در کمتر از دو دهه گذشته، تجزیه و تحلیل مبتنی بر شبکه، برای سری‌های زمانی در زمینه‌های مختلف توجه قرار گرفته است. داده سری زمانی را به روش‌های مختلف می‌توان به شبکه (گراف) تبدیل کرد که یکی از رایج‌ترین آن‌ها استفاده از گراف پدیداری است. گراف‌های پدیداری کاربردهای متعددی در شناخت و کشف ویژگی‌های خاص سری‌های زمانی و حتی پیشگویی مقادیر آتی آن‌ها دارند که در حیطه‌های مختلف مشتمل بر پزشکی، اقتصاد، آب و هواشناسی، گردشگری و ... مورد استفاده قرار گرفته‌اند. این پژوهش برای نخستین‌بار به مرور حوزه‌ای مقالات منتشرشده در مجلات و کنفرانس‌های معتبر انگلیسی زبان در روش‌های تحلیل گراف پدیداری مرتبط با مغز می‌پردازد. بدین منظور در دو پایگاه داده علمی رایج گوگل اسکالر و اسکوپوس، جستجو و پالایش یافته‌ها انجام خواهد گرفت و در نهایت 50 مقاله حائز شرایط بررسی می‌گردد. مقالات از نظر سال انتشار، نوع گراف‌پدیداری، علت استفاده و کاربرد در بیماری‌های مغزی در دسته‌های صرع، آلزایمر، اتیسم، الکلی، حالت خواب، خستگی، افسردگی و ... مورد بررسی قرار خواهند گرفت. در پایان، پیشنهادات توسعه پژوهش ارائه می‌شود که می‌توان به استفاده از تحلیل گراف‌پدیداری در زمینه‌ی اختلال کمبود توجه یا بیش فعالی و بیماری پارکینسون اشاره کرد.
