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/
| id |
REPOUPTC2_bc06da6867e5bb8f1b70db8c28987091 |
|---|---|
| oai_identifier_str |
oai:repositorio.uptc.edu.co:001/18087 |
| network_acronym_str |
REPOUPTC2 |
| network_name_str |
RiUPTC: Repositorio Institucional UPTC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| title |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| spellingShingle |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial Ingeniería de Sistemas y Computación - Tesis y disertaciones académicas Salud mental Psiquiatría Análisis de datos Inteligencia artificial Medios sociales |
| title_short |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| title_full |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| title_fullStr |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| title_full_unstemmed |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| title_sort |
Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facial |
| dc.creator.fl_str_mv |
González Moreno, Andrés Santiago |
| dc.contributor.advisor.none.fl_str_mv |
Ballesteros Ricaurte, Javier Antonio |
| dc.contributor.author.none.fl_str_mv |
González Moreno, Andrés Santiago |
| dc.subject.unesco.none.fl_str_mv |
Ingeniería de Sistemas y Computación - Tesis y disertaciones académicas Salud mental Psiquiatría Análisis de datos Inteligencia artificial Medios sociales |
| topic |
Ingeniería de Sistemas y Computación - Tesis y disertaciones académicas Salud mental Psiquiatría Análisis de datos Inteligencia artificial Medios sociales |
| description |
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. |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-08-26T14:24:53Z |
| dc.date.available.none.fl_str_mv |
2025-08-26T14:24:53Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_8042 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/WP |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_8042 |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.uptc.edu.co/handle/001/18087 |
| dc.identifier.bibliographicCitation.none.fl_str_mv |
World Health Organization, «Depressive disorder (depression)», World Health Organization. Accedido: 16 de septiembre de 2024. [En línea]. Disponible en: https://www.who.int/news-room/fact-sheets/detail/depression Asociación Americana de Psiquiatría, «Guía de consulta de los criterios diagnósticos del DSM-5TM», 2014. doi: https://doi/book/10.1176/appi.books.9780890425596. United States Preventive Services Taskforce USPSTF, «Recommendation: Depression and Suicide Risk in Adults: Screening | United States Preventive Services Taskforce». Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.uspreventiveservicestaskforce.org/uspstf/recommendation/screening depression-suicide-risk-adults Asociación Americana de Psiquiatría, «Psychiatry.org - ¿Qué es la depresión?» Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.psychiatry.org/patients families/la-salud-mental/depresion/que-es-la-depresion M. Malgaroli, A. Calderon, y G. A. Bonanno, «Networks of major depressive disorder: A systematic review», Clin Psychol Rev, vol. 85, p. 102000, abr. 2021, doi: 10.1016/j.cpr.2021.102000. S. A. Morales Restrepo y D. A. Chavarro Carvajal, «Una visión holística de la depresión en adultos mayores colombianos», Universitas Médica, vol. 62, n.o 1, mar. 2021, doi: 10.11144/javeriana.umed62-1.holi. Á. Aguirre Baztán, «Antropología de la depresión», sep. 2008. Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?id=27180302 M. G. Gottschalk y K. Domschke, «Genetics of generalized anxiety disorder and related traits», Dialogues Clin Neurosci, vol. 19, n.o 2, pp. 159-168, jun. 2017, doi: 10.31887/DCNS.2017.19.2/kdomschke. F. R. Wendt et al., «Using phenotype risk scores to enhance gene discovery for generalized anxiety disorder and posttraumatic stress disorder», Mol Psychiatry, vol. 27, n.o 4, pp. 2206-2215, abr. 2022, doi: 10.1038/s41380-022-01469-y. A. Abal Aldao, «Uso de algoritmos de apredizaje máquina para la detección de ciberacoso en redes sociales», Universidade da Coruña. Facultade de Informática. Accedido: 8 de junio de 2024. [En línea]. Disponible en: http://hdl.handle.net/2183/33992 |
| url |
https://repositorio.uptc.edu.co/handle/001/18087 |
| identifier_str_mv |
