Skip to content

Evaluación interactiva para detectar posibles indicadores de TDAH en niños, mediante juegos cognitivos breves.

Notifications You must be signed in to change notification settings

vjrivmon/NeuroSpot

Repository files navigation

NeuroSpot Logo

🧠 NeuroSpot – Plataforma interactiva para la detección temprana de TDAH infantil


📝 Descripción del proyecto

NeuroSpot es una solución digital basada en inteligencia artificial y servicios de AWS que ayuda a detectar posibles indicadores de TDAH en niños mediante juegos cognitivos breves. A través de una interfaz web atractiva e interactiva, el sistema recopila datos de voz, imagen y rendimiento cognitivo para analizarlos con herramientas de machine learning en la nube.

⚠️ Este sistema no sustituye el diagnóstico clínico, pero actúa como herramienta preventiva y de apoyo a familias y profesionales.



🎯 Objetivo académico

Este proyecto se enmarca en la práctica de la asignatura Inteligencia Artificial – Seminario de Machine Learning con AWS. La finalidad es diseñar e implementar un sistema funcional que utilice al menos un servicio de Machine Learning de AWS como componente central, integrando a su vez otros servicios del ecosistema AWS.




🧩 Funcionalidades principales

  • Registro seguro de tutores y consentimiento informado
  • Ejecución secuencial de juegos cognitivos:
    • Test de Stroop
    • Lectura en voz alta
    • Atención continua
    • Memoria visual
    • Observación visual
    • Análisis de emociones faciales
  • Generación de un informe con resultados individuales
  • Integración completa con servicios de AWS para procesar datos en la nube



🧠 Arquitectura técnica (resumen)

Componente Servicio AWS Descripción
Frontend S3 + CloudFront Hosting del frontend Next.js estático con entrega global segura
Autenticación Amazon Cognito Gestión de usuarios y sesiones
Almacenamiento Amazon S3 Guarda audios, imágenes, fotogramas, resultados
Lógica de negocio AWS Lambda Orquestación sin servidor entre servicios
Base de datos Amazon DynamoDB Almacenamiento estructurado de sesiones y métricas de juego
Análisis de voz Amazon Transcribe + Comprehend Transcripción y análisis semántico del discurso leído
Análisis de emociones Amazon Rekognition Identificación de emociones faciales a partir de imágenes capturadas
Visualización (futuro) Amazon QuickSight Generación automática de dashboards de resultados (previsto)
Monitorización Amazon CloudWatch Logs y trazabilidad del sistema



🚀 Despliegue local

  1. Clona el repositorio:

    git clone https://github.com/vjrivmon/NeuroSpot.git
    cd NeuroSpot
  2. Instala las dependencias:

    npm install ```
    
  3. Inicia la aplicación en local:

    npm run dev ```
    
  4. Inicia la web con el archivo automático:

    ./start_neurospot.sh ```
    

Nota: para ejecutar funciones AWS debes tener configuradas las credenciales y permisos adecuados en tu entorno local. Las llamadas a Lambda están gestionadas desde el frontend.



💻 Prompts utilizados

Diseño de la interfaz web

Quiero que diseñes una interfaz mobile-first altamente profesional y accesible para una aplicación web llamada NeuroSpot, desarrollada en Next.js con React y Tailwind CSS, usando componentes modernos como los de shadcn/ui. Esta aplicación está dirigida a niños y tutores legales para la detección temprana de posibles signos de TDAH mediante juegos interactivos y pruebas clínicas. La solución será utilizada en entornos educativos, clínicos o domésticos, y debe estar optimizada para móviles pero adaptarse perfectamente a escritorio.
La interfaz debe ser limpia, minimalista, emocionalmente neutral, con una estética moderna, intuitiva y sin sobrecarga visual, manteniendo un equilibrio entre lo lúdico (para los niños) y lo profesional (para los adultos).

