Este trabalho teve como objetivo o desenvolvimento de um sistema automatizado para a identificação e contagem de eventos epileptiformes em sinais de eletroencefalografia (eeg) do tipo interictal e de longo termo. como diferencial este trabalho propôs a utilização da transformada wavelet como um filtro específico para atenuar oscilações de baixa frequência que a atividade de fundo do eeg apresenta, bem como, outras interferências de alta frequência presentes nos sinais de eeg. foram utilizadas combinações de sinais decompostos e reconstruídos, através das aproximações que a transformada wavelet disponibiliza. o filtro desenvolvido utiliza a função wavelet db4, como função base para o filtro. foi proposta uma faixa específica de trabalho para a localização dos eventos epileptiformes entre 5 e 25 hz. após o processamento pelo filtro wavelet, os picos dos eventos epileptiformes tem uma amplitude relativamente alta, em relação à atividade normal de fundo do eeg. dessa forma, a metodologia baseia-se na localização dos picos dos eventos epileptiformes, através do pré-processamento dos sinais de eeg. depois de processados, os canais de eeg apresentam picos de sinal marcados, e pela comparação em uma janela de amplitudes entre -40?v e -400?v, eliminando segmentos de sinal que não compreendam esta faixa. caso não sejam eliminados, os sinais marcados são direcionados para o classificador neural, responsável por classificar os segmentos de sinal em eventos epileptiformes ou em outra categoria, entre piscadas, atividade normal de fundo do eeg ou ruídos. através deste estudo foi possível comprovar que a função wavelet mais adequada para o processamento dos registros de eeg é a função db4. também foi possível comprovar a viabilidade do desenvolvimento de um sistema classificador de eventos epileptiformes utilizando apenas uma rede neural artificial como classificador, desde que ela seja bem treinada. o classificador neural obtido apresentou uma taxa de sensibilidade de 97,45%, taxa de especificidade de 97,28%, valor preditivo positivo de 98,83%, valor preditivo negativo de 94,21% e um índice de desempenho de 97,40%. a metodologia desenvolvida possibilitou alcançar uma taxa de falsos positivos por minuto de 0,064 fp/min, ficando abaixo de muitas metodologias encontradas na literatura.