본 논문은 자동화된 뇌전증 발작 탐지를 위해 비발작 구간과 발작 구간의 신호 특징을 구별하여 분류하는 지도 학습 기반의 T-GCN(Time Graph Convolutional Neural Network) 모델을 제안한다. 제안하는 모델은 전극의 공간적 정보를 활용하는 GCN(Graph Convolutional Neural Network) 모델과 시간적 정보를 고려하는 LSTM(Long Short-Term Memory) 모델을 결합한 형태의 구조를 가진다. 실험 결과, 전체 환자 평균 98.44%의 정확도, 96.77%의 민감도, 98.51%의 특이도, f1-score 96.98, 0.014의 FPR을 확인하였다. 실험 결과를 검증하기 위해 t-SNE(t-Distributed Stochastic Neighboring Embedding)와 CAM(Class Activation Map)을 적용했다. 검증과정을 통해 제안한 알고리즘이 발작과 비발작을 분류함을 확인했다.