تشخیص بیماری تشنج با استفاده از آنالیز سیگنال‌های مغزی (EEG) از جمله روش‌های کلینیکی کارآمد در درمان دارویی و تصمیمات پیش از جراحی مغزی می‌باشد. در این مقاله، پس از آماده‌سازی سیگنال‌ها با استفاده از یک فیلترینگ مناسب، باند فرکانسی گاما استخراج شده است و سایر ریتم‌های مغزی، مقادیر نویز محیطی و سیگنال‌های حیاتی دیگر حذف می‌شوند. سپس، تبدیل موجک سیگنال‌های مغزی و نقشه موزائیکی تبدیل موجک در چند سطح محاسبه می‌شود. با تقسیم مناسب نقشه‌ی رنگی به بخش‌بندی‌های مختلف، هیستوگرام هر زیر- تصویر محاسبه شده و آمارگان آن بر پایه‌ی مقدار ممان‌های آماری و آنتروپی منفی محاسبه می‌شود. بردار ویژگی آماری با استفاده از تحلیل مولفه‌های اصلی (PCA) به یک بعد کاهش می‌یابد. با استفاده از الگوریتم EMD و پروسه غربالگری در تحلیل داده‌ها به وسیله‌ی توابع حالت ذاتی (IMF) و مقدار مانده‌ی سیگنال‌ها و با استفاده از طیف تبدیل هیلبرت و تشکیل طیف هیلبرت – هوانگ یک ویژگی مکانی بر پایه‌ی فاصله اقلیدسی برای طبقه‌بندی سیگنال‌های مغزی محاسبه می‌شود. بوسیله‌ی طبقه‌بند K- نزدیک‌ترین همسایه (KNN) و با در نظر گرفتن پارامتر همسایگی بهینه، سیگنال‌های مغزی به دو کلاس دارای تشنج و سیگنال‌های سالم با میزان صحت 54/76% و واریانس خطای 3685/0 در آزمایش‌های مختلف طبقه‌بندی می‌شوند. پرونده مقاله