Este artículo propone un método de detección de ruidos respiratorios basado en aprendizaje profundo para abordar la subjetividad y las diferencias interexpertos en la auscultación, cruciales para el diagnóstico temprano de enfermedades respiratorias. Para abordar las limitaciones de los métodos existentes, como el procesamiento de audio de duración fija, la localización temporal imprecisa debido a la predicción fotograma a fotograma y el uso insuficiente de la información de ubicación de los ruidos respiratorios, presentamos un marco basado en redes neuronales de grafos que utiliza intervalos de anclaje. Este marco permite el procesamiento de audio de duración variable y la localización temporal precisa de ruidos respiratorios anormales. Los resultados experimentales con los conjuntos de datos SPRSound 2024 y HF Lung V1 demuestran la eficacia del método propuesto y la importancia de utilizar la información de ubicación de los ruidos respiratorios. Una implementación de referencia está disponible en GitHub.
