1.一种睡眠分期结果确定方法，其特征在于，应用于预设的睡眠分期网络框架，包括：

获取脑电信号数据，并对所述脑电信号数据进行切分，以得到切分后的各信号数据，对切分后的各所述信号数据进行数据增强处理，以得到增强后信号数据；

利用本地的编码器对所述增强后信号数据进行下采样处理，以得到下采样处理过程数据和下采样处理后的数据，然后利用本地的注意力模块对所述下采样处理后的数据进行全局特征提取操作，以得到提取后数据；

通过本地的维度变换模块对所述提取后数据进行数据形状还原，得到还原后的特征矩阵，利用本地的解码器对所述特征矩阵进行上采样处理，以得到上采样处理过程数据，将所述上采样处理过程数据与所述下采样处理过程数据进行数据拼接，以得到数据特征信息；

利用本地的全连接层对所述数据特征信息进行映射，以得到映射后的所述数据特征信息，调用预设的归一化指数函数并对映射后的所述数据特征信息进行睡眠阶段映射，以得到睡眠分期结果；

其中，所述睡眠分期网络框架包括U‑net网络、Transformer模块以及所述全连接层；所述U‑net网络由编码器、解码器以及横向连接层构成；所述编码器由4个卷积层、2个下采样层和一个Transformer模块构成；所述解码器由3个卷积层和3个上采样层构成；所述Transformer模块包括多头注意力、层归一化、以及多层感知机；所述横向连接层用于实现所述上采样处理过程数据与所述下采样处理过程数据之间的数据拼接过程。

2.根据权利要求1所述的睡眠分期结果确定方法，其特征在于，所述对所述脑电信号数据进行切分，以得到切分后的各信号数据，对切分后的各所述信号数据进行数据增强处理，以得到增强后信号数据，包括：确定出数据切分时间间隔，按照所述数据切分时间间隔对所述脑电信号数据进行切分，以得到切分后的各数据片段；

为切分后的各所述数据片段添加标签，以得到切分后的各信号数据，采用边界人工合成少数类过采样算法对切分后的各所述信号数据进行数据增强处理，以得到增强后信号数据。

3.根据权利要求1所述的睡眠分期结果确定方法，其特征在于，所述利用本地的注意力模块对所述下采样处理后的数据进行全局特征提取操作，以得到提取后数据，包括：将所述下采样处理后的数据映射到本地的所述注意力模块，利用所述注意力模块对所述下采样处理后的数据进行计算，以得到查询向量、键向量以及值向量，基于所述查询向量、所述键向量以及所述值向量构建出多头注意力函数；

基于所述多头注意力函数计算出多头注意力机制输出，依次利用所述注意力模块中的归一化层和多层感知机对所述多头注意力机制输出和所述多头注意力函数进行提取计算，得到提取后数据。

4.根据权利要求3所述的睡眠分期结果确定方法，其特征在于，所述基于所述多头注意力函数计算出多头注意力机制输出，包括：对所述查询向量、所述键向量以及所述值向量进行线性映射，得到映射后所述查询向量、映射后所述键向量以及映射后所述值向量；

对映射后所述查询向量、映射后所述键向量以及映射后所述值向量执行缩放点注意力，以得到各注意头，将各所述注意头串联并进行线性投影，得到多头注意力机制输出。

5.根据权利要求1至4任一项所述的睡眠分期结果确定方法，其特征在于，所述利用本地的编码器对所述增强后信号数据进行下采样处理，以得到下采样处理过程数据和下采样处理后的数据，包括：利用本地的编码器中的第一下采样层对所述增强后信号数据进行第一次下采样处理，以得到第一下采样处理过程数据和第一下采样处理后的数据，然后利用第二下采样层对所述第一下采样处理后的数据进行第二次下采样处理，以得到第二下采样处理过程数据和第二下采样处理后的数据；

将所述第二下采样处理后的数据发送至所述编码器中的卷积层，以得到处理过程数据和下采样处理后的数据；其中，所述下采样处理过程数据包括所述第一下采样处理后的数据、所述第二下采样处理后的数据以及所述处理过程数据。

