本发明提供了一种基于域对抗多层级深度卷积特征融合网络的癫痫预测方法。采用公开的癫痫脑电数据集CHB‑MIT进行有效性验证：首先将数据集进行预处理，并建立训练集和测试集；其次构建域对抗多层级深度卷积特征融合网络的模型结构；再将预处理后的训练集输入模型，进行域对抗模型训练；最后将测试集输入训练好的模型中，进行模型性能测试。本发明的优点包括：设计多层级深度特征提取模块，弥补了单一层级特征提取不足问题，实现了脑电信息的多域互补；设计多层级自注意力特征融合模块，通过时‑空‑频域特征融合，显著提升了预测准确率。在CHB‑MIT上对本方法进行了有效性验证，单个患者的平均预测准确率达到95.4％，每小时误报次率小于0.11，均优于现有最优方法。