Las señales ópticas relacionadas con eventos (EROS) miden modulaciones rápidas en las propiedades ópticas del cerebro relacionadas con la actividad neuronal. EROS ofrecen una alta resolución espacial y temporal y pueden ser utilizados para aplicaciones de interfaz cerebro-computadora (BCI). Sin embargo, la capacidad de clasificar EROS de un solo ensayo sigue sin explorarse. Este estudio evalúa el rendimiento de métodos de redes neuronales para la clasificación de un solo ensayo de EROS relacionados con la respuesta motora. La actividad de EROS se obtuvo de un montaje de grabación de alta densidad que cubría la corteza motora durante una tarea de tiempo de reacción de dos opciones que implicaba respuestas con la mano izquierda o derecha. Este estudio utilizó un enfoque de red neuronal convolucional (CNN) para extraer características espacio-temporales de los datos de EROS y realizar la clasificación de respuestas motoras izquierdas y derechas. Los clasificadores específicos del sujeto entrenados en datos de fase de EROS superaron a aquellos entrenados en datos de intensidad, alcanzando una precisión promedio de clasificación de un solo ensayo de alrededor del 63%. La eliminación de ruido de baja frecuencia de los datos de intensidad es crítica para lograr resultados de clasificación discriminativos con esta medida. Nuestros resultados indican que el aprendizaje profundo con señales de alta resolución espacial, como EROS, puede aplicarse con éxito a clasificaciones de un solo ensayo.