Clasificación de Señales Acústicas Biomédicas mediante el uso combinado de Análisis Topológico de Datos y Machine Learning
M. Martínez Pizarro, M. J. Rufo Bazaga, J. D. Hernández Guillén, A. Moreno Díaz
La caracterización de señales acústicas biomédicas requiere métodos que superen las limitaciones del análisis clásico de series temporales. Este trabajo propone el uso de una reciente herramienta estadística, denominada Análisis Topológico de Datos, para extraer características estructurales de las grabaciones de voz sostenida, que junto con los coeficientes cepstrales (MFCC), se introducen en modelos de aprendizaje automático para clasificar pacientes en sanos y enfermos. Para el preprocesamiento de los audios se aplicaron dos técnicas: la ventana deslizante y la transformación al espectrograma. Sobre estas representaciones se usaron, respectivamente, la filtración de Vietoris-Rips y la de conjuntos de subnivel, capturando la homología persistente de los datos. Los resultados indican que incorporar características topológicas mejora el rendimiento predictivo frente al uso exclusivo de MFCC, sugiriendo que la estructura topológica de la señal contiene información diagnóstica relevante.
Keywords: Análisis Topológico de Datos, Aprendizaje Automático, Señales Acústicas Biomédicas
Scheduled
Biostatistics I
September 4, 2026 11:10 AM
Aula 24
Other papers in the same session
I. Arostegui Madariaga, I. Barrio Beraza, A. Iparragirre Letamendia
M. C. Iglesias Pérez, T. Rodríguez Rodríguez
S. Rodríguez Pastoriza, Ó. Lado Baleato, J. Roca Pardiñas
A. Ruiz Vega, M. Á. Montero Alonso, J. D. Luna del Castillo
A. Fanjul Hevia, J. C. Pardo Fernández