امروزه در حوزه پردازش سیگنالهای حیاتی، پردازش سیگنال الکتروانسفالوگرام (eeg) در فعالیت ها و حالت های مختلف مغز، از جمله خواب، بیهوشی، صرع، فعالیت ها و عملیات محاسباتی و هیپنوتیزم مورد توجه محققان قرار گرفته است. در ادامه این تحقیقات در این مطالعه نیز به بررسی پدیده هیپنوتیزم و اثرات آن برروی فعالیت الکتریکی مغز پرداخته شده است. در این تحقیق با بکارگیری سیگنال eeg و استفاده از الگوریتم بهبود یافته¬ی تجزیه تجربی سیگنال به مولفه ها (emd)، ویژگی های مختلفی از روی سیگنال eeg هیپنوتیزم 32 مرد راست دست که نمره هیپنوتیزم پذیری آنها براساس مقیاس واترلو-استنفوردتعیین شده، استخراج شده است. نتایج حاصل از بررسی های آماری حاکی از آن است که القای هیپنوتیزم و همچنین سطح هیپنوتیزم پذیری اثرات معناداری برروی تعدادی از این ویژگی ها در بعضی از امواج مغزی و یا نواحی خاصی از مغز دارد. نتایج حاصل از طبقه بندی و اعتبار سنجی به کمک روش loo نیز نشان می داد که ویژگی استخراج شده براساس بعد هیگوچی، از لحاظ تعداد الکترودهای لازم برای ثبت سیگنال ( با خطای حدود 6.25%) و ویژگی ترکیب خطی پارامتر خود شباهت در باند تتا در کانال 9 و بعد هیگوچی و پتروشن در کانال 13 (بدون خطا) به عنوان بهینه ترین ویژگی ها، جهت تعیین میزان هیپنوتیزم پذیری می باشند. نتایج حاصل از تبدیل سیگنال eeg به نگاشتهای خوشه زمان، با استفاده از الگوریتم خوشه یابی kmeans نشان می دهد که بررسی انرژی امواج بتا در پنجره های زمانی 3 دقیقه ای می تواند جهت تخمین عمق هیپنوتیزم در طول القا به کار رود. همچنین با تبدیل ویژگی ها به مقادیر z-score ، چند ویژگی دیگر به عنوان شاخصی جهت تعیین عمق هیپنوتیزم در طول القا معرفی شده است.