Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Microencapsulation of <i>Agave cupreata</i> Extract by Spray Drying: Physicochemical Properties and Antibacterial and Antiulcerogenic Activities.

International journal of food science·2025

Same author

Phenolic Compounds of Therapeutic Interest in Neuroprotection.

Journal of xenobiotics·2024

Same author

Chemical and Biological Characterization of Green and Processed Coffee Beans from <i>Coffea arabica</i> Varieties.

Molecules (Basel, Switzerland)·2023

Same author

Parkinson's Disease Detection from Voice Recordings Using Associative Memories.

Healthcare (Basel, Switzerland)·2023

Same author

Landslide Susceptibility Assessment Using an AutoML Framework.

International journal of environmental research and public health·2021

Same author

Objective classification of psychomotor laparoscopic skills of surgeons based on three different approaches.

International journal of computer assisted radiology and surgery·2019

Search research articles

Video Experimental Relacionado

Updated: Sep 10, 2025

Investigating the Neural Mechanisms of Aware and Unaware Fear Memory with fMRI

Investigating the Neural Mechanisms of Aware and Unaware Fear Memory with fMRI

Published on: October 6, 2011

Detección del miedo mediante electroencefalograma e inteligencia artificial: una revisión sistemática

Bladimir Serna¹, Ricardo Salazar², Gustavo A Alonso-Silverio³

¹Centro de Innovación, Competitividad y Sostenibilidad, Universidad Autónoma de Guerrero, Acapulco 39640, Guerrero, Mexico.

|August 28, 2025

Resumen

La inteligencia artificial (IA) detecta efectivamente el miedo utilizando señales de electroencefalograma (EEG). Los modelos no lineales combinados con estímulos inmersivos lograron una precisión de hasta el 92%, mostrando un gran potencial para diversas aplicaciones.

Palabras clave:

Procesamiento de señales EEG PRISMA (en inglés)computación afectiva Inteligencia artificial (IA)análisis de ondas cerebrales Interfaz cerebro-ordenador (BCI, por sus siglas en inglés)electroencefalografía (EEG)reconocimiento de emociones detección de miedo Aprendizaje automático (ML)señales neuronales Neurotecnología

Más Videos Relacionados

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

Published on: June 3, 2013

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Investigating the Neural Mechanisms of Aware and Unaware Fear Memory with fMRI

Investigating the Neural Mechanisms of Aware and Unaware Fear Memory with fMRI

Published on: October 6, 2011

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

Published on: June 3, 2013

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

Área de la Ciencia:

La neurociencia
Ciencias de la computación
La computación afectiva

Sus antecedentes:

La detección del miedo mediante señales de electroencefalograma (EEG) es crucial para aplicaciones en salud mental, computación afectiva y sistemas de seguridad inteligentes.
La inteligencia artificial (IA) ofrece capacidades avanzadas para analizar datos complejos de EEG para identificar estados de miedo.

Objetivo del estudio:

Revisar e identificar sistemáticamente los métodos, algoritmos y configuraciones de IA más efectivos para la detección del miedo a partir de las señales de EEG.
Para sintetizar hallazgos en paradigmas experimentales, dispositivos de EEG, bandas de ondas cerebrales y colocaciones de electrodos que optimizan la precisión de la detección del miedo.

Principales métodos:

Se realizó una búsqueda sistemática de la literatura siguiendo las pautas de PRISMA 2020, utilizando palabras clave relacionadas con la detección del miedo, la IA y el aprendizaje automático.
Se seleccionaron once estudios relevantes basados en criterios de inclusión y exclusión predefinidos, centrados en la detección del miedo basada en EEG.

Principales resultados:

Los modelos de IA no lineales, particularmente las máquinas de vectores de soporte (SVM) y las redes neuronales convolucionales (CNN), demostraron una alta precisión de clasificación (hasta el 92%), especialmente con la estimulación inmersiva.
Las frecuencias de ondas cerebrales beta y gamma fueron consistentemente vinculadas a las respuestas de miedo.
Los dispositivos EEG específicos (Emotiv, Biosemi), la colocación de electrodos frontotemporales y los conjuntos de datos patentados contribuyeron a mejorar el rendimiento del modelo.

Conclusiones:

La detección de miedo basada en EEG con IA muestra un potencial significativo y un rápido desarrollo.
Esta tecnología tiene amplias aplicaciones interdisciplinarias en atención médica, sistemas de seguridad inteligentes y computación afectiva.