Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial
En la actualidad es importante detectar a tiempo la depresión, con el fin de llevar un tratamiento oportuno y mejorar la calidad de vida de las personas, este proceso de evaluación o detección requiere el uso de herramientas o test para llegar a un diagnóstico correcto por parte de profesionales de...
- Autores:
-
González Moreno, Andrés Santiago
- Tipo de recurso:
- Work document
- Fecha de publicación:
- 2024
- Institución:
- Universidad Pedagógica y Tecnológica de Colombia
- Repositorio:
- RiUPTC: Repositorio Institucional UPTC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uptc.edu.co:001/18087
- Acceso en línea:
- https://repositorio.uptc.edu.co/handle/001/18087
- Palabra clave:
- Ingeniería de Sistemas y Computación - Tesis y disertaciones académicas
Salud mental
Psiquiatría
Análisis de datos
Inteligencia artificial
Medios sociales
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/
| Summary: | En la actualidad es importante detectar a tiempo la depresión, con el fin de llevar un tratamiento oportuno y mejorar la calidad de vida de las personas, este proceso de evaluación o detección requiere el uso de herramientas o test para llegar a un diagnóstico correcto por parte de profesionales de la salud mental, lo cual puede llegar a ser largo de realizar o en algunos casos ser muy invasivo para las personas. A través de este proyecto se llevó a cabo la investigación de los síntomas que caracterizan el perfil de una persona con depresión y el desarrollo de una aplicación que detecta los posibles síntomas, mediante el uso de webscraping en redes sociales como Instagram, el uso de algoritmos de machine learning, análisis de datos y análisis facial en conjunto para obtener un resultado mas completo del que se puede llegar a tener solo con el texto obtenido en las publicaciones o el análisis aplicado a los rostros. Durante el desarrollo se investigaron los rasgos mas notorios en personas o pacientes con síntomas de depresión, así como los cambios en el lenguaje que puedan generar, con el fin de detectarlo en el texto de las publicaciones, además se investigaron y probaron distintos algoritmos de machine learning con un conjunto de datos para clasificar las publicaciones en suicida o no suicida. Se implementaron módulos de webscraping, clasificación de palabras y una API de análisis facial para descargar y analizar las publicaciones de los perfiles. Durante el desarrollo encontraron varios obstáculos y consideraciones relacionadas a las políticas de uso de Instagram, el manejo de datos personales y los problemas que puede haber al trabajar con este tipo de datos y analizarlos. Este proyecto aporta una base o contexto para crear herramientas de análisis e investigación que sean capaces de detectar síntomas relacionados a la depresión y que trabajen de la mano con otros recursos de diagnóstico y validación clínica. |
|---|
