Este trabajo investiga la clasificación de imágenes de la tarea de golpeteo de dedos construidas para la duración de la caída inicial de la hemodinámica (HR) asociada con la pequeña área cerebral de la corteza motora izquierda utilizando espectroscopia funcional de luz infrarroja cercana (fNIRS). Diferentes capas (es decir, 16 capas, 19 capas, 22 capas y 25 capas) de una red neuronal convolucional (CNN) aislada diseñada desde cero son probadas para clasificar las tareas de golpeteo del pulgar y el dedo meñique de la mano derecha. Se construyeron mapas funcionales de las tareas de golpeteo de dedos (pulgar, meñique) para diversas duraciones (0.5 a 4 s con un intervalo uniforme de 0.5 s) para la duración de la caída inicial utilizando una función de HR diseñada basada en tres funciones gamma. Los resultados muestran que el modelo de CNN aislado de 22 capas obtuvo la mayor precisión de clasificación del 89.2% con menos complejidad al clasificar los mapas funcionales de pulgar y dedo meñique asociados con la misma pequeña área cerebral utilizando la caída inicial. Los resultados también demostraron que el área cerebral activa de las dos tareas de golpeteo de la misma pequeña área cerebral son altamente diferentes y están bien clasificadas utilizando mapas funcionales de la caída inicial (0.5 a 4 s) en comparación con mapas funcionales generados para HR retardada (14 s). Este estudio muestra que las imágenes construidas para la duración de la caída inicial pueden ser útiles en el futuro para el diagnóstico basado en fNIRS o el análisis cortical del intercambio anormal de oxígeno cerebral en pacientes.