Debido a la subjetividad que involucra actualmente el proceso de auscultacion pulmonar y su diagnostico para evaluar la condicion de las vias respiratorias de un paciente, este trabajo busca evaluar el desempeno de los algoritmos de clustering: k-means y DBSCAN para efectuar un analisis computacional de sonidos pulmonares con el objetivo de visualizar una representacion de dichos sonidos que exalte la presencia de estertores y la energia contenida en ellos. Para este fin, se emplearon tecnicas de descomposicion y analisis Wavelet a diferencia del tradicional analisis en frecuencia dada la similitud entre la forma de onda de un estertor tipico y la wavelet sym4. Obtenida la senal de sonido pulmonar con estertores aislados, el proceso de clustering agrupa estertores en regiones de alta presencia y ofrece una visualizacion que puede ser de utilidad para el diagnostico hecho por un experto. La evaluacion hecha sugiere que k-means agrupa conjuntos de estertores de forma mas efectiva que DBSCAN en terminos de clusters generados.