El aumento en la prevalencia de enfermedades neurológicas y el avance en la comprensión de los mecanismos mediante los cuales se producen, ha impulsado la investigación en neuroestimuladores implantables. Estos dispositivos, diseñados para estimular el sistema nervioso, se dividen en dos clases : los estimuladores en lazo abierto y los estimuladores en lazo cerrado. Mientras que los primeros aplican estimulación de manera fija, los últimos interactúan con el sistema nervioso, adaptando la estimulación en respuesta a la actividad nerviosa del paciente. El procesamiento de señales nerviosas, especialmente la extracción de características, consume una cantidad significativa de energía, lo que afecta la vida útil del dispositivo. En este proyecto, se propone implementar y evaluar en hardware (FPGA) algoritmos clásicos para la identificación de ataques epilépticos, con el objetivo de optimizar el consumo. Este proyecto toma como antecedente el trabajo presentado por Raghunatan, et al en A hardware-algorithm co-design approach to optimize seizure detection algorithms for implantable applications [1]. En dicho trabajo se presenta la evaluación de distintos algoritmos de detección de epilepsia para realizar una optimización de diseño que tiene en cuenta tanto la eficacia en la detección como el costo referido al consumo y área del circuito. Las funciones de detección se evalúan por su capacidad para detectar convulsiones electrográficas a partir de datos de ratas tratadas con kainato, adquiridos por microelectrodos. A diferencia del antecedente, en el presente proyecto la implementación y evaluación se realizarán utilizando herramientas de diseño en FPGA y bases de datos existentes, donde se tienen señales registradas de humanos. Se implementaron y compararon algoritmos clásicos, utilizando una metodología que incluyó variaciones en el tamaño de ventana, modificaciones en la cantidad de bits para la representación de datos y análisis de las características de las señales utilizadas. A partir de los resultados, se identificaron configuraciones óptimas que maximizan la capacidad de detección mientras minimizan el tiempo de reacción, lo que es de gran importancia para aplicaciones médicas en tiempo real. Este enfoque práctico y experimental permite establecer un punto de comparación sólido entre diferentes algoritmos y su adecuación para su implementación en neuroestimuladores implantables. Para evaluar el rendimiento de los algoritmos, se llevaron a cabo comparaciones exhaustivas en tres aspectos clave : la capacidad de detección de cada algoritmo, su consumo y la cantidad de recursos lógicos utilizados. Los resultados permitieron identificar algoritmos con un equilibrio adecuado entre eficacia en la detección de crisis epilépticas y un consumo reducido, lo cual es crucial para extender la vida útil de un dispositivo implantable.