Derick Axel Lagunes-Ramírez, Gabriel González-Serna, Leonor Rivera-Rivera, Nimrod González-Franco, Dante Mújica-Vargas, María Y. Hernández-Pérez
{"title":"Comportamiento de la mirada y análisis mediante aprendizaje automático de la depresión en la juventud: una revisión sistemática","authors":"Derick Axel Lagunes-Ramírez, Gabriel González-Serna, Leonor Rivera-Rivera, Nimrod González-Franco, Dante Mújica-Vargas, María Y. Hernández-Pérez","doi":"10.29057/xikua.v12i23.11808","DOIUrl":null,"url":null,"abstract":"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.","PeriodicalId":485716,"journal":{"name":"Xikua boletín científico de la escuela superior de Tlahuelilpan","volume":"19 2","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-01-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Xikua boletín científico de la escuela superior de Tlahuelilpan","FirstCategoryId":"0","ListUrlMain":"https://doi.org/10.29057/xikua.v12i23.11808","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
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.