1.一种基于脑电数据的意识水平识别设备，其特征在于，包括：处理器；存储器，其中存储有基于脑电数据的意识水平识别程序指令，当所述程序指令由所述处理器执行时，使得所述设备实现以下操作：获取待识别患者的多导联头皮脑电数据；将所述多导联头皮脑电数据输入训练后的神经网络模型中进行意识水平识别操作，以输出由各导联的响应强度组成的响应向量，其中，所述响应强度表征了导联的脑电特征与目标意识水平的关联程度；计算所述响应向量与目标意识水平群体的平均响应向量的距离；根据所述距离，确定所述待识别患者的意识水平识别结果；所述设备还进一步执行以下操作，以计算所述响应向量与目标意识水平群体的平均响应向量的距离：根据各导联的空间位置，将各导联分别映射到多个区域；以区域为计算单位，根据各导联与其所在区域的中心导联的距离，确定各导联的空间权重；基于各导联的空间权重、所述响应向量和所述目标意识水平群体的平均响应向量，计算所述距离；所述设备采用以下公式，确定各导联的空间权重 ：其中， 为第i个导联与其所在区域的中心导联的距离， 为空间敏感度参数；所述设备采用以下公式，计算所述距离 ：其中， 为响应向量， 为目标意识水平群体的平均响应向量， 为各导联的空间权重， 为第i个导联的响应强度， 为第i个导联的平均响应强度。
2.根据权利要求1所述的设备，其特征在于，当所述程序指令由所述处理器执行时，使得所述设备在执行基于各导联的空间权重、所述响应向量和所述目标意识水平群体的平均响应向量，计算所述距离之前，还进一步执行以下操作：针对每个区域，基于每个区域的中心导联的响应强度，与所述中心导联的平均响应强度及标准差响应强度，确定每个区域的聚焦性评分；基于每个区域的聚焦性评分和预设评分，确定出所述多个区域中的高聚集性区域；使用动态权重因子，对所述高聚集性区域中各导联的响应强度进行加权放大，以获得加权后的响应向量，以及后续计算所述距离，使用所述加权后的响应向量。
3.根据权利要求2所述的设备，其特征在于，当所述程序指令由所述处理器执行时，使得所述设备采用以下公式，确定每个区域的聚集性评分 ：其中， 为区域 的聚集性评分， 为区域 的中心导联ck的响应强度，为 为目标意识水平群体在中心导联ck上的平均响应强度， 为目标意识水平群体在中心导联ck上的均标准差响应强度。
4.根据权利要求3所述的设备，其特征在于，当所述程序指令由所述处理器执行时，使得所述设备还进一步执行以下操作：将每个区域的聚焦性评分映射至该区域内各联的空间位置，以获得具有颜色梯度的离散导联点；对所述具有颜色梯度的离散导联点进行插值，以生成脑电拓扑图。
5.根据权利要求1所述的设备，其特征在于，当所述程序指令由所述处理器执行时，使得所述设备还进一步执行以下操作，以对所述神经网络模型进行训练：获取不同昏迷患者、以及同一患者不同阶段的多个多导联头皮脑电数据；根据各个患者的意识水平、以及同一患者不同阶段的意识水平，分别对多个多导联头皮脑电数据进行标注，生成携带标签的多个多导联头皮脑电数据；基于携带标签的多个多导联头皮脑电数据，采用五折交叉验证对所述神经网络模型进行训练。
6.根据权利要求5所述的设备，其特征在于，当所述程序指令由所述处理器执行时，使得所述设备还进一步执行以下操作，以采用五折交叉验证对所述神经网络模型进行训练包括：在训练阶段，将携带标签的第一数量多导联头皮脑电数据作为训练数输入到所述神经网络模型中，以对其进行训练；在校验阶段，将携带标签的第二数量多导联头皮脑电数据作为校验数据输入到所述神经网络模型中，以输出第二数量多导联头皮脑电数据的响应向量；计算标签为目标意识水平的、各多导联头皮脑电数据的响应向量的平均值，以获得所述目标意识水平群体的平均响应向量。
7.一种计算机可读存储介质，其存储有基于脑电数据的意识水平识别程序指令，当所述程序指令被处理器执行时，使得实现根据权利要求1-6的任意一项所述的基于脑电数据的意识水平识别设备所执行的操作。
