Método de selección de canales efectivos orientado al reconocimiento emocional mediante señales electroencefalográficas

Resumen

El presente estudio aborda el reconocimiento automático de emociones humanas a partir de señales electroencefalográficas (EEG), en el marco de la computación afectiva y las interfaces cerebro-computadora. Basado en las teorías emocionales de Ekman, se diseñó una metodología centrada en el uso del conjunto de datos SEED-VII. Este conjunto de datos incluye registros multimodales (EEG y seguimiento ocular) recolectados en un diseño experimental controlado, destinado a elicitar seis emociones básicas y un estado neutro. La metodología consistió en la estandarización de archivos ".mat" mediante un conjunto de instrucciones escritas en el lenguaje de programación de Python que corrigen variables mal nombradas, seguido de la extracción de 22 características por canal EEG a través de 62 electrodos. Posteriormente, se aplicó el algoritmo MRMR (Minimum Redundancy Maximum Relevance) en dos fases: primero para la selección de características discriminativas y luego para identificar los canales más relevantes, permitiendo la formación de matrices optimizadas para clasificación. Los resultados muestran, en la redacción de un pseudocódigo, un alto porcentaje de efectividad en el modelo de 62 canales, destacando especialmente cuatro canales en la discriminación de emociones, representadas en una gráfica canales-afectividad. Además, el análisis MRMR permitió identificar los electrodos con mayor peso informativo, lo que optimiza el diseño de futuras interfaces EEG. En discusión, se destaca la robustez del procesamiento automatizado y la viabilidad del modelo propuesto para su integración en sistemas inteligentes de interacción humano-máquina. La confiabilidad de los datos EEG, su carácter involuntario y la capacidad de modelado dinámico de las redes neuronales consolidan este enfoque como una herramienta eficaz en el análisis de estados afectivos, contribuyendo al avance de tecnologías empáticas basadas en señales neurofisiológicas.