取模块，被配置为：将多通道脑电信号输入训练好的融合网络中，先经过图注意力网络提取空间特征，再将聚合了空间特征的脑电信号输入变压器网络中提取时间特征，并得到分类结果。

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的基于时空注意力机制的癫痫脑电信号监测方法中的步骤。

10.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程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的基于时空注意力机制的癫痫脑电信号监测方法中的步骤。