Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios

Autores
Tolaba, Norberto I.; Revollo Sarmiento, G. Noelia
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las enfermedades respiratorias pulmonares constituyen una de las principales causas de morbilidad y mortalidad a nivel mundial. El diagnóstico tradicional presenta limitaciones subjetivas, variabilidad entre médicos, inclusive pueden ser muy costosas. La sinergia de la Inteligencia Artificial (IA) con la medicina es una potencial herramienta para el desarrollo de sistemas de detección temprana, automáticos, no invasivos y eficientes que sirven de apoyo al diagnóstico médico. En este contexto, se exploraron dos modelos de IA para la identificación automática de enfermedades pulmonares a partir de sonidos respiratorios de pacientes. Se construyeron dos clasificadores aplicando los algoritmos de las redes CNN y BLSTM. Los resultados son prometedores, obteniendo una exactitud global de 80 % en el modelo CNN.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Clasificación Automática
Procesamiento de señales
Inteligencia artificial
Coeficientes cepstrales de Frecuencia Mel
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/191498
Acceder
id SEDICI_a261b03143dd0ceb826e740dd4b21516
oai_identifier_str oai:sedici.unlp.edu.ar:10915/191498
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Identificación Inteligente de Enfermedades Pulmonares en Audios RespiratoriosTolaba, Norberto I.Revollo Sarmiento, G. NoeliaCiencias InformáticasClasificación AutomáticaProcesamiento de señalesInteligencia artificialCoeficientes cepstrales de Frecuencia MelLas enfermedades respiratorias pulmonares constituyen una de las principales causas de morbilidad y mortalidad a nivel mundial. El diagnóstico tradicional presenta limitaciones subjetivas, variabilidad entre médicos, inclusive pueden ser muy costosas. La sinergia de la Inteligencia Artificial (IA) con la medicina es una potencial herramienta para el desarrollo de sistemas de detección temprana, automáticos, no invasivos y eficientes que sirven de apoyo al diagnóstico médico. En este contexto, se exploraron dos modelos de IA para la identificación automática de enfermedades pulmonares a partir de sonidos respiratorios de pacientes. Se construyeron dos clasificadores aplicando los algoritmos de las redes CNN y BLSTM. Los resultados son prometedores, obteniendo una exactitud global de 80 % en el modelo CNN.Red de Universidades con Carreras en Informática2025-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf196-201http://sedici.unlp.edu.ar/handle/10915/191498spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7info:eu-repo/semantics/reference/hdl/10915/189846info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-04-08T10:40:46Zoai:sedici.unlp.edu.ar:10915/191498Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-08 10:40:46.786SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
title Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
spellingShingle Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
Tolaba, Norberto I.
Ciencias Informáticas
Clasificación Automática
Procesamiento de señales
Inteligencia artificial
Coeficientes cepstrales de Frecuencia Mel
title_short Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
title_full Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
title_fullStr Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
title_full_unstemmed Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
title_sort Identificación Inteligente de Enfermedades Pulmonares en Audios Respiratorios
dc.creator.none.fl_str_mv Tolaba, Norberto I.
Revollo Sarmiento, G. Noelia
author Tolaba, Norberto I.
author_facet Tolaba, Norberto I.
Revollo Sarmiento, G. Noelia
author_role author
author2 Revollo Sarmiento, G. Noelia
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Clasificación Automática
Procesamiento de señales
Inteligencia artificial
Coeficientes cepstrales de Frecuencia Mel
topic Ciencias Informáticas
Clasificación Automática
Procesamiento de señales
Inteligencia artificial
Coeficientes cepstrales de Frecuencia Mel
dc.description.none.fl_txt_mv Las enfermedades respiratorias pulmonares constituyen una de las principales causas de morbilidad y mortalidad a nivel mundial. El diagnóstico tradicional presenta limitaciones subjetivas, variabilidad entre médicos, inclusive pueden ser muy costosas. La sinergia de la Inteligencia Artificial (IA) con la medicina es una potencial herramienta para el desarrollo de sistemas de detección temprana, automáticos, no invasivos y eficientes que sirven de apoyo al diagnóstico médico. En este contexto, se exploraron dos modelos de IA para la identificación automática de enfermedades pulmonares a partir de sonidos respiratorios de pacientes. Se construyeron dos clasificadores aplicando los algoritmos de las redes CNN y BLSTM. Los resultados son prometedores, obteniendo una exactitud global de 80 % en el modelo CNN.
Red de Universidades con Carreras en Informática
description Las enfermedades respiratorias pulmonares constituyen una de las principales causas de morbilidad y mortalidad a nivel mundial. El diagnóstico tradicional presenta limitaciones subjetivas, variabilidad entre médicos, inclusive pueden ser muy costosas. La sinergia de la Inteligencia Artificial (IA) con la medicina es una potencial herramienta para el desarrollo de sistemas de detección temprana, automáticos, no invasivos y eficientes que sirven de apoyo al diagnóstico médico. En este contexto, se exploraron dos modelos de IA para la identificación automática de enfermedades pulmonares a partir de sonidos respiratorios de pacientes. Se construyeron dos clasificadores aplicando los algoritmos de las redes CNN y BLSTM. Los resultados son prometedores, obteniendo una exactitud global de 80 % en el modelo CNN.
publishDate 2025
dc.date.none.fl_str_mv 2025-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/191498
url http://sedici.unlp.edu.ar/handle/10915/191498
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7
info:eu-repo/semantics/reference/hdl/10915/189846
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
196-201
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1861919541549858816
score 13.018236

Publicaciones similares