Application of nonlinear indices and metrics for emotions recognition by means of a dynamical study of electroencephalographic signals

La computación afectiva se ha convertido en los últimos tiempos en una de las áreas de investigación más relevantes. Su misión principal es dotar a las máquinas de inteligencia emocional, con el fin de humanizar la comunicación y los procesos de interacción entre personas y máquinas. Para conseguirlo, es necesario desarrollar modelos matemáticos de reconocimiento automático de emociones basados en el análisis de la información que se puede extraer de un sujeto bajo diferentes condiciones emocionales. Concretamente, en los últimos años ha aumentado el interés por el análisis de señales fisiológicas para la identificación de emociones, haciendo especial hincapié en el estudio de la actividad cerebral mediante señales de electroencefalografía (EEG). Las señales cerebrales representan la primera reacción del cuerpo ante cualquier estímulo emocional, por lo que aportan más información que el resto de variables fisiológicas resultantes de la extensión de la actividad cerebral al resto del cuerpo a través del sistema nervioso central. Los métodos tradicionales de estudio de las señales cerebrales se centran en el cálculo de parámetros lineales en el dominio del tiempo (tales como media, desviación estándar y otros estadísticos) y de la frecuencia (como la potencia espectral o la asimetría entre hemisferios cerebrales en las distintas bandas de frecuencia). Sin embargo, se sabe que el cerebro sigue un comportamiento no lineal y no estacionario, por lo que las metodologías de análisis no lineal podrían aportar más información que las técnicas lineales, permitiendo realizar una descripción más completa de las dinámicas cerebrales. En ese sentido, esta tesis doctoral se basa en el reconocimiento de emociones mediante el estudio y la aplicación de métricas no lineales para el análsis de señales de EEG. En particular, los trabajos desarrollados en esta etapa predoctoral se centran en el cálculo de índices de entropía para la medida de regularidad, predictibilidad, y conectividad funcional del cerebro bajo distintos estados emocionales. Estas métricas no lineales se han aplicado principalmente para la detección de estrés negativo, dada la gran influencia de este estado emocional en la sociedad actual y sus graves consecuencias para la salud de las personas que lo padecen. Los resultados obtenidos demuestran que estos índices de entropía son especialmente útiles para la identificación de estrés negativo, calma y otros estados emocionales en señales cerebrales. Además, han permitido descubrir nueva información desconocida hasta ahora sobre el comportamiento no lineal del cerebro bajo diversas emociones y cuáles son las áreas cerebrales más implicadas en los procesos cognitivos y emocionales