Artificial intelligence assistant for voice to support at the mental health

Deyanira Lopez Salazar; Macaria Hernández Chávez; Josué Daniel Rivera Fernández; Karen Roa Tort; Diego Adrián Fabila Bustos

Autores/as

Ing. Universidad Autónoma del Estado de Hidalgo https://orcid.org/0009-0000-3396-2247
Macaria Hernández Chávez Laboratorio de Optomecatrónica y Energías, UPIIH, Instituto Politécnico Nacional, Distrito de Educación, Salud, Ciencia, Tecnología e Innovación, San Agustín Tlaxiaca, 42162, Hidalgo, México https://orcid.org/0000-0002-8164-2835
Dr. Instituto Politécnico Nacional https://orcid.org/0000-0003-2967-6736
Dra. Instituto Politécnico Nacional https://orcid.org/0000-0002-6780-6370
Dr. Instituto Politécnico Nacional https://orcid.org/0000-0002-6383-1675

Palabras clave:

Inteligencia Artificial, Redes Neuronales Artificiales, asistente de emociones, modelo LBPH

Resumen

Las alteraciones emocionales pueden impactar de manera significativa en el bienestar de las personas y muchas veces pasan desapercibidas o no se gestionan adecuadamente. Frente a esta necesidad, se ha buscado desarrollar tecnologías que permitan reconocer y responder a las emociones humanas en tiempo real. En este trabajo se presenta el diseño de un asistente inteligente que utiliza como base redes neuronales convolucionales y el modelo Local Binary Patterns Histograms (LBPH), entrenados con una base de datos de imágenes faciales, para identificar emociones básicas como enojo, felicidad, miedo y tristeza. El sistema capta los gestos faciales del usuario mediante una cámara y procesa las imágenes para clasificar la emoción detectada. Una vez identificada, el asistente emite una respuesta hablada, muestra visualmente la emoción reconocida y ofrece una recomendación emocional personalizada. Para enriquecer la interacción, se integra también un chatbot conversacional que permite al usuario dialogar en lenguaje natural con el sistema, fomentando así una experiencia más cercana y empática.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alagha, E. C., & Helbing, R. R. (2019). Evaluating the quality of voice assistants’ responses to consumer health questions about vaccines: an exploratory comparison of Alexa, Google Assistant and Siri. BMJ Health & Care Informatics, 26(1), e100075. https://doi.org/10.1136/bmjhci-2019-100075

Akhand, M. A. H., Roy, S., Siddique, N., Kamal, M. A. S., & Shimamura, T. (2021). Facial emotion recognition using Transfer Learning in Deep CNN. Electronics, 10(9), 1036. doi:10.3390/electronics10091036

Ahonen, T., Hadid, A., & Pietikäinen, M. (2006). Face description with local binary patterns: application to face recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 28(12), 2037–2041. doi:10.1109/TPAMI.2006.244

Berrebi, M. (2024, 3 mayo). L’IA empathique : explorer la reconnaissance vocale émotionnelle de Hume AI. Unlock AI Tools & Expert Guides | Tips & Tricks For AI Enthusiasts. https://pwraitools.com/generative-ai-tools/empathic-ai-and-emotional-voice-recognition-with-hume-ai/

De la Torre, J. C. P., & Gutiérrez, C. L. C. (2022). Estados emocionales agudos en pobladores mexicanos durante la pandemia de COVID-19. Revista de Psicología, 41(1), 377-400. https://doi.org/10.18800/psico.202301.014

Ghatak, S., Paul, H., & Ghosh, D. (2023). Voicebot For Mental Disease Prediction And Treatment Recommendation Using MachineLearning. TechRxiv. https://doi.org/10.36227/techrxiv.258239.v1

Kingma, D. P., & Ba, J. L. (2014). Adam: A Method for Stochastic Optimization. arXiv (Cornell University). https://doi.org/10.48550/arxiv.1412.6980

Konya, A., & Nematzadeh, P. (2023). Recent applications of AI to environmental disciplines: A review. The Science Of The Total Environment, 906, 167705. https://doi.org/10.1016/j.scitotenv.2023.167705

Kuwaiti, A. A., Nazer, K., Al-Reedy, A., Al-Shehri, S., Al-Muhanna, A., Subbarayalu, A. V., Muhanna, D. A., & Al-Muhanna, F. A. (2023). A Review of the Role of Artificial Intelligence in Healthcare. Journal Of Personalized Medicine, 13(6), 951. https://doi.org/10.3390/jpm13060951

Liu, Y., Ding, X., Peng, S., & Zhang, C. (2024). Leveraging ChatGPT to optimize depression intervention through explainable deep learning. Frontiers In Psychiatry, 15. https://doi.org/10.3389/fpsyt.2024.1383648

Malik, S., Muhammad, K., & Waheed, Y. (2024). Artificial intelligence and industrial applications-A revolution in modern industries. Ain Shams Engineering Journal, 15(9), 102886. https://doi.org/10.1016/j.asej.2024.102886

Nguyen, A., Grummitt, L., Barrett, E. L., Bailey, S., Gardner, L. A., Champion, K. E., … Birrell, L. (2025). The relationship between emotion regulation and mental health in adolescents: Self-compassion as a moderator. Mental Health & Prevention, 38(200430), 200430. doi:10.1016/j.mhp.2025.200430

Ogunleye, B., Zakariyyah, K. I., Ajao, O., Olayinka, O., & Sharma, H. (2024). A Systematic Review of Generative AI for Teaching and Learning Practice. Education Sciences, 14(6), 636. https://doi.org/10.3390/educsci14060636

Singh, B., Olds, T., Brinsley, J., Dumuid, D., Virgara, R., Matricciani, L., Watson, A., Szeto, K., Eglitis, E., Miatke, A., Simpson, C. E. M., Vandelanotte, C., & Maher, C. (2023). Systematic review and meta-analysis of the effectiveness of chatbots on lifestyle behaviours. Npi Digital Medicine, 6(1). https://doi.org/10.1038/s41746-023-00856-1

Shan, C., Gong, S., & McOwan, P. W. (2009). Facial expression recognition based on Local Binary Patterns: A comprehensive study. Image and Vision Computing, 27(6), 803–816. doi:10.1016/j.imavis.2008.08.005

SpeechRecognition. (2025, 12 mayo). PyPI. https://pypi.org/project/SpeechRecognition/

Weizenbaum, J. (1966). ELIZA—a computer program for the study of natural language communication between man and machine. Communications Of The ACM, 9(1), 36-45. https://doi.org/10.1145/365153.365168

World Health Organization: WHO. (2024, 10 octubre). La salud mental de los adolescentes. https://www.who.int/es/newsroom/factsheets/detail/adolescent-mental-health

Yan, C., Johnson, K., & Jones, V. K. (2024). The Impact of Interaction Time and Verbal Engagement with Personal Voice Assistants on Alleviating Loneliness among Older Adults: An Exploratory Study. International Journal Of Environmental Research and Public Health, 21(1), 100. https://doi.org/10.3390/ijerph21010100

Yang, S., Lee, J., Sezgin, E., Bridge, J., & Lin, S. (2020). Clinical Advice by Voice Assistants on Postpartum Depression: Cross-Sectional Investigation Using Apple Siri, Amazon Alexa, Google Assistant, and Microsoft Cortana. JMIR mHealth and uHealth, 9(1), e24045. https://doi.org/10.2196/2405