La clasificación automática por computador de señales biomédicas permite la implementación de nuevos sistemas que ayudan a solucionar los problemas del servicio de la salud en las regiones más apartadas y más pobres del mundo. En ese sentido las tecnologías de la información deben proveer de modelos de bajo costo computacional y alta fiabilidad que puedan ser implementados en dispositivos portables de difusión masiva compatibles con los espacios geográficos donde se encuentran limitaciones de cobertura y el servicio existente de salud es deficiente. De esta manera la teledetección y el tele diagnóstico se convierten en temas fundamentales que contribuyen en la mejora de la calidad de vida de las personas afectadas por las condiciones sociales propias de países subdesarrollados. Con base en lo anterior se decide realizar una investigación en la cual se busca comparar el desempeño de distintos modelos de clasificación con la tarea de identificar patologías en el corazón humano adulto teniendo como insumo el sonido que genera durante su funcionamiento. Es claro que si existe alguna anomalía en el comportamiento, esta se verá reflejada en los sonidos producidos durante la actividad cardiaca en distintas etapas del ciclo, de ahí que se los denomina ruidos sistólicos o diastólicos según corresponda. En este documento se presenta una comparación del desempeño en términos de tasa de acierto, tasa de error, sensibilidad y especificidad de distintos modelos de clasificación automática que basan su funcionamiento en tres propuestas de extracción de características: Envolvente decimada, descriptor HOG y Wavelets para la clasificación de señales fonocardiográficas. El documento se divide en 5 capítulos donde los 2 primeros exploran los conceptos teóricos que sustentan los objetivos del trabajo. En el capítulo 3 se encuentra la metodología que inicia describiendo la forma de recopilación de las señales fonocardiográficas normales y patológicas utilizadas en la investigación expuesta, continuando con los procedimientos utilizados para la extracción de características y la validación de los clasificadores tipo máquina de soporte vectorial y red neuronal. Posteriormente en el capítulo 4 se consigan los resultados obtenidos en las pruebas de clasificación de cada uno de los modelos propuestos para distintas clases de señales tanto normales como patológicas y finalmente en el capítulo 5 se expresan las conclusiones obtenidas y se proponen trabajos futuros de investigación relacionados al tema. Se espera contribuir en el desarrollo de sistemas de clasificación aplicados a la detección de patologías humanas, un campo muy amplio pero de mucho auge que compromete a las universidades y a los entes de investigación a formular proyectos que conlleven al avance de la