Comportamiento de la mirada y análisis mediante aprendizaje automático de la depresión en la juventud: una revisión sistemática
Título del documento: Comportamiento de la mirada y análisis mediante aprendizaje automático de la depresión en la juventud: una revisión sistemática
Revista: Xikua boletín científico de la escuela superior de Tlahuelilpan
Base de datos:
Número de sistema: 000585710
ISSN: 2007-4948
Autores: 1
1
2
1
1
3
Instituciones: 1Departamento de Ciencias Computacionales, TecNM/CENIDET, Cuernavaca, Morelos, México,
2Centro de investigaciones en salud poblacional, Instituto Nacional de Salud Pública, Cuernavaca, Morelos, México,
3Departamento de Ciencias Computacionales, TecNM/CENIDET, Cuernavaca, Morelos, Mexico,
Año:
Volumen: 12
Número: 23
Paginación: 56-68
País: México
Idioma: Español
Resumen en inglés This review aimed to comprehend the relationship between ocular characteristics and depression in young individuals, for its application in machine learning. A systematic review was conducted to examine ocular behavior in individuals with depressive symptoms and identify eye movement patterns related to mental disorders. The search was conducted using Google Scholar, Semantic Scholar, PubMed, SpringerLink, MDPI, EBSCO, and IEEE Xplore databases. More than 50 publications from the past five years were reviewed. Correlation studies on ocular behavior in individuals with depression and control groups were examined, providing insights into the attentional component of depression. Furthermore, research on depression detection using machine learning algorithms and eye data was reviewed, involving different experimental eye-tracking paradigms and datasets to record information while participants viewed emotional visual stimuli. This review presents associations between different mental states and ocular behavior, with an emphasis on young populations. Through eye-tracking technology, it is possible to support the diagnosis of depression and, consequently, prevent its development. General trends were identified for both young and adult populations, which should be considered in future automatic detection of mental disorders using eye data.
Resumen en español Esta revisión tuvo como objetivo comprender la relación entre las características oculares y la depresión en personas jóvenes, para su aplicación en el aprendizaje automático. Se realizó una revisión sistemática para examinar el comportamiento ocular en personas con síntomas depresivos e identificar patrones de movimiento ocular relacionados con trastornos mentales. La búsqueda se realizó utilizando las bases de datos de Google Scholar, Semantic Scholar, PubMed, SpringerLink, MDPI, EBSCO e IEEE Xplore. Se revisaron más de 50 publicaciones de los últimos cinco años. Se revisaron estudios de correlación sobre el comportamiento ocular en personas con depresión y grupos de control, lo que proporcionó información sobre el componente de atención en la depresión. Además, se revisaron investigaciones sobre la detección de la depresión mediante algoritmos de aprendizaje automático y datos oculares donde se utilizaron diferentes paradigmas experimentales de seguimiento ocular y conjuntos de datos para registrar información mientras los participantes observaban estímulos visuales emocionales. Esta revisión presenta relaciones entre diferentes estados mentales y el comportamiento ocular, haciendo hincapié en las poblaciones jóvenes. Mediante la tecnología de seguimiento ocular, es posible apoyar el diagnóstico de la depresión y, por lo tanto, prevenir su desarrollo. Se identificaron tendencias generales para las poblaciones jóvenes y adultas, que deben considerarse en futuras detecciones automáticas de trastornos mentales utilizando datos oculares.
Palabras clave: Depresión,
Salud mental,
Juventud,
Seguimiento ocular,
Computación afectiva,
Aprendizaje automático
Keyword: Depression,
Mental health,
Young,
Eye-tracking,
Affective Computing,
Machine Learning
Texto completo: Texto completo (Ver PDF)