Para enfermedades que afectan la función cerebral, como los accidentes cerebrovasculares, la rehabilitación postinicio desempeña un papel crítico en el bienestar de los pacientes. MEG es una técnica con alta resolución temporal y espacial que mide las funciones cerebrales de forma no invasiva y se utiliza ampliamente para aplicaciones clínicas. Sin la capacidad de monitorear simultáneamente la actividad cerebral del paciente en tiempo real, la rehabilitación más efectiva no puede ocurrir. Para abordar este problema, es necesario desarrollar un sistema de neurofeedback que pueda ayudar en la rehabilitación en tiempo real; sin embargo, hacerlo requiere un método de análisis que sea rápido (menos tiempo de procesamiento significa que el paciente puede conectar mejor la retroalimentación con su estado mental), anime a los pacientes con lesiones cerebrales hacia las oscilaciones neurales necesarias para la tarea y permita que la ubicación espacial de esos patrones de oscilación cambie a lo largo de la rehabilitación. Como trabajo preliminar para establecer dicho método de análisis, comparamos tres métodos de descomposición por su velocidad y precisión en la detección de sincronización relacionada con eventos (ERS) y desincronización (ERD) en un cerebro sano durante una tarea de movimiento de dedos. Investigamos FastICA con 10 componentes, FastICA con 20 componentes y descomposición espacio-espectral (SSD). Los resultados mostraron que FastICA con 10 componentes fue el más adecuado para el monitoreo en tiempo real debido a su combinación de precisión y tiempo de análisis.