Arquitectura iot orientada al análisis bioacústico y clasificación automática de sonidos respiratorios pediátricos

Abstract

El proyecto desarrolla una arquitectura IoT orientada al análisis bioacústico y clasificación automática de sonidos respiratorios pediátricos como apoyo al monitoreo infantil, el sistema integra un dispositivo basado en ESP32, micrófono digital INMP441 acoplado a un estetoscopio, acelerómetro MPU6050, backend en Node.js y Express, servidor de Machine Learning en Flask, base de datos MongoDB Atlas y una aplicación web progresiva. La metodología se estructuró mediante incrementos funcionales que abarcan adquisición, transmisión, procesamiento, clasificación, almacenamiento y visualización de resultados. Para el modelo Random Forest se emplearon 511 registros y 46 variables bioacústicas, aplicando balanceo únicamente al conjunto de entrenamiento y conservando 103 muestras para prueba. El modelo alcanzó 88,35 % de exactitud y 92,18 % de validación cruzada, los resultados se visualizan mediante métricas, historial, espectrogramas, forma de onda e informes PDF, sin sustituir la valoración médica profesional.