Los microarrays de electrodos (MEAs) son equipos esenciales en neurociencia para estudiar el comportamiento y la organización del sistema nervioso. Los MEAs son matrices de electrodos paralelos que funcionan al detectar el potencial extracelular de las neuronas en su proximidad. El procesamiento de los datos adquiridos de los MEAs es una tarea computacionalmente intensiva que requiere paralelización. Se realiza utilizando algoritmos complejos de procesamiento de señales y plantillas arquitectónicas. En este documento, proponemos el uso de algoritmos basados en computación aproximada en Field Programmable Gate Arrays (FPGAs), lo cual puede ser muy útil en implementaciones personalizadas para procesar señales neuronales adquiridas de MEAs. La motivación es proporcionar mejores ganancias de rendimiento en el área del sistema, consumo de energía y latencia asociada con el procesamiento en tiempo real a costa de una precisión de salida reducida dentro de ciertos límites. Tres tipos de sumadores aproximados se exploran en diferentes configuraciones para desarrollar los algoritmos de procesamiento de señales. Los algoritmos se utilizan para construir sistemas de procesamiento aproximados en FPGA y luego compararlos con el sistema preciso. Todos los sistemas precisos y aproximados se prueban en señales biológicas reales con la misma configuración. Los resultados muestran una mejora en la velocidad de procesamiento de hasta un 37,6% en algunos sistemas aproximados sin pérdida de precisión. En otros sistemas aproximados, la reducción del área es de hasta un 14,3%. Otros sistemas muestran el equilibrio entre velocidad de procesamiento, precisión y área.