Arquitectura híbrida CNN-RNN con espectrogramas para detectar sibilancias y crepitaciones, aprendizaje por transferencia con pocos datos y compresión 4× para edge. Q2BSTUDIO transforma estos avances en IA y software multiplataforma.
Clasificación de sonidos respiratorios con espectrogramas Mel mediante CNN-RNN, personalización por paciente y cuantización logarítmica para wearables, con data augmentation y soluciones IA.
Cuantización log-quant reduce 4× la memoria de modelos CNN-RNN para detección en tiempo real de sonidos pulmonares en dispositivos edge, con personalización por paciente y despliegue seguro en AWS/Azure.
Odometría IMU basada en RNN para AUVs de bajo coste: estimación de velocidad más estable que EKF usando sensores económicos. Soluciones IA, integración embebida y despliegues en AWS/Azure, ciberseguridad y BI con Q2BSTUDIO.