Embedded Files
Imagen del dispositivo de medición de señales cerebrales mediante Electroencefalografía (EEG) utilizado: openBCI ultracortex.
El reconocimiento de emociones a través de la electroencefalografía (EEG) se basa en los patrones específicos de actividad eléctrica cerebral asociados a las emociones. Al experimentar una emoción, diferentes áreas del cerebro se activan y producen señales eléctricas que pueden ser registradas por electrodos colocados en el cuero cabelludo.
Las señales cerebrales recopiladas de EEG se analizan por medio de algoritmos de procesamiento de señales y técnicas de aprendizaje automático y reconocer los patrones que corresponden a emociones específicas. Estos algoritmos pueden entrenarse utilizando conjuntos de datos previamente etiquetados con información sobre las emociones experimentadas por los participantes.
Una vez que el algoritmo ha sido entrenado, puede aplicarse para clasificar nuevas señales de EEG y predecir la emoción que está experimentando una persona en tiempo real. Un modelo conocido de emociones es el de valencia, estimulación, dominancia (VAD). En este modelo, cada emoción puede ser encontrada en un cubo tridimensional dependiendo de su nivel de valencia (positiva o negativa), de estimulación (muy estimulante o poco estimulante), y de dominancia (control alto o bajo).
Haz click en la imagen y mueve el mouse para girarla.
Diversos estudios han utilizado este mismo modelo para definir el nivel de miedo de una persona. Por ejemplo, niveles altos de miedo estarían vinculados con emociones negativas, muy estimulantes y de las que no tenemos control. Por el contrario, niveles bajos de miedo se entenderían como emociones positivas, poco estimulantes y de las que si tenemos control. Combinando entonces nuestro algoritmo de detección de emociones con EEG usando el modelo VAD, y la relación VAD/miedo, desarrollamos un algoritmo para detectar el nivel de miedo en tiempo real a través de la decodificación de señales EEG.
Page updated
Google Sites
Report abuse