Las ventajas de la imaginación motora (IM) dependen en gran medida de la interpretabilidad adecuada de las respuestas de la actividad cerebral que benefician el diagnóstico médico, la rehabilitación y tecnologías de asistencia [2]. La problemática que se ha venido presentando con el manejo de señales de electroencefalografia (EEG) en sistemas de interfaces cerebro-computador (BCI) orientados a la detección de la IM, es a la hora de decodificar respuestas neuronales relacionadas con la información relevante desde la técnica de EEG[1], en aras de mejorar el desempeño ante la variabilidad intra-inter sujeto. Los desafíos que plantea son su pobre resolución espacial, teniendo en cuenta que los patrones no son estacionarios y no son lineales para todos lo sujetos, además una baja relación señal/ruido [6], también por falta de coordinación a la hora de realizar las tareas de imaginación motora[2]. La propuesta para afrontar los desafíos de la interacción de señales de EEG en sistemas BCI es realizar un esquema de trabajo para el procesamiento de señales orientadas a la detección de IM, basadas en conectividades (coherencia (COH), leucomalacia periventricular (LPV)[8], Redes de funciones de base radial (RNA), y Transferencia de entropia(TE)) para realizar un esquema de representación de topogramas de tiempo, frecuencia y espacio [1], esta representación sería la entrada de una red convolucional profunda, para prevenir el sobre ajuste de la red generado por la poca cantidad de muestras [1] usando como referente bases de datos públicas, mejorando la precisión de todos los sujetos y añadiendo la regularización con estrategias de Monte carlo y capas de deserción (MCD) para mejorar la precisión concentrándose principalmente en los sujetos con bajo rendimiento [1].