Es cada vez más evidente que una cantidad significativa de la población sufre de problemas de salud mental, como estrés, depresión y ansiedad. Estos problemas son el resultado de una amplia gama de factores, como condiciones genéticas, circunstancias sociales e influencias del estilo de vida. Una causa clave, o contribuyente, para muchas personas es su trabajo; el estado mental deficiente puede ser exacerbado por los trabajos y el entorno laboral de una persona. Además, a medida que la era de la información continúa creciendo, las personas son cada vez más sedentarias en sus vidas laborales, pasando más tiempo sentadas durante el día y menos tiempo moviéndose. Es un hecho bien conocido que una disminución en la actividad física es perjudicial para el bienestar mental. Por lo tanto, se requiere la necesidad de investigación y desarrollo innovadores para combatir la negatividad temprano. La implementación de soluciones utilizando la Inteligencia Artificial tiene un gran potencial en este campo de investigación. Este trabajo propone una solución a este dominio de problema, utilizando dos conceptos de Inteligencia Artificial, a saber, Redes Neuronales Convolucionales y Redes Generativas Adversarias. Una CNN se entrena para predecir con precisión cuándo un individuo está experimentando emociones negativas, logrando una precisión máxima del 80.38% con una pérdida de 0.42. Una GAN se entrena para sintetizar imágenes de un dominio de entrada que pueden atribuirse a evocar emociones positivas. Se crea una Interfaz Gráfica de Usuario para mostrar los medios generados a los usuarios con el fin de mejorar el estado de ánimo y reducir los sentimientos de estrés. El trabajo demuestra la capacidad de utilizar el Aprendizaje Profundo para identificar el estrés y el estado de ánimo negativo, y las estrategias que se pueden implementar para reducirlos.