1.一种基于脑电信号的电子病历数据分类方法，其特征在于，所述方法包括：

获取每个患者在预设历史监测周期内每个通道下的脑电信号，并获取每个脑电信号中的发病脑电信号切片和未发病脑电信号切片；对每个脑电信号切片进行频域分析，获取不同预设频段内的波段成分，并在对应患者的电子病历中获取每个预设频段的关联生理指标；

对于每个患者，根据每个通道的所述脑电信号的波动特征，以及不同通道的所述发病脑电信号切片的波动差异，从所有通道的脑电信号中筛选出关注脑电信号，并根据每个关注脑电信号的波动特征，以及其内发病脑电信号切片与未发病脑电信号切片在每个预设频段对应波段成分之间的能量差异，结合所述关联生理指标，获取每个预设频段的关注系数；

对于每个患者，基于所述关注系数从患者的关注脑电信号中提取出关注信号成分；基于不同患者的所述关注信号成分对不同患者的电子病历数据分类。

2.根据权利要求1所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，所述关注脑电信号的获取方法包括：对于每个患者，以任一通道的脑电信号为目标信号，将目标信号中的所述发病脑电信号切片作为目标切片，将其他通道的脑电信号中的所述发病脑电信号切片作为参考切片；

对目标信号进行峰值检测，并根据不同峰值之间的差异获取目标信号的稳定参数；根据目标切片与每个参考切片之间的DTW距离的分布特征获取目标切片的发病非同步参数；

融合所述稳定参数及所述发病非同步参数，将融合结果进行归一化，得到目标信号的筛除指数；根据所述筛除指数从患者的所有脑电信号中筛选出所有关注脑电信号。

3.根据权利要求2所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，所述稳定参数的获取方法包括：将所有不同的两个峰值之间差异的累加和的负相关映射结果，作为目标信号的稳定参数。

4.根据权利要求2所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，根据所述筛除指数从患者的所有脑电信号中筛选出所有关注脑电信号的方法包括：将所述筛除指数小于预设筛除阈值的所述脑电信号，作为关注脑电信号。

5.根据权利要求2所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，所述关注系数的获取方法包括：根据每个关注脑电信号的波动特征，以及其内发病脑电信号切片与未发病脑电信号切片在每个预设频段对应波段成分之间的能量差异，获取每个预设频段的发病关注参数；

将每个所述关联生理指标相对对应预设标准的偏差进行归一化，将归一化结果加上常数1后作为对应预设频段的发病关注权重；

利用所述发病关注权重对对应预设频段的所述发病关注参数加权，将加权结果进行归一化，得到对应预设频段的关注系数。

6.根据权利要求5所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，所述发病关注参数的获取方法包括：以任一预设频段为目标频段，将目标频段对应波段成分作为目标成分；对于每个脑电信号切片，将目标成分在目标频段的所有波段成分中的能量占比作为目标成分的能量参数；

对于每个关注脑电信号，根据发病脑电信号切片对应目标成分的所述能量参数，与未发病脑电信号切片对应目标成分的所述能量参数之间的差异，获取目标频段的发病波段偏差；

将所述关注脑电信号的所述稳定参数的负相关归一化结果作为波动权重；利用所述波动权重对所述发病波段偏差加权，将加权结果作为目标频段的发病关注参数。

7.根据权利要求1所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，所述波段成分的获取方法包括：所述预设频段至少包括[0.5Hz–4Hz）、[4Hz–8Hz）、[8Hz–13Hz）、[13Hz–30Hz）、[30Hz–

100Hz]；对所述脑电信号切片进行小波变换，得到每个预设频段对应的波段成分，所述波段成分依次为δ波、θ波、α波、β波及γ波。

8.根据权利要求1所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，δ波的关联生理指标至少包括颅内压及格拉斯哥昏迷指数；θ波的关联生理指标至少包括蒙特利尔认知评估评分及简易精神状态检查评分；α波的关联生理指标至少包括状态特质焦虑量；β波的关联生理指标至少包括心率变异性；γ波的关联生理指标至少包括阳性与阴性症状量评分。

9.根据权利要求1所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，所述关注信号成分的获取方法包括：对于每个关注脑电信号，将所述关注系数大于预设系数阈值的预设频段作为关注频段，基于所述关注频段从患者的所述关注脑电信号中提取出关注信号成分。

10.根据权利要求1所述的一种基于脑电信号的电子病历数据分类方法，其特征在于，基于不同患者的所述关注信号成分对不同患者的电子病历数据分类的方法包括：将每个患者所有关注信号成分输入至预训练的分类模型中，输出患者的类别标签；根据类别标签对对不同患者的电子病历数据分类。