En la región del eje cafetero existe una alta prevalencia de enfermedades psiquiátricas que representan un gran problema de salud pública. Sumado a esto, la emergencia provocada por el Covid-19 ha complicado aún más el escenario, lo que implica una necesidad en la mejora de los procedimientos para el diagnóstico y tratamiento de los trastornos psiquiátricos la región. La electroencefalografía es una herramienta no invasiva, eficaz y poderosa para registrar la actividad eléctrica del cerebro y para el diagnóstico de diversos trastornos mentales, sin embargo, la señal electroencefalográfica se puede ver deteriorada debido a distintos artefactos exógenos al examen. Existen numerosas técnicas que han abordado este problema, desde diferentes puntos del procesamiento de las señales, sin embargo, no existe un enfoque único y universal para enfrentar este reto. No obstante, teniendo en cuenta que en la actualidad hay un creciente interés en el desarrollo de técnicas de aprendizaje de máquina y aprendizaje profundo, que han mostrado resultados prometedores en el contexto del procesamiento de señales biológicas, en este trabajo se busca plantear una metodología para la evaluación del desempeño de técnicas basadas en redes neuronales contra técnicas convencionales de remoción de artefactos en electroencefalografía.
