Magister en Biofísica Médica / La clasificación de potenciales de acción generados por las neuronas es un problema complejo y recurrente en el análisis de datos neuroeléctricos. Los métodos de clasificación actuales se basan en escoger parámetros de clasificación que representen las características de cada espiga con un número reducido de coeficientes. Esta tesis propone utilizar los coeficientes de la transformada de wavelet discreta (DWT) como parámetros de clasificación. Los coeficientes DWT son ortogonales, de cómputo rápido y cuantifican componentes localizados de frecuencia. La eficiencia de la clasificación basada en coeficientes DWT ( wavelet-based spike classification WSC) de las espigas fue comparada con resultados obtenidos con coeficientes de análisis de componentes principales (PCA) y un método de reconocimiento de patrones publicado como método RFS ( reduced feature set ). En un tren de datos artificial ruidoso, el método WSC demostró mayor capacidad para discriminar entre espigas muy similares que los métodos PCA y RFS. Estos resultados fueron publicados en el Journal of Neuroscience Methods. También se mostró la utilidad del método WSC analizando trenes de espigas multiunitarios ruidosos registrados en tectum de paloma. Se discuten las ventajas del uso del método WSC sobre el PCA y el RFS. Se analiza la actual implementación del método WSC, y se proponen mejoras importantes, basándose en los avances más modernos de la adquisición y análisis de registros neuroeléctricos.