Región de Murcia
Fundación Séneca
FSE

Uso de técnicas de deep learning para la identificación de emociones en escenarios de neuromarketing

Nace en Murcia en 1998. En 2020 obtiene el Grado de Ingeniería Informática con mención en Redes y Telemática, realizando el TFG sobre los ataques a integridad de los datos de una persona mediante las Interfaces Cerebro-Maquina (BCIs, por las siglas en inglés). En 2021 realiza el Máster en Nuevas Tecnologías de la Universidad de Murcia con mención en Redes y Telecomunicaciones, realizando el TFM sobre la implicación de los sonidos en entornos de conducción para la detección de las emociones humanas. En el año 2022 obtiene una ayuda de la Fundación Séneca para realizar la tesis doctoral en la Universidad de Murcia enfocada en las BCIs, con participación el proyectos europeos como Valkyries, y realizando tareas de tutorización de TFGs.

Resumen de tesis

A día de hoy, las empresas invierten cientos de millones de euros en publicidad y en el correcto diseño de campañas de marketing para la promoción de sus productos. A lo largo de los años, han surgido técnicas basadas en la mercadotecnia y neuromarketing para predecir como van a percibir los usuarios finales estas promociones. En los últimos años, han aparecido nuevos dispositivos que permiten medir aspectos biológicos relacionados con las distintas reacciones de los usuarios. Entre estos dispositivos se encuentra las BCIs (Brain-Computer Interfaces por sus siglas en inglés) que permiten medir la actividad neuronal y relacionarlas con diferentes estados cognitivos o emocionales de los usuarios.

En este contexto, el reconocimiento de los diferentes estados emocionales se realiza mediante técnicas de IA (Inteligencia Artificial) como pueden ser los algoritmos de Machine Learning (ML) o Deep Learning (DL). Este último tipo, han sido los más utilizados en los últimos años debido a la buena precisión que obtienen, sin embargo, el principal inconveniente que estas tienen es la gran cantidad de datos que se necesitan. Por esto, empresas como BitBrain que disponen de soluciones profesionales y estudios en este campo, pueden aportar su expertís para la captura de datos.

En este contexto, desarrollaré la tesis para la creación de un modelo automático para el reconocimiento de las diferentes reacciones ante un determinado estímulo basado en técnicas de neuromarketing y DL. Mediante este sistema se podrá mejorar el diseño de las campañas de marketing conociendo de forma previa el impacto que esta va a tener en los usuarios.

Área de conocimiento

Redes de Internet del Futuro: Infraestructuras y Seguridad

Grupo de investigación

Departamento de Ingeniería de la Información y las Comunicaciones
Director: Gregorio Martínez Pérez

Programa de doctorado

Programa de doctorado en informática

Período de Actividad

01/03/2022

Estado de tesis

En desarrollo

Empresa colaboradora

Bit&Brain Technologies S.L

Sector empresarial

Tecnológico

Tutor en la empresa

Luis Montesano del Campo

Aplicación de redes neuronales multimodales para la detección de patrones en bioseñales

Resumen actividad a desarrollar

La investigación se centra en el diseño e implementación de redes neuronales multimodales para la detección de patrones en bioseñales. El objetivo principal es desarrollar modelos de inteligencia artificial capaces de integrar diferentes tipos de datos —imágenes médicas, señales fisiológicas como EEG y datos tabulares— con el fin de identificar estados de salud relevantes, entre ellos dolor y cáncer de garganta.

Durante la estancia se trabajará en el desarrollo de arquitecturas de red, la validación inicial con datasets reales y la definición de la metodología experimental. Además, se colaborará con equipos interdisciplinarios de neurólogos y bioingenieros, mediante reuniones periódicas, con el propósito de asegurar un enfoque integral y clínicamente relevante.

La actividad constituye una aportación significativa tanto en el ámbito biomédico como en aplicaciones alternativas, como el neuromarketing, al ampliar las posibilidades de análisis e interpretación de bioseñales mediante técnicas avanzadas de aprendizaje profundo.

En qué medida favorece la estancia tu línea de investigación en el desarrollo de tu tesis doctoral

La estancia ha supuesto un impulso decisivo en el desarrollo de mi tesis doctoral, al permitirme adquirir experiencia directa en el análisis de bioseñales y en la aplicación de redes neuronales multimodales a problemas biomédicos complejos. El trabajo realizado en el University of Texas Medical Branch ha reforzado mis conocimientos en el tratamiento avanzado de EEG y otras señales fisiológicas, aportando nuevas perspectivas metodológicas que enriquecen la base científica de mi investigación.

