Video Experimental Relacionado
Updated: Sep 10, 2025
12:51
Investigating the Neural Mechanisms of Aware and Unaware Fear Memory with fMRI
Published on: October 6, 2011
13.3K
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.
Brain sciences
|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.
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.
Palabras clave:
Procesamiento de señales EEGPRISMA (en inglés)computación afectivaInteligencia artificial (IA)análisis de ondas cerebralesInterfaz cerebro-ordenador (BCI, por sus siglas en inglés)electroencefalografía (EEG)reconocimiento de emocionesdetección de miedoAprendizaje automático (ML)señales neuronalesNeurotecnología