🔷 Características clave: Mobile-first, 100% responsive
Tipografía legible y moderna
Compatibilidad modo oscuro/claro
Diseño accesible (uso de etiquetas ARIA, contraste alto, navegación intuitiva)
Estilo visual inspirado en webs como:
awwwards.com
godly.website
mobbin.com
curated.design
dark.design
Transiciones suaves, animaciones sutiles, microinteracciones

🧩 Estructura de pantallas a generar:
Pantalla de Inicio
Logo de NeuroSpot en el header
Título: “Bienvenid@ a NeuroSpot”
Descripción breve del propósito de la app (“Evaluación interactiva para detectar posibles indicadores de TDAH en niños, mediante juegos cognitivos breves”)
Botón principal “Comenzar Evaluación”
Opción inferior para tutor: “Ver resultados anteriores”
Pantalla de Consentimiento Legal
Explicación clara y en lenguaje accesible sobre consentimiento para uso de datos por parte del tutor
Checkbox de aceptación obligatorio
Botón “Acepto y continuar”

Panel Principal del Niño
Nombre del niño (por ejemplo: “Hola, Leo 👋”)
Lista visual con tarjetas de ejercicios disponibles:

Test de Stroop
Juego de Atención Sostenida
Lectura en voz alta
Prueba de Memoria Visual
Cámara activada para ejercicio de observación

Cada tarjeta debe incluir:
Icono representativo del ejercicio
Tiempo estimado
Botón “Jugar”
Vista de un Ejercicio Interactivo (p. ej. Stroop Test)
Encabezado con nombre del ejercicio
Instrucciones claras y visuales (con ejemplos si aplica)
Área de interacción principal (mostrar palabra de color, botones con colores)
Barra de progreso o tiempo restante
Botón para pausar/abandonar ejercicio
Pantalla de Resultados para Tutores
Mensaje de cierre amigable (“¡Has completado la evaluación!”)
Resumen visual de resultados (ej. tarjetas o gráfica tipo semáforo por cada ejercicio: Verde = normal, Amarillo = a observar, Rojo = posible indicador)
Botón para descargar informe PDF (placeholder)
Advertencia clara de que esto no sustituye diagnóstico clínico.

🎨 Branding Visual: Paleta de colores principal:
Azul suave (#3A8DFF o similar): transmite calma y concentración
Verde menta (#62DDBD): para llamadas a la acción o aciertos
Gris neutro (#F4F4F5 y #1F2937): para fondo y textos
Toques de naranja/amarillo para alertas o feedback llamativo

Tipografía recomendada:
Sans serif moderna, como Inter, Manrope o Rubik
Iconografía: minimalista, flat, amigable (inspirada en Material Symbols)

⚙️ Tecnología a respetar: Framework: Next.js (13 o superior, con App Router)
Estilos: Tailwind CSS
Librerías de UI: shadcn/ui, lucide-react
Código semántico y limpio (no usar elementos genéricos tipo div innecesarios)

🎁 Extras: Agrega placeholders para grabación de audio y captura de cámara
Usa componentes reutilizables: Botón, Card, Modal, Alert, etc.
Agrega estados de carga, errores y confirmaciones interactivas
Quiero una solución visualmente atractiva, emocionalmente empática y técnicamente escalable, lista para iterar y conectar con backend AWS vía API REST. El diseño debe transmitir seguridad, innovación y empatía. No es un juguete, pero tampoco debe parecer frío o clínico.
No me des una primera versión sin que todo lo anterior se cumpla



📹 Vídeo demostración

🎥 Ver demostración del sistema (5 min) En el vídeo se explica el funcionamiento general, los flujos cognitivos, decisiones técnicas, y qué herramientas se han utilizado como Cursor y ChatGPT para inspiración, lógica y documentación técnica y los servicios de AWS.




📄 Informe entregado

El informe está disponible en el repositorio como NeuroSpot.pdf e incluye:

  • Caso de uso y contexto social

  • Diagrama arquitectónico profesional

  • Descripción técnica de cada componente

  • Uso de servicios de AWS detallado




🤖 Tecnologías utilizadas

  • Next.js + Tailwind CSS + Shadcn/ui (gráficas)
  • Node.js + AWS SDK v3
  • Amazon S3, CloudFront, Lambda, DynamoDB, Amazon Rekognition, Transcribe, Comprehend
  • Cursor, V0, ChatGPT



👩‍🏫 Autores

Irene Medina García - Vicente Rivas Monferrer

GitHub - LinkedIn - GitHub - LinkedIn

About

Evaluación interactiva para detectar posibles indicadores de TDAH en niños, mediante juegos cognitivos breves.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Contributors 3

  •  
  •  
  •