Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Association Areas of the Cortex01:21

Association Areas of the Cortex

8.7K
Association areas are regions of the cerebral cortex that do not have a specific sensory or motor function. Instead, they integrate and interpret information from various sources to enable higher cognitive processes such as memory, learning, and decision-making. Some key association areas include the following:
Prefrontal Association Area: This area is located in the frontal lobe and is involved in planning, decision-making, and moderating social behavior. It connects with primary motor areas,...
8.7K
Labeling Emotion01:20

Labeling Emotion

582
Emotional labeling is a cognitive process that involves identifying and naming one's emotions, such as anger, fear, happiness, or sadness. It allows individuals to recognize and express their internal emotional states, a critical aspect of emotional regulation and communication. Labeling emotions requires more than mere recognition; it also involves drawing upon memory and contextual cues to understand the current situation and apply a corresponding emotional label. For instance, feeling...
582
Facial Feedback Hypothesis01:24

Facial Feedback Hypothesis

526
Charles Darwin proposed that facial expressions are an evolutionary adaptation for communication. He argued that these expressions are not influenced by culture but are universal across species. For example, a snarling expression with exposed teeth signals a threat in many animals, including humans. Darwin also suggested that displaying an emotion can intensify the feeling. Smiling, for example, could enhance one's sense of happiness. This idea laid the foundation for understanding the role...
526

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

ICTD: Combination of Improved CNN-Transformer and Enhanced Deep Canonical Correlation Analysis for Eye-Movement Emotion Classification.

Brain sciences·2026
Same author

Longitudinal modeling of red blood cell distribution width dynamics and mortality risk in critically Ill patients with sepsis-associated acute kidney injury.

PloS one·2025
Same author

Clinical trials and advanced MRI techniques with stem cell therapy for ischemic stroke: present and future perspectives.

Journal of translational medicine·2025
Same author

Quantitative evaluation of China's new health insurance payment policy based on the policy modeling consistency (PMC) index model.

BMC health services research·2025
Same author

Decoding Rhizosphere Synergies: <i>Pseudomonas</i> and <i>Bacillus</i> Enhance Microbiome-Mediated Suppression of <i>Rhizoctonia solani</i> in Sugar Beet.

Phytopathology·2025
Same author

Microglia/macrophage-specific deletion of TLR-4 protects against neural effects of diet-induced obesity in a sexually dimorphic manner.

Journal of neuroinflammation·2025
Same journal

Anterior Cingulate Cortex Mediates State-Dependent Prioritization of Distressed Conspecifics.

Brain sciences·2026
Same journal

Hemispherotomy for Pediatric Post-Traumatic Epilepsy.

Brain sciences·2026
Same journal

When Robots Learn: Artificial Intelligence and the Next Human-Centered Era of Neurorehabilitation.

Brain sciences·2026
Same journal

The Association Between Changes in White Matter Microstructure and Cognitive Function in Older Adults with Mild Cognitive Impairment.

Brain sciences·2026
Same journal

Beyond Ventricular Enlargement: Multimodal MRI Assessment Improves Surgical Decision-Making in Normal Pressure Hydrocephalus.

Brain sciences·2026
Same journal

The Effects of Personalized Observation, Execution, and Mental Imagery (POEM) Therapy in Logopenic Primary Progressive Aphasia: A Telepractice-Based Single-Case Study.

Brain sciences·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jan 7, 2026

Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
07:12

Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation

Published on: August 26, 2016

9.8K

Red de Características Capsulares Temporales para el Reconocimiento de Emociones Mediante Seguimiento Ocular

Qingfeng Gu1, Jiannan Chi1,2, Cong Zhang1

  • 1Beijing Engineering Research Center of Industrial Spectrum Imaging, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, China.

Brain sciences
|December 24, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio presenta una nueva Red de Características Capsulares Temporales (TCFN) para mejorar el reconocimiento de emociones utilizando datos de seguimiento ocular (ET). La TCFN mejora la dinámica temporal y la especificidad de las características, logrando una alta precisión en las tareas de clasificación de emociones.

Palabras clave:
clasificación MLPred capsularreconocimiento de emocionesseguimiento ocularred de características temporales

Más Videos Relacionados

Author Spotlight: Deciphering Electrical Networks Behind Complex Brain Activities and Disorders
05:49

Author Spotlight: Deciphering Electrical Networks Behind Complex Brain Activities and Disorders

Published on: November 1, 2024

1.2K
Simultaneous Eye Tracking and Single-Neuron Recordings in Human Epilepsy Patients
07:43

Simultaneous Eye Tracking and Single-Neuron Recordings in Human Epilepsy Patients

Published on: June 17, 2019

8.2K

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
07:12

Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation

Published on: August 26, 2016

9.8K
Author Spotlight: Deciphering Electrical Networks Behind Complex Brain Activities and Disorders
05:49

Author Spotlight: Deciphering Electrical Networks Behind Complex Brain Activities and Disorders

Published on: November 1, 2024

1.2K
Simultaneous Eye Tracking and Single-Neuron Recordings in Human Epilepsy Patients
07:43

Simultaneous Eye Tracking and Single-Neuron Recordings in Human Epilepsy Patients

Published on: June 17, 2019

8.2K

Área de la Ciencia:

  • Análisis de señales fisiológicas
  • Computación afectiva
  • Interacción humano-computadora

Sus antecedentes:

  • Los parámetros de seguimiento ocular (ET) son valiosas señales fisiológicas para el reconocimiento de emociones.
  • Los métodos actuales tienen dificultades para extraer la dinámica temporal y las características específicas de las emociones de los datos de ET.
  • Los desafíos incluyen la limitada robustez del modelo y las capacidades de generalización individual.

Objetivo del estudio:

  • Proponer una novedosa Red de Características Capsulares Temporales (TCFN) para mejorar el reconocimiento de emociones basado en el seguimiento ocular.
  • Abordar las limitaciones en la extracción de información de dinámica temporal y la especificidad de características en los modelos existentes.
  • Mejorar la robustez y la generalización individual de los sistemas de reconocimiento de emociones.

Principales métodos:

  • Desarrolló una Red de Características Capsulares Temporales (TCFN) que incorpora un Módulo de Características de Ventana para la dinámica temporal.
  • Utilizó un Módulo de Red Capsular especializado para capturar las interdependencias de las características.
  • Implementó un Módulo de Clasificación MLP y un Mecanismo de Doble Pérdida para un rendimiento optimizado.

Principales resultados:

  • Logró una precisión promedio del 83,27 % para la Arousal y del 89,94 % para la Valencia (tres clases) en el conjunto de datos eSEE-d.
  • Alcanzó una precisión del 63,85 % para el reconocimiento de emociones de cuatro categorías, entre sesiones, en el conjunto de datos SEED-IV.
  • Demostró la superioridad del modelo TCFN en tareas de reconocimiento de emociones.

Conclusiones:

  • La TCFN propuesta extrae eficazmente información de dinámica temporal y características específicas de las emociones de los datos de seguimiento ocular.
  • La TCFN muestra mejoras significativas en precisión y generalización para el reconocimiento de emociones.
  • Este enfoque ofrece una dirección prometedora para sistemas avanzados de computación afectiva.