PulseAI: Diagnóstico Asistido por IA

1. ¿Qué analiza?

Análisis de Pulso Cardíaco (ECG)

A partir de una señal eléctrica del corazón (electrocardiograma), el sistema evalúa cada latido con datos reales del dataset MIT-BIH y lo clasifica en:

• • Latido Normal (N): Patrón eléctrico regular y saludable.
• • Latido Ventricular (V): Contracción prematura en los ventrículos, tipo de arritmia que puede requerir atención médica.

Análisis de Células Sanguíneas

A partir de imágenes microscópicas (dataset BloodMNIST / MedMNIST), el sistema identifica 8 tipos de células:

2. Arquitectura del Sistema

El backend está construido como una API REST que al iniciar carga en memoria dos modelos de redes neuronales y los datasets de referencia. El frontend Angular se conecta directamente a la API desplegada en Google Cloud Run.

Cliente (Angular) → API REST (FastAPI)
                          │
              ┌───────────┴───────────┐
              │                       │
         Módulo ECG            Módulo Sangre
              │                       │
         model.keras      bloodmnist_cnn.keras
         (MIT-BIH)              (BloodMNIST)

Stack tecnológico

3. Instalación Local

El proyecto está contenerizado con Docker, lo que permite ponerlo en marcha en cualquier entorno con un solo comando, sin depender de configuraciones locales.

Requisitos

• ✓ Python 3.12+ (ejecución directa)
• ✓ Docker y Docker Compose (recomendado)

Con Docker (Recomendado)

# Construir y ejecutar
docker-compose up --build

# En segundo plano
docker-compose up -d --build

# Detener
docker-compose down

Sin Docker

python -m venv .venv
source .venv/bin/activate  # Linux/Mac

pip install -r requirements.txt

uvicorn main:app --host 0.0.0.0 --port 8000 --reload

4. Modelos de Inteligencia Artificial

Al iniciar el servidor se cargan en memoria dos modelos de redes neuronales previamente entrenados. El sistema está optimizado para ejecutarse completamente en CPU, sin necesidad de hardware especializado (GPU).

Modelo ECG — model.keras

Entrenado con datos reales de pacientes del dataset MIT-BIH (formato .npz). Clasifica señales cardíacas en latido Normal (N) o Ventricular (V).

Modelo Células — bloodmnist_cnn.keras

CNN entrenada con el dataset MedMNIST (BloodMNIST). Clasifica imágenes microscópicas en 8 tipos celulares. Devuelve el tipo de célula detectado, su probabilidad de certeza y una explicación en lenguaje natural.

4. API Endpoints

La API REST está documentada con OpenAPI/Swagger y expone los siguientes endpoints principales: