1.一種癲癇樣放電確定方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述腦電特征數(shù)據(jù)是從所述受測對象的頭部多個部位處采集的多通道腦電監(jiān)測數(shù)據(jù)，所述腦電特征數(shù)據(jù)包括腦電信號波形特征；
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述受測對象的監(jiān)測視頻之后，所述方法還包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述從所述監(jiān)測視頻中得到所述受測對象的人體特征信息以及動作特征信息，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述腦電信號波形特征、所述人體特征信息以及所述動作特征信息輸入至訓(xùn)練好的癲癇樣放電模型中，包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述癲癇樣放電模型還包括多層感知器以及全連接層；
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述三維卷積神經(jīng)網(wǎng)絡(luò)包括三維卷積層、池化層以及全連接層；
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述三維卷積層包括多個特征通道；
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述訓(xùn)練樣本中包括正樣本以及負(fù)樣本，所述正樣本包括存在腦電異常放電的多個癲癇患者對應(yīng)的多個患者數(shù)據(jù)，所述負(fù)樣本包括腦電正常放電的多個癲癇患者對應(yīng)的多個患者數(shù)據(jù)。
11.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述將所述訓(xùn)練樣本輸入至待訓(xùn)練的初始癲癇樣放電模型中，得到模型輸出結(jié)果，包括：
12.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述根據(jù)所述損失值，對所述待訓(xùn)練的所述初始癲癇樣放電模型進(jìn)行迭代訓(xùn)練，直至得到訓(xùn)練好的癲癇樣放電模型，包括：
13.一種癲癇樣放電確定裝置，其特征在于，所述裝置包括：
14.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述腦電特征數(shù)據(jù)是從所述受測對象的頭部多個部位處采集的多通道腦電監(jiān)測數(shù)據(jù)，所述腦電特征數(shù)據(jù)包括腦電信號波形特征；
15.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述獲取所述受測對象的監(jiān)測視頻之后，所述裝置還包括：
16.根據(jù)權(quán)利要求15所述的裝置，其特征在于，所述從所述監(jiān)測視頻中得到所述受測對象的人體特征信息以及動作特征信息，包括：
17.根據(jù)權(quán)利要求16所述的裝置，其特征在于，所述將所述腦電信號波形特征、所述人體特征信息以及所述動作特征信息輸入至訓(xùn)練好的癲癇樣放電模型中，包括：
18.根據(jù)權(quán)利要求17所述的裝置，其特征在于，所述癲癇樣放電模型還包括多層感知器以及全連接層；
19.根據(jù)權(quán)利要求18所述的裝置，其特征在于，所述三維卷積神經(jīng)網(wǎng)絡(luò)包括三維卷積層、池化層以及全連接層；
20.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述三維卷積層包括多個特征通道；
21.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述裝置還包括：
22.根據(jù)權(quán)利要求21所述的裝置，其特征在于，所述訓(xùn)練樣本中包括正樣本以及負(fù)樣本，所述正樣本包括存在腦電異常放電的多個癲癇患者對應(yīng)的多個患者數(shù)據(jù)，所述負(fù)樣本包括無腦電異常放電的多個癲癇患者對應(yīng)的多個患者數(shù)據(jù)。
23.根據(jù)權(quán)利要求21所述的裝置，其特征在于，所述將所述訓(xùn)練樣本輸入至待訓(xùn)練的初始癲癇樣放電模型中，得到模型輸出結(jié)果，包括：
24.根據(jù)權(quán)利要求21所述的裝置，其特征在于，所述根據(jù)所述損失值，對所述待訓(xùn)練的所述初始癲癇樣放電模型進(jìn)行迭代訓(xùn)練，直至得到訓(xùn)練好的癲癇樣放電模型，包括：
25.一種電子設(shè)備，其特征在于，包括：
26.一種計算機可讀存儲介質(zhì)，其上存儲計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-12中的任意一項所述的方法。