زمینه و هدف: متداول‌ترین روش تشخیص پاراکلینیکی صرع، نوار مغز یا الکترونسفالوگرام (EEG) می‌باشد که با آنالیز چشمی توسط متخصصین نورولوژی انجام می‌گیرد، اما به دلیل موارد منفی کاذب و هم‎چنین عدم امکان بررسی ارتباط سایر الکترودها و نواحی مغز با هم، از آن به صورت منحصر به فردی در تشخیص صرع استفاده نمی‌شود. در سال‌های اخیر الکترونسفالوگرام کوانتیزه (QEEG) به ابزاری قدرت‌مند در تشخیص ناهنجاری‌های فعالیت الکتریکی مغز تبدیل شده است. بنابراین پژوهش در زمینه بهبود کارایی EEG، تحلیل و پردازش تصاویر نگاشت مغز متناسب با روش‌های نوین که دارای تصاویر دو یا سه بعدی از مغز هستند و تشخیص خودکار بیماری صرع ضروری است.

مواد و روش‌ها: در این مقاله مقطعی، از طریق استخراج مشخصه صرع با محاسبه انرژی هر کانال EEG، الگوی نگاشت مغز هر بیمار مبتنی بر درون یابی مکعبی رسم و با استفاده از روش‌های ترکیبی پردازش تصویر، الگوهای صرع عمومی و صرع جزئی و مرکز پتانسیل صرع توسط شبکه عصبی مصنوعی LVQ تشخیص داده می‌شود.

یافته‌ها: در الگوریتم پیشنهادی الگوی نگاشت 11 نوع صرع شامل 10 نوع صرع جزئی و 1 الگوی صرع عمومی به صورت خودکار تشخیص داده شد.

نتیجه‌گیری: با توجه به پیچیدگی تشخیص صرع در نوار مغز و سیگنال الکترونسفالوگرام و کمبود متخصصین نورولوژی خبره در بسیاری از مناطق کشور این طرح می تواند به عنوان یک روش هوشمند جهت تشخیص صرع مورد استفاده قرار گیرد که با تعمیم این روش می‌توان انواع الگوهای بیماری‌های مغزی را تشخیص داد.