6.根据权利要求5所述的睡眠分期结果确定方法，其特征在于，所述利用本地的解码器对所述特征矩阵进行上采样处理，以得到上采样处理过程数据，将所述上采样处理过程数据与所述下采样处理过程数据进行数据拼接，以得到数据特征信息，包括：利用本地的解码器中的第一上采样层对所述特征矩阵进行第一次上采样处理，以得到第一上采样处理过程数据，将所述第一上采样处理过程数据与所述处理过程数据进行数据拼接，以得到第一数据特征信息，利用所述解码器中的第二上采样层对所述第一数据特征信息进行第二次上采样处理，以得到第二上采样处理过程数据，将所述第二上采样处理过程数据与所述第二下采样处理过程数据进行数据拼接，以得到第二数据特征信息；

利用所述解码器中的第三上采样层对所述第二数据特征信息进行第三次上采样处理，以得到第三上采样处理过程数据，将所述第三上采样处理过程数据与所述第一下采样处理过程数据进行数据拼接，以得到第三数据特征信息，利用所述解码器中的卷积层对所述第三数据特征信息进行输出，以得到数据特征信息。

7.根据权利要求6所述的睡眠分期结果确定方法，其特征在于，所述将所述第一上采样处理过程数据与所述处理过程数据进行数据拼接，以得到第一数据特征信息，包括：利用预设的第一横向连接层将所述编码器中的所述处理过程数据引入至所述解码器，然后利用所述解码器将所述第一上采样处理过程数据与所述处理过程数据进行数据拼接，以得到第一数据特征信息；

相应的，所述将所述第二上采样处理过程数据与所述第二下采样处理过程数据进行数据拼接，以得到第二数据特征信息，包括：利用预设的第二横向连接层将所述编码器中的所述第二下采样处理过程数据引入至所述解码器，然后利用所述解码器将所述第二上采样处理过程数据与所述第二下采样处理过程数据进行数据拼接，以得到第二数据特征信息；

相应的，所述将所述第三上采样处理过程数据与所述第一下采样处理过程数据进行数据拼接，以得到第三数据特征信息，包括：利用预设的第三横向连接层将所述编码器中的所述第一下采样处理过程数据引入至所述解码器，然后利用所述解码器将所述第三上采样处理过程数据与所述第一下采样处理过程数据进行数据拼接，以得到第三数据特征信息。

8.一种睡眠分期结果确定装置，其特征在于，应用预设的睡眠分期网络框架，包括：

数据切分模块，用于获取脑电信号数据，并对所述脑电信号数据进行切分，以得到切分后的各信号数据，对切分后的各所述信号数据进行数据增强处理，以得到增强后信号数据；

数据下采样处理模块，用于利用本地的编码器对所述增强后信号数据进行下采样处理，以得到下采样处理过程数据和下采样处理后的数据，然后利用本地的注意力模块对所述下采样处理后的数据进行全局特征提取操作，以得到提取后数据；

数据上采样处理模块，用于通过本地的维度变换模块对所述提取后数据进行数据形状还原，得到还原后的特征矩阵，利用本地的解码器对所述特征矩阵进行上采样处理，以得到上采样处理过程数据，将所述上采样处理过程数据与所述下采样处理过程数据进行数据拼接，以得到数据特征信息；

睡眠分期结果确定模块，用于利用本地的全连接层对所述数据特征信息进行映射，以得到映射后的所述数据特征信息，调用预设的归一化指数函数并对映射后的所述数据特征信息进行睡眠阶段映射，以得到睡眠分期结果；

其中，所述睡眠分期网络框架包括U‑net网络、Transformer模块以及所述全连接层；所述U‑net网络由编码器、解码器以及横向连接层构成；所述编码器由4个卷积层、2个下采样层和一个Transformer模块构成；所述解码器由3个卷积层和3个上采样层构成；所述Transformer模块包括多头注意力、层归一化、以及多层感知机；所述横向连接层用于实现所述上采样处理过程数据与所述下采样处理过程数据之间的数据拼接过程。

9.一种电子设备，其特征在于，包括：

存储器，用于保存计算机程序；

处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的睡眠分期结果确定方法。

10.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的睡眠分期结果确定方法。