The spectral analysis of heart rate variability is a tool that gained more and more clinical importance in the latest years. It can be used in order to access autonomic function on the cardiovascular system through the evaluation of the different frequency bands of the HRV. So far different mathematical approaches have been used towards this aim, often with contradictory results. Therefore, the need for standardization of the methods seems more and more important. In this thesis 2 non-parametric, Fourier-based methods and two parametric based on autoregressive modeling were used in order to extract the power spectral density of patients with epilepsy. Their results were statistically compared to age matched controls. The analysis have shown that when a parametric method is used, a careful model order selection method must be used, and when this is accomplished, the power spectrum could more efficient highlight differences between controls and patients. The results between non-parametric and parametric methods were different, therefore these methods cannot be considered interchangeable. The analysis methodolgy established in this first part of the study has been used to analyse HRV signals from patients before and after deep brain stimulation. / Η φασματική ανάλυση της Μεταβλητότητας της Καρδιακής Συχνότητας (ΜΚΣ) χρησιμοποείται όλο και περισσότερο σε κλινικές μελέτες τα τελευταία χρόνια. Και αυτό γιατί μπορεί να δώσει πληροφορίες σχετικά με την λειτουργία του αυτόνομου νευρικού συστήματος πάνω στην καρδιά αναλύοντας το συχνοτικό περιεχόμενο των ΜΚΣ σημάτων σε διακριτές ζώνες συχνοτήτων. Μέχρι τώρα διαφορετικές μαθηματικές μέθοδοι έδωσαν διαφορετικά, συχνα αντικρουόμενα αποτελέσματα. Έτσι η ανάγκη λεπτομερής περιγραφής των μεθόδων φαίνεται όλο και περισσοτερο επιτακτική. Σε αυτή τη διπλωματική εργασία, δυο μη παραμετρικές μέθοδοι και δύο παραμετρικές βασισμένες σε μοντέλα αυτοπαλινδρόμησης (autoregressive modeling) εφαρμόστηκαν προκειμένου να υπολογιστεί το φάσμα ασθενών με χρόνια επιληψία. Τα αποτελέσματα συγκρίθηκαν με υγιείς εθελοντές ίδιου ηλικιακού προφίλ. Η ανάλυση έδειξε ότι όταν χρησιμοποιουνται παραμετρικές μέθοδοι, η επιλογή της τάξης του μοντέλου πρέπει να γίνεται με προσοχή και όταν αυτό γίνει, το φάσμα μπορεί να αναδείξει πιο αποτελεσματικά διαφορές μεταξύ ασθενών και υγειών εθελοντών. Τα αποτελέσματα μεταξύ παραμετρικών και μη παραμετρικών μεθόδων αποδείχθηκαν διαφορετικα, και κατά συνέπεια οι δύο αυτές κατηγορίες ανάλυσης δεν μπορούν να θεωρηθούν ίδιες. Η μεθοδολογία που αναπτύχθηκε στο πρώτο αυτό μέρος της εργασίας χρησιμοποιήθηκε για να αναλύσει σήματα ΜΚΣ από ασθενείς με Πάρκινσον πριν και μετά εν τω βάθει ερεθισμό (Deep brain simulation).