Este artículo presenta un método para mejorar la eficiencia y la fiabilidad de la detección de convulsiones basada en EEG mediante un modelo CNN 1D ligero y poda estructural. El modelo, entrenado mediante una técnica de detención temprana para evitar el sobreajuste, alcanzó una precisión del 92,78 % y una puntuación Macro-F1 de 0,8686. La poda del 50 % de los núcleos convolucionales redujo los pesos y el uso de memoria en un 50 %, manteniendo el rendimiento de la predicción. La precisión aumentó ligeramente hasta el 92,87 % y la puntuación Macro-F1 aumentó ligeramente hasta 0,8707. Esto demuestra que la poda estructural elimina la redundancia y mejora el rendimiento de la generalización, y que, combinada con la detención temprana, constituye un método prometedor para mejorar la eficiencia y la fiabilidad de la detección de convulsiones en entornos con recursos limitados.
