1.基于时空变换器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，其用于获取原始多通道脑电信号，对原始多通道脑电信号进行预处理，获得预处理后的多通道脑电信号；其中，信号获取和预处理模块获取多通道脑电信号，对多通道脑电信号进行预处理的具体过程为：采用16个脑电电极采集脑电信号，获得待检测的16个通道的原始脑电信号，用频率范围为1‑40Hz的带通滤波器对原始脑电信号进行滤波，并使用Z评分标准化对滤波后的脑电信号进行归一化处理，得到预处理后的多通道脑电信号；

空间变换模块，其用于利用特征通道注意力感知预处理后多通道脑电信号的空间相关性，并提取空间特征，得到空间变换后聚合了空间特征的脑电信号；其中，空间变换模块利用特征通道注意力感知预处理后多通道脑电信号的空间相关性，具体过程为：将每条通道沿空间特征把每条通道X转换为向量Q、K、V，将Q、K、V构成可训练矩阵，分别记为Q矩阵、K矩阵、V矩阵；

将每个通道的向量K与除自身之外的其他通道的Q矩阵进行点乘计算，将点乘计算结果除以比例因子dk进行缩放比例；

将缩放比例后的计算结果利用Softmax函数计算权重分数，再将得出的权重分数与V矩阵进行点乘计算，得到空间相关性；

所述获取空间相关性的过程表示为：

其中，Attention(Q,K,V)为加权表示，Q,K,V是同时由向量填充的矩阵计算，dk为比例因子；

时间变换模块，其用于利用时间注意力机制感知聚合了空间特征的脑电信号的时间相关性，并提取时间特征，得到时间变换后的脑电信号；其中，时间变换模块利用时间注意力机制感知聚合了空间特征的脑电信号的时间相关性，具体过程为：使用时间维度上的一层卷积对聚合了空间特征的脑电信号时域中的位置信息进行编码，得到编码后的脑电信号；

将编码后的脑电信号压缩到一维，得到一维数据；

将一维数据分成多个切片，将多个切片转换为向量，构成训练集；

利用训练集对时间变换的多头注意力模型进行训练，从不同角度学习多个切片的时间相关性，得到训练好的多头注意力模型；

将Q矩阵、K矩阵、V矩阵输入到训练好的多头注意力模型中，从多个角度并行执行注意力机制，得到多头注意力模型的输出；

将多头注意力模型的输出进行拼接并线性变换，得到与原始脑电信号大小相同的经过时间变换后的脑电信号；

分类结果获取模块，其用于将时间变换后的脑电信号进行癫痫概率预测并分类。

2.如权利要求1所述的基于时空变换器的癫痫脑电信号监测系统，其特征在于，分类结果获取模块将时间变换后的脑电信号进行分类，具体过程为：应用全局池平均时间变换模块的所有切片，使用Softmax函数进行癫痫概率预测。

3.如权利要求1所述的基于时空变换器的癫痫脑电信号监测系统，其特征在于，所述多头注意力模型的损失函数为：γ

FL(pt)＝‑at(1‑pt) log(pt)

其中，pt是某一类的概率，αt是控制样本权重的系数，参数γ表示聚焦参数，(1–pt)γ表示调制系数。

4.基于时空变换器的癫痫脑电信号监测方法，其特征在于：包括以下步骤：获取原始多通道脑电信号，对原始多通道脑电信号进行预处理，获得预处理后的多通道脑电信号；对多通道脑电信号进行预处理的具体过程为：采用16个脑电电极采集脑电信号，获得待检测的16个通道的原始脑电信号，用频率范围为1‑40Hz的带通滤波器对原始脑电信号进行滤波，并使用Z评分标准化对滤波后的脑电信号进行归一化处理，得到预处理后的多通道脑电信号；

利用特征通道注意力感知预处理后多通道脑电信号的空间相关性，并提取空间特征，得到空间变换后聚合了空间特征的脑电信号；其中，利用特征通道注意力感知预处理后多通道脑电信号的空间相关性，具体过程为：将每条通道沿空间特征把每条通道X转换为向量Q、K、V，将Q、K、V构成可训练矩阵，分别记为Q矩阵、K矩阵、V矩阵；

将每个通道的向量K与除自身之外的其他通道的Q矩阵进行点乘计算，将点乘计算结果除以比例因子dk进行缩放比例；

将缩放比例后的计算结果利用Softmax函数计算权重分数，再将得出的权重分数与V矩阵进行点乘计算，得到空间相关性；

所述获取空间相关性的过程表示为：

其中，Attention(Q,K,V)为加权表示，Q,K,V是同时由向量填充的矩阵计算，dk为比例因子；

利用时间注意力机制感知聚合了空间特征的脑电信号的时间相关性，并提取时间特征，得到时间变换后的脑电信号；其中，利用时间注意力机制感知聚合了空间特征的脑电信号的时间相关性，具体过程为：使用时间维度上的一层卷积对聚合了空间特征的脑电信号时域中的位置信息进行编码，得到编码后的脑电信号；

将编码后的脑电信号压缩到一维，得到一维数据；

将一维数据分成多个切片，将多个切片转换为向量，构成训练集；

利用训练集对时间变换的多头注意力模型进行训练，从不同角度学习多个切片的时间相关性，得到训练好的多头注意力模型；

将Q矩阵、K矩阵、V矩阵输入到训练好的多头注意力模型中，从多个角度并行执行注意力机制，得到多头注意力模型的输出；

将多头注意力模型的输出进行拼接并线性变换，得到与原始脑电信号大小相同的经过时间变换后的脑电信号；

将时间变换后的脑电信号进行癫痫概率预测并分类。

5.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1‑3任一项所述的基于时空变换器的癫痫脑电信号监测系统的功能。

6.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1‑3任一项所述的基于时空变换器的癫痫脑电信号监测系统的功能。