World Health Organization, «Depressive disorder (depression)», World Health Organization. Accedido: 16 de septiembre de 2024. [En línea]. Disponible en: https://www.who.int/news-room/fact-sheets/detail/depression Asociación Americana de Psiquiatría, «Guía de consulta de los criterios diagnósticos del DSM-5TM», 2014. doi: https://doi/book/10.1176/appi.books.9780890425596. United States Preventive Services Taskforce USPSTF, «Recommendation: Depression and Suicide Risk in Adults: Screening | United States Preventive Services Taskforce». Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.uspreventiveservicestaskforce.org/uspstf/recommendation/screening depression-suicide-risk-adults Asociación Americana de Psiquiatría, «Psychiatry.org - ¿Qué es la depresión?» Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.psychiatry.org/patients families/la-salud-mental/depresion/que-es-la-depresion M. Malgaroli, A. Calderon, y G. A. Bonanno, «Networks of major depressive disorder: A systematic review», Clin Psychol Rev, vol. 85, p. 102000, abr. 2021, doi: 10.1016/j.cpr.2021.102000. S. A. Morales Restrepo y D. A. Chavarro Carvajal, «Una visión holística de la depresión en adultos mayores colombianos», Universitas Médica, vol. 62, n.o 1, mar. 2021, doi: 10.11144/javeriana.umed62-1.holi. Á. Aguirre Baztán, «Antropología de la depresión», sep. 2008. Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?id=27180302 M. G. Gottschalk y K. Domschke, «Genetics of generalized anxiety disorder and related traits», Dialogues Clin Neurosci, vol. 19, n.o 2, pp. 159-168, jun. 2017, doi: 10.31887/DCNS.2017.19.2/kdomschke. F. R. Wendt et al., «Using phenotype risk scores to enhance gene discovery for generalized anxiety disorder and posttraumatic stress disorder», Mol Psychiatry, vol. 27, n.o 4, pp. 2206-2215, abr. 2022, doi: 10.1038/s41380-022-01469-y. A. Abal Aldao, «Uso de algoritmos de apredizaje máquina para la detección de ciberacoso en redes sociales», Universidade da Coruña. Facultade de Informática. Accedido: 8 de junio de 2024. [En línea]. Disponible en: http://hdl.handle.net/2183/33992 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.en.fl_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Attribution-NonCommercial-ShareAlike 4.0 International http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
pdf |
| dc.format.extent.none.fl_str_mv |
78 páginas : ilustraciones |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Pedagógica y Tecnológica de Colombia |
| dc.publisher.spa.fl_str_mv |
Universidad Pedagógica y Tecnológica de Colombia |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Tunja |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de sistemas y computación |
| publisher.none.fl_str_mv |
Universidad Pedagógica y Tecnológica de Colombia |
| institution |
Universidad Pedagógica y Tecnológica de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.uptc.edu.co/bitstreams/7af2b2b5-b67e-4b11-b4ea-46945f7eb794/download https://repositorio.uptc.edu.co/bitstreams/88ef7d7c-241b-400b-918a-bdef529460c8/download https://repositorio.uptc.edu.co/bitstreams/825d7550-1873-4ba2-bac4-99d8b5b945e1/download https://repositorio.uptc.edu.co/bitstreams/e6e65dc7-178f-4aa5-8ab2-6d5a67de87d7/download https://repositorio.uptc.edu.co/bitstreams/05f04457-ab24-4a59-b647-3d48f557a4a4/download https://repositorio.uptc.edu.co/bitstreams/72a608dd-3dac-4e20-9af4-b00a70acf1c3/download https://repositorio.uptc.edu.co/bitstreams/6d1d9c72-46da-473f-a642-4aae924596e7/download |
| bitstream.checksum.fl_str_mv |
5b135629efbe33c10e97a548e3ebab66 a11ffc44dcb378a9d715e71d4188c83f 934f4ca17e109e0a05eaeaba504d7ce4 73ebb5fa1ab274994e61edaf142b881d 8d1b69dd9bdc9df4a8073c7a8193c7af d7b80c072ddc82e6a48e95a102cbf84d 86d8001f57be5b653f20a1b1130696f7 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UPTC |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1881673910763651072 |
| spelling |
Ballesteros Ricaurte, Javier AntonioGonzález Moreno, Andrés Santiago2025-08-26T14:24:53Z2025-08-26T14:24:53Z2024https://repositorio.uptc.edu.co/handle/001/18087World Health Organization, «Depressive disorder (depression)», World Health Organization. Accedido: 16 de septiembre de 2024. [En línea]. Disponible en: https://www.who.int/news-room/fact-sheets/detail/depressionAsociación Americana de Psiquiatría, «Guía de consulta de los criterios diagnósticos del DSM-5TM», 2014. doi: https://doi/book/10.1176/appi.books.9780890425596.United States Preventive Services Taskforce USPSTF, «Recommendation: Depression and Suicide Risk in Adults: Screening | United States Preventive Services Taskforce». Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.uspreventiveservicestaskforce.org/uspstf/recommendation/screening depression-suicide-risk-adultsAsociación Americana de Psiquiatría, «Psychiatry.org - ¿Qué es la depresión?» Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.psychiatry.org/patients families/la-salud-mental/depresion/que-es-la-depresionM. Malgaroli, A. Calderon, y G. A. Bonanno, «Networks of major depressive disorder: A systematic review», Clin Psychol Rev, vol. 85, p. 102000, abr. 2021, doi: 10.1016/j.cpr.2021.102000.S. A. Morales Restrepo y D. A. Chavarro Carvajal, «Una visión holística de la depresión en adultos mayores colombianos», Universitas Médica, vol. 62, n.o 1, mar. 2021, doi: 10.11144/javeriana.umed62-1.holi.Á. Aguirre Baztán, «Antropología de la depresión», sep. 2008. Accedido: 17 de octubre de 2024. [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?id=27180302M. G. Gottschalk y K. Domschke, «Genetics of generalized anxiety disorder and related traits», Dialogues Clin Neurosci, vol. 19, n.o 2, pp. 159-168, jun. 2017, doi: 10.31887/DCNS.2017.19.2/kdomschke.F. R. Wendt et al., «Using phenotype risk scores to enhance gene discovery for generalized anxiety disorder and posttraumatic stress disorder», Mol Psychiatry, vol. 27, n.o 4, pp. 2206-2215, abr. 2022, doi: 10.1038/s41380-022-01469-y.A. Abal Aldao, «Uso de algoritmos de apredizaje máquina para la detección de ciberacoso en redes sociales», Universidade da Coruña. Facultade de Informática. Accedido: 8 de junio de 2024. [En línea]. Disponible en: http://hdl.handle.net/2183/33992En 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.PregradoIngeniero en sistemas y computaciónpdf78 páginas : ilustracionesapplication/pdfspaUniversidad Pedagógica y Tecnológica de ColombiaUniversidad Pedagógica y Tecnológica de ColombiaFacultad de IngenieríaTunjaIngeniería de sistemas y computaciónhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Detección de síntomas de depresión en redes sociales mediante Machine Learning y análisis facialTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_8042Texthttp://purl.org/redcol/resource_type/WPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Ingeniería de Sistemas y Computación - Tesis y disertaciones académicasSalud mentalPsiquiatríaAnálisis de datosInteligencia artificialMedios socialesPúblico generalPublicationORIGINALDetección de síntomas de depresión en Redes Sociales mediante Machine Learning y Análisis Facial_GonzalezAndres.pdfDetección de síntomas de depresión en Redes Sociales mediante Machine Learning y Análisis Facial_GonzalezAndres.pdfapplication/pdf1131392https://repositorio.uptc.edu.co/bitstreams/7af2b2b5-b67e-4b11-b4ea-46945f7eb794/download5b135629efbe33c10e97a548e3ebab66MD51trueAnonymousREADAutorización de Publicación.pdfAutorización de Publicación.pdfapplication/pdf1702115https://repositorio.uptc.edu.co/bitstreams/88ef7d7c-241b-400b-918a-bdef529460c8/downloada11ffc44dcb378a9d715e71d4188c83fMD52falseAdministratorREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://repositorio.uptc.edu.co/bitstreams/825d7550-1873-4ba2-bac4-99d8b5b945e1/download934f4ca17e109e0a05eaeaba504d7ce4MD53falseAnonymousREADTEXTDetección de síntomas de depresión en Redes Sociales mediante Machine Learning y Análisis Facial_GonzalezAndres.pdf.txtDetección de síntomas de depresión en Redes Sociales mediante Machine Learning y Análisis Facial_GonzalezAndres.pdf.txtExtracted texttext/plain101739https://repositorio.uptc.edu.co/bitstreams/e6e65dc7-178f-4aa5-8ab2-6d5a67de87d7/download73ebb5fa1ab274994e61edaf142b881dMD54falseAnonymousREADAutorización de Publicación.pdf.txtAutorización de Publicación.pdf.txtExtracted texttext/plain8https://repositorio.uptc.edu.co/bitstreams/05f04457-ab24-4a59-b647-3d48f557a4a4/download8d1b69dd9bdc9df4a8073c7a8193c7afMD56falseAdministratorREADTHUMBNAILDetección de síntomas de depresión en Redes Sociales mediante Machine Learning y Análisis Facial_GonzalezAndres.pdf.jpgDetección de síntomas de depresión en Redes Sociales mediante Machine Learning y Análisis Facial_GonzalezAndres.pdf.jpgGenerated Thumbnailimage/jpeg5238https://repositorio.uptc.edu.co/bitstreams/72a608dd-3dac-4e20-9af4-b00a70acf1c3/downloadd7b80c072ddc82e6a48e95a102cbf84dMD55falseAnonymousREADAutorización de Publicación.pdf.jpgAutorización de Publicación.pdf.jpgGenerated Thumbnailimage/jpeg12137https://repositorio.uptc.edu.co/bitstreams/6d1d9c72-46da-473f-a642-4aae924596e7/download86d8001f57be5b653f20a1b1130696f7MD57falseAdministratorREAD001/18087oai:repositorio.uptc.edu.co:001/180872026-09-29 16:12:17.105http://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.uptc.edu.coRepositorio Institucional UPTCbdigital@metabiblioteca.com |
