全文总字数：1914字
1. 毕业设计（论文）主要内容：
本文主要研究麻醉状态下的脑电信号（Electroencephalography, EEG）状态分类方法。脑电信号是将脑部的自发性生物电位采集并加以放大记录而获得的图形，能够在一定程度上反映脑部的活动状态。查阅相关文献深入研究脑电信号的形成，特点和在临床情况下的应用，并且利用多种时频分析方法提取相关特征，查阅文献了解麻醉过程和四种阶段划分标准。论文通过Matlab实验平台对脑电信号进行时频分析和特征提取，利用python语言搭建深度学习方法模型对麻醉状态进行监督学习并完善分类方案。
2. 毕业设计（论文）主要任务及要求
（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。
（2）完成开题报告及任务书。
（3）研究麻醉状态的四个阶段划分，对采集的脑电信号进行时频分析处理并进行识别相关算法研究。
3. 毕业设计（论文）完成任务的计划与安排
（1）第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。
（2）第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
（3）第6－9周：利用MATLAB进行数据处理。
4. 主要参考文献
[1]George J. A. Jiang,Shou-Zen Fan,Maysam F. Abbod, et al.Sample Entropy Analysis of EEG Signals via Artificial Neural Networks to Model Patients’ Consciousness Level Based on Anesthesiologists Experience[J].,2015. DOI:10.1155/2015/343478.[2]Shalbaf, R.,Behnam, H.,Moghadam, H. Jelveh.Monitoring depth of anesthesia using combination of EEG measure and hemodynamic variables[J].Cognitive Neurodynamics,2015,9(1):41-51.[3]Huang Jeng-Rung,Fan Shou-Zen,Abbod Maysam F., et al.Application of Multivariate Empirical Mode Decomposition and Sample Entropy in EEG Signals via Artificial Neural Networks for Interpreting Depth of Anesthesia[J].Entropy,2013,15(9):3325-3339. DOI:10.3390/e15093325.[4] Liu, Quan, Li Ma, Shou-Zen Fan, Maysam F. Abbod, and Jiann-Shing Shieh. Sample entropy analysis for the estimating depth of anaesthesia through human EEG signal at different levels of unconsciousness during surgeries[J]. PeerJ,2018, 6, e4817.[5] Jasmin Kevric,Abdulhamit Subasi. Comparison of signal decomposition methods in classification of EEG signals for motor-imagery BCI system[J]. Biomedical Signal Processing and Control,2017,31.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
