Epilepsy is a common neurological disorder which is characterized by recurrent seizures. The investigation of electrical activity in the brain may be quantified using electroencephalogram (EEG) or electrocorticogram (ECoG) is the most common diagnostic test for epilepsy. Treatment of seizures may include surgery to either remove or isolate the area of the brain where seizures originate. In this research project, new computational algorithms are developed for seizure detection and localization. The ECoG data obtained from 6 subjects with temporal lobe epilepsy and containing 28 epileptic seizure events are analyzed. The fundamental computational technique used in the computational algorithms developed, called the wavelet-based fractal analysis, is derived from the wavelet-based representation for 1/f processes. From the computational results, it is observed that the ECoG data associated with different pathological states of the brain, i.e., inter-ictal, pre-ictal, ictal and post-ictal states, exhibit different distinguishing characteristics. This provides complementary information leading to a deeper understanding of the brain behaviors and dynamics associated with different brain states. In particular, the computational results imply that the ECoG data during ictal state have smoother temporal pattern or are less complex than the ECoG data associated with other states of the brain. Accordingly, the epileptic seizures are perfectly detected. In addition, the computational results show that the seizure events can also be visualized. The computational algorithms developed can thus be used for localizing seizures temporally and spatially. Because the seizure detection and localization are crucial processes of epilepsy diagnosis, the computational algorithms developed can be used as a tool for assisting in epilepsy diagnosis. โรคลมชักเป็นความผิดปกติทางสมองที่พบบ่อยซึ่งถูกอธิบายด้วยอาการชักที่เกิดขึ้นซ้า ๆ การตรวจสอบพฤติกรรมของสมองทางไฟฟ้าโดยใช้สัญญาณคลื่นสมองเป็นวิธีการพื้นฐานที่ใช้สำหรับวินิจฉัยโรคลมชัก การบำบัดรักษาการชักรวมถึงการผ่าตัดเพื่อกาจัดหรือแยกบริเวณของสมองที่การชักเริ่มต้นขึ้น ในโครงการวิจัยนี้ กระบวนการทางการคำนวณใหม่ถูกพัฒนาขึ้นสำหรับการตรวจหาการชักและการระบุตำแหน่งของการชักข้อมูลสัญญาณคลื่นสมองประเภท ECoG (electrocorticogram) ที่ถูกนามาวิเคราะห์ในโครงการวิจัยบันทึกมาจากตัวอย่างที่เป็นโรคลมชักจำนวน 6 ตัวอย่างและประกอบด้วยการชักจำนวนทั้งสิ้น 28 ครั้งเทคนิคหลักที่นามาใช้ในกระบวนการทางการคำนวณที่ถูกพัฒนาขึ้นได้มาจากวิธีการนาเสนอกระบวนการประเภท 1/f โดยใช้เวฟเล็ต ซึ่งถูกเรียกว่า การวิเคราะห์แฟรกทัลโดยอาศัยเวฟเล็ตจากผลการทดลอง เราสังเกตเห็นว่าข้อมูลสัญญาณคลื่นสมองในสภาวะต่างๆ ของสมองนั่น คือ สภาวะระหว่างการชัก ก่อนการชัก ขณะเกิดการชัก และหลังการชักแสดงคุณลักษณะที่โดดเด่นแตกต่างกัน สิ่งนี้ทาให้เรามีข้อมูลเพิ่มเติมที่นำไปสู่ความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับพฤติกรรมและกลไกของสมองในสภาวะต่างๆ โดยเฉพาะอย่างยิ่งจากผลการทดลอง เราสามารถอนุมานได้ว่าสัญญาณคลื่นสมองในสภาวะขณะเกิดการชักมีรูปแบบเชิงเวลาที่ราบเรียบกว่าหรือมีความซับซ้อนน้อยกว่าสัญญาณคลื่นสมองในสภาวะอื่นๆ จากคุณลักษณะเฉพาะนี้ ส่งผลให้การชักสามารถถูกตรวจพบได้อย่างสมบูรณ์ นอกจากนี้ผลการทดลองแสดงให้เห็นว่าการชักสามารถถูกแสดงออกมาให้เห็นได้ ดังนั้นกระบวนการทางการคำนวณที่ถูกพัฒนาขึ้นสามารถนาไปใช้เพื่อทั้งระบุเวลาของการเกิดขึ้นของการชักและระบุบริเวณของสมองที่เกี่ยวข้องกับการเกิดการชัก เนื่องจากการตรวจหาการชักและการระบุตำแหน่งของการชักเป็นกระบวนการสำคัญอย่างยิ่ง ในการวินิจฉัยโรคลมชัก กระบวนการทางการคำนวณที่ถูกพัฒนาขึ้นมานี้จึงสามารถนำไปใช้เป็นเครื่องมือเพื่อช่วยในการวินิจฉัยโรคลมชัก