Detección de depresión mediante procesamiento de fotogramas

Autores/as

  • Rodolfo Romero-Herrera Instituto Politécnico Nacional
  • Odan Ricardo García Mosqueda
  • Cecilio Rivero García

Palabras clave:

Depresion, expresiones faciales, tristeza

Resumen

La depresión es un desorden mental que causa un alto costo. Por lo que es útil diseñar una herramienta de apoyo para su diagnóstico. Este proyecto propone medir el trastorno mental de la depresión en un individuo mediante el análisis de expresiones faciales donde se detecta la tristeza reiterativa como factor relacionado con la depresión; y una segunda técnica auxiliar mediante la prueba Montgomery aplicada por expertos en Psicología para verificar los resultados obtenidos. Se procesan fotogramas tomados de un video, donde se localiza la cara mediante Viola & Jones y puntos característicos BRISK relacionados con la tristeza. Para el reconocimiento de la expresión facial se usa FACS (Facial Action Units System); ya que se toma en cuenta el movimiento de los músculos atreves los puntos clave localizados, de los cuales mediante estadística se reconoce si hubo un cambio provocado por el movimiento. Como resultado el sistema permite la detección de la depresión mediante gráficas. La detección de la depresión es importante si se considera pérdidas sobre todo después del periodo de pandemia.

Citas

Botto, A., Acuña, J. E. C., & Jiménez, J. E. La depresión como un diagnóstico complejo: Implicancias para el desarrollo de recomendaciones clínicas. Revista Médica De Chile, 142(10), 1297-1305, 2014.

Thayer, R. E. The biopsychology of mood and arousal. Choice Reviews Online, 28(03), 28-1830. Velayos, J.L. Anatomía de la cabeza. Ed. Médica Panamericana, 2014

Ibor, M. I. L. Ansiedad y depresión, reacciones emocionales frente a la enfermedad. Anales de medicina interna, 24(5), 2007.

Agudelo, D., Buela-Casal, G., & Spielberger, C. D. Ansiedad y depresión: el problema de la diferenciación a través de los síntomas. Salud Mental, 30(2), 33-41, 2007.

Jan, A., Meng, H., Gaus, Y. F. A., Zhang, F., & Turabzadeh, S. Automatic Depression Scale Prediction using Facial Expression Dynamics and Regression, 2014.

Nasir, Jati, A., Shivakumar, P. G., Chakravarthula, S. N., & Georgiou, P. G. (2016). Multimodal and Multiresolution Depression Detection from Speech and Facial Landmark Features, 2016.

Yin, S., Liang, C., Ding, H., & Wang, S. A Multi-Modal Hierarchical Recurrent Neural Network for Depression Detection. 2019.

Scherer, S., Stratou, G., & Morency, L. Audiovisual behavior descriptors for depression assessment, 2013

Francese, R., & Attanasio, P. (2021). Supporting Depression Screening with Multimodal Emotion Detection, 2021.

B. H. Prasetio, H. Tamura and K. Tanno, "The facial stress recognition based on multi-histogram features and convolutional neural network", 2018 IEEE International Conference on Systems Man and Cybernetics (SMC), pp. 881-887, 2018.

M. Pediaditis, G. Giannakakis, F. Chiarugi, D. Manousos, A. Pampouch-idou, E. Christinaki, G. Iatraki, E. Kazantzaki, P. G. Simos, K. Marias et al., "Extraction of facial features as indicators of stress and anxiety", 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), pp. 3711-3714, 2015.

G. Giannakakis, M. Pediaditis, D. Manousos, E. Kazantzaki, F. Chiarugi, P. G. Simos, et al., "Stress and anxiety detection using facial cues from videos", Biomedical Signal Processing and Control, vol. 31, pp. 89-101, 2017.

P.A Friesen Ekman and W.V., The facial action coding system (book review), pp. 251, Jan 1979.

C. Viegas, S.-H. Lau, R. Maxion and A. Hauptmann, "Towards indepen-dent stress detection: A dependent model using facial action units", 2018 International Conference on Content-Based Multimedia Indexing (CBMI), pp. 1-6, 2018.

M. Gavrilescu and N. Vizireanu, "Predicting depression anxiety and stress levels from videos using the facial action coding system", Sensors, vol. 19, no. 17, pp. 3693, 2019.

P. Yuen, K. Hong, T. Chen, A. Tsitiridis, F. Kam, J. Jackman, D. James, M. Richardson, L. Williams, W. Oxford et al., Emotional & physical stress detection and classification using thermal imaging technique, 2009.

Pons, C., Giandini, R. S., & Pérez, G. T. Desarrollo de software dirigido por modelos. En Editorial de la Universidad Nacional de La Plata (EDULP) / McGraw-Hill Educación eBooks, 2010.

Agrawal, S., & Khatri, P. (2015). Facial Expression Detection Techniques: Based on Viola and Jones Algorithm and Principal Component Analysis, 2015.

Velayos, J.L. Anatomía de la cabeza. Ed. Médica Panamericana, 2014

Jaramillo, Q (2017). Músculos mímicos. Repositorio Institucional. Universidad Inca Garcilaso de la Vega. http://repositorio.uigv.edu.pe/handle/20.500.11818/1925

Rodríguez, J. M., & Noda, I. M. Técnica de fijación frontal en cirugía de ptosis palpebral mediante banda de silicona. Revista Médica Electrónica, 40(6), 2140-2155, 2018.

Corneanu, C. A., Madadi, M., & Escalera, S. Deep Structure Inference Network for Facial Action Unit Recognition. En Lecture Notes in Computer Science (pp. 309-324). Springer Science+Business Media, 2018.

Guédat, C., Stergiopulos, O., Kiliaridis, S., & Antonarakis, G. S. (2021). Association of masseter muscles thickness and facial morphology with facial expressions in children. Clinical and experimental dental research, 2021.

Leutenegger, S., Chli, M., & Siegwart, R. BRISK: Binary Robust invariant scalable keypoints, 2011.

Romero, R; Gallegos, F, Romero, J. Video Analysis with Faces using Harris Detector. Journal of Advanced Computer Science and Applications (IJACSA), Volume 10 Issue 8, 2019

Chen, T. Pythagorean fuzzy linear programming technique for multidimensional analysis of preference using a squared-distance-based approach for multiple criteria decision analysis. Expert Systems With Applications, 164, 2021.

Salem, E. A., Hassaballah, M., Mahmoud, M. M., & Ali, A. E. A. Facial Features Detection: A Comparative Study. En Advances in intelligent systems and computing (pp. 402-412). Springer Nature, 2021

Hengartner, M. P., Jakobsen, J. C., Sørensen, A., & Plöderl, M. Efficacy of new-generation antidepressants assessed with the Montgomery-Asberg Depression Rating Scale, the gold standard clinician rating scale: A meta-analysis of randomised placebo-controlled trials. PLOS ONE, 15(2), e0229381, 2020.

Descargas

Publicado

2024-12-13

Cómo citar

Romero-Herrera, R., García Mosqueda, O. R., & Rivero García, C. (2024). Detección de depresión mediante procesamiento de fotogramas. Revista Internacional De Investigación Multidisciplinaria, 1(1), 33–42. Recuperado a partir de http://orizaba.tecnm.mx/revistaojs/index.php/riim/article/view/207