Además, la colaboración con un equipo interdisciplinar de neurólogos y bioingenieros ha favorecido la integración de enfoques clínicos y computacionales, lo que contribuye a garantizar la relevancia y aplicabilidad de los resultados. Este aprendizaje impacta directamente en la calidad y solidez de mi tesis, especialmente en lo relacionado con la aplicación de técnicas de deep learning en contextos de neuromarketing, que constituye el eje central de mi trabajo doctoral.

Año de programa

2025

Actualmente investigas en la línea

Análisis de bioseñales mediante redes neuronales multimodales, integrando datos de distinta naturaleza (imágenes, señales EEG y datos tabulares) para la detección de patrones asociados a dolor, cáncer de garganta y otros estados fisiológicos. Esta línea combina técnicas de deep learning con enfoques biomédicos, favoreciendo tanto la investigación clínica como aplicaciones en entornos de neuromarketing.

Fecha de Inicio

01/05/2025

Fecha de Fin

14/08/2025

País

ESTADOS UNIDOS

Nombre del Centro

University of Texas Medical Brach

Departamento del Centro

Department of Biostatistics & Data Science

Defínelo en una frase

El Department of Biostatistics & Data Science del University of Texas Medical Branch está especializado en el desarrollo y aplicación de metodologías estadísticas y computacionales avanzadas para la investigación biomédica.

Dinos por qué elegistes este centro

Elegí el University of Texas Medical Branch porque es un centro de referencia internacional en investigación biomédica y cuenta con un departamento altamente especializado en biostatística y ciencia de datos. La posibilidad de trabajar con datasets reales y de colaborar con un equipo interdisciplinar de neurólogos y bioingenieros me permitió enriquecer mi formación y aplicar técnicas avanzadas de deep learning en un entorno clínico de primer nivel, directamente relacionado con los objetivos de mi tesis doctoral.

¿Los conocimientos adquiridos podrán originar una nueva línea de investigación?

Los conocimientos adquiridos durante la estancia beneficiarán al grupo de investigación de origen mediante la transferencia de nuevas metodologías en el análisis de bioseñales y el uso de redes neuronales multimodales. La experiencia obtenida en la integración de datos heterogéneos (imágenes, EEG y datos tabulares) permitirá ampliar las líneas de trabajo actuales, incorporando enfoques más robustos y clínicamente relevantes.

Asimismo, la colaboración interdisciplinar experimentada en el centro receptor servirá como modelo para fortalecer las sinergias entre investigadores de distintas áreas en nuestro grupo, fomentando un enfoque más integral. De esta forma, se incrementará la capacidad del grupo para abordar proyectos de mayor complejidad, potenciando tanto la calidad científica de las publicaciones como la proyección internacional de la investigación en neuromarketing y análisis de bioseñales.

Mantiene el grupo de acogida y de origen una relación investigadora estable?¿Crees que en caso de no existir se establecerá?

Actualmente, el grupo de acogida y el grupo de origen no mantenían previamente una relación investigadora estable. Sin embargo, la estancia ha servido como punto de partida para establecerla, al generar un marco de colaboración directa con investigadores del University of Texas Medical Branch.

Se han iniciado vínculos de trabajo conjunto que incluyen el intercambio de metodologías, la planificación de experimentos y la posibilidad de futuras publicaciones en coautoría. Por ello, es previsible que esta relación se consolide en el futuro y dé lugar a nuevas oportunidades de investigación internacional en el ámbito del análisis de bioseñales y la aplicación de redes neuronales en contextos biomédicos y de neuromarketing.

Háblanos de tu ciudad, aquello que desees resaltar de ella, que te ha llamado más la atención, lo esencial

Galveston es una ciudad costera situada en el estado de Texas, conocida por su ambiente relajado, su historia y sus playas. Lo que más llama la atención al llegar es la combinación entre arquitectura histórica, como la del Strand Historic District, y la amplia franja de costa del Golfo de México, que la convierte en un destino atractivo tanto para el turismo como para la vida diaria.

Entre los lugares más recomendables para visitar destacan el paseo marítimo de Seawall, la isla de Moody Gardens y el acuario del Galveston Island Historic Pleasure Pier, además de las casas victorianas que conservan el encanto de épocas pasadas.

Llegar a Galveston es sencillo: la ciudad está a poco más de una hora en coche desde Houston, donde se encuentra el aeropuerto internacional George Bush (IAH), con conexiones directas desde Europa. Para el alojamiento, existen desde residencias universitarias hasta apartamentos temporales y hoteles adaptados a estancias más largas.

El clima es subtropical, con veranos cálidos y húmedos, lo que hace agradable la vida al aire libre, aunque conviene tener en cuenta la temporada de huracanes.

En cuanto al visado, para realizar estancias académicas se utiliza habitualmente el visado J1, gestionado por la institución de acogida en Estados Unidos, que proporciona la documentación necesaria (DS-2019) y permite residir en el país durante el periodo de investigación.

Aviso legalPolítica de privacidad