بیماری صرع یکی از شاخصترین اختلالات عصبی است که حدود یک درصد از مردم جهان از آن رنج می برند. با وجود پیشرفت های فراوان در درمان انواع بیماریها، برای یک چهارم از بیماران هیچ راه حل درمانی و دارویی برای کنترل تشنج های صرعی وجود ندارد. بروز این حملات می تواند باعث قرار گرفتن شخص در شرایط خطرناک شود. در صورتی که بیمار یا اطرافیان او از زمان تشنج خبر داشته باشند امکان قرار گرفتن بیمار در شرایط خطرناک می تواند کاهش یابد (به عنوال مثال شخص میتواند از اجسام تیز دور شود). روشهای متعددی تا کنون در زمینه تشخیص و پیش بینی حملات صرعی با استفاده از سیگنال eeg ارائه گردیده است. یکی از مجموعه روش هایی که توانسته است نتایج قابل قبولی ارائه دهد استفاده از اندیس های شباهت سنجی است. در این پروژه ابتدا روش های مبتنی بر اندیس شباهت سنجی که تا کنون در زمینه پیش بینی یا تشخیص حملات صرعی در سیگنال eeg، مورد استفاده قرار گرفته است بررسی می گردد. در ادامه سه روش جدید که برای اولین بار در این پروژه طراحی و پیاده سازی شده اند ارائه می شود. روش نخست بر مبنای استخراج ویژگی از دینامیک رفتاری اکسترمم های محلی در سیگنال eeg اندیس شباهت سنجی ارائه می دهد که با توجه به نتایجی که ارائه خواهد شد توانسته است در 8 مریض با میانگین نرخ پیش بینی اشتباه 0.19 حمله بر ساعت حملات صرعی را با میانگین 36 دقیقه با حساسیت 68.75 درصد پیش بینی کند. در روش دوم با الهام از نحوه استخراج نقشه بازگشتی روشی ارائه گردیده است که مبنای استخراج ویژگی در آن فشردشدن یا گسترش ترژکتوری در فضای گسترش یافته حالت می باشد. این روش در 9 مریض توانسته است با میانگین نرخ پیش بینی اشتباه 0.1 حمله بر ساعت به میانگین زمان پیش بینی 32 دقیقه با حساسیت 70.5 درصد برسد. در روش سوم با توجه به اینکه نقشه بازگشتی نمودی از رفتار ترژکتوری می باشد، با یک نگاه کلی به مقایسه این نقشه پرداخته شده است. در این روش نقشه بازگشتی به عنوان یک تصویر در نظر گرفته شده، بافت آن با نقشه دیگر مقایسه شده و اندیس شباهت سنجی بر این پایه ارائه شده است. با پیاده سازی این روش به نتیجه میانگین نرخ پیش بینی اشتباه 0.25 حمله بر ساعت با حساسیت 59 در صد و میانگین زمان پیش بینی 27.8 دقیقه رسیده ایم.