Estudio y aplicación de la teoría psicofisiológica de la emoción para la detección y clasificación del estado afectivo del usuario mediante técnicas de Machine Learning para el apoyo en procesos de rehabilitación

Abstract

En este trabajo se realiza una contribución a los sistemas automáticos de detección y clasificación de emociones, con el fin de ayudar a la adherencia en los procesos de rehabilitación. Para ello se sigue un proceso analítico en el que, en primera instancia, se realiza un estudio profundo de la teoría emocional y su evolución a lo largo de los años, así como su incidencia sobre la fisiología de la persona (psicofisiología). Seguidamente, se demuestra esta incidencia mediante la elaboración de un clasificador del estado emocional basado en redes neuronales profundas, utilizando un conjunto de datos públicos. Una vez demostrada la teoría, se diseña e implementa un dispositivo portable capaz de recolectar información en tiempo real de diversas variables fisiológicas del paciente. Con dicho dispositivo, se elabora un protocolo propio de evaluación basado en la exposición de los participantes a diversos estímulos audiovisuales, aprobado por un comité ético, con el objetivo de recolectar un conjunto de datos de participantes sobre los cuales se estudia la teoría psicofisiológica en profundidad. Para ello se sigue un proceso de optimización y evaluación hasta obtener el clasificador con la combinación de variables fisiológicas que mejor determina el estado emocional del usuario. Los resultados demuestran que la combinación de sensores formada por la respuesta galvánica de la piel y la señal de hemoglobina oxigenada en sangre conforma el conjunto de variables fisiológicas que mejor representa el estado emocional. Estos resultados demuestran la viabilidad de hacer uso de este tipo de sistemas en procesos de rehabilitación, proporcionando información útil al profesional sanitario para adaptar los ejercicios y la intensidad de los mismos dependiendo del paciente.