La ecografía pulmonar se utiliza para detectar varios artefactos en los pulmones que respaldan el diagnóstico de diferentes afecciones. Existe una investigación en curso para respaldar la detección automática de dichos artefactos utilizando el aprendizaje automático. Proponemos una solución que utiliza métodos analíticos de visión por computadora para detectar dos tipos de artefactos pulmonares, a saber, líneas A y B. Evaluamos el enfoque propuesto en el conjunto de datos POCUS y en datos adquiridos de un hospital. Mostramos que mediante el uso de la transformada de Fourier, podemos analizar imágenes de ecografía pulmonar en tiempo real y clasificar videos con una precisión superior al 70%. También evaluamos la aplicabilidad del método para la segmentación, mostrando su alto índice de éxito para las líneas B (precisión del 89%) y sus deficiencias para la detección de líneas A. Luego proponemos una solución híbrida que utiliza una combinación de redes neuronales y métodos analíticos para aumentar la precisión en la detección de líneas horizontales, haciendo hincapié en la pleura.