CN106295108B - 评估受测者对网络活动的依赖程度的系统 - Google Patents

评估受测者对网络活动的依赖程度的系统 Download PDF

Info

Publication number
CN106295108B
CN106295108B CN201510454225.9A CN201510454225A CN106295108B CN 106295108 B CN106295108 B CN 106295108B CN 201510454225 A CN201510454225 A CN 201510454225A CN 106295108 B CN106295108 B CN 106295108B
Authority
CN
China
Prior art keywords
subject
average
judgment result
processing unit
smaller
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510454225.9A
Other languages
English (en)
Other versions
CN106295108A (zh
Inventor
萧子健
纪虹名
谢岱凌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Yang Ming Chiao Tung University NYCU
Original Assignee
National Yang Ming Chiao Tung University NYCU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Yang Ming Chiao Tung University NYCU filed Critical National Yang Ming Chiao Tung University NYCU
Publication of CN106295108A publication Critical patent/CN106295108A/zh
Application granted granted Critical
Publication of CN106295108B publication Critical patent/CN106295108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Dentistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种评估受测者对网络活动的依赖程度的系统，包含多媒体播放单元、呼吸感测单元及处理单元。多媒体播放单元于一第一时间期间播放一情绪刺激材料以供该受测者观看；呼吸感测单元感测该受测者于该第一时间期间及一先前于该第一时间期间的第二时间期间的呼吸动作以分别产生两组的胸部与腹部呼吸信号；处理单元将每一呼吸信号分解成具有不同频率的一第一信号成份及一第二信号成份，且计算出每一信号成份的一平均振幅与一平均频率，且根据所述平均振幅所述平均频率及该情绪刺激材料，产生一评估结果。本发明能够根据受测者的上述呼吸信号立即评估受测者对网络活动的依赖程度。

Description

评估受测者对网络活动的依赖程度的系统
技术领域
本发明涉及一种评估一受测者对网络活动的依赖程度的系统，特别是涉及一种利用该受测者的胸部呼吸信号及腹部呼吸信号来评估该受测者对网络活动的依赖程度的系统。
背景技术
近年来网络快速发展之下，取得和使用网络非常便利，但在便利的网络使用环境下，使用者容易出现以下行为：过度的网络使用，以及沉溺于网络游戏、网络购物等的强迫行为。
网络成瘾者容易感到身体疲劳及情绪不稳，并与家人的关系疏远，如此，恐导致无心上课或上班、学业或事业受到负面影响，甚至社会不安。基于上述问题，探讨使用者对网络活动的依赖程度与网络成瘾的相关性的议题受到重视。
因此，如何评估使用者对网络活动的依赖程度也变得重要。常见的评估方式是在一段较长的评估期间内，先让一被评估者填写多份问卷，然后根据在此评估期间内所填写的所有问卷来评估出该被评估者在一中期或长期(半年)的网络依赖状态。然而，若将如此的评估方式用于立即评估一使用者当下对网络活动的依赖程度时，其容易造成评估偏移。
发明内容
本发明的目的在于提供一种立即评估受测者对网络活动的依赖程度的系统。
本发明的评估受测者对网络活动的依赖程度的系统，包含：
多媒体播放单元，其于一第一时间期间播放一情绪刺激材料以供该受测者观看；
呼吸感测单元，其感测该受测者的胸部与腹部分别在一先前于该第一时间期间的第二时间期间、及该第一时间期间的呼吸动作以产生一组对应于该第一时间期间的一第一胸部呼吸信号St1与一第一腹部呼吸信号Sa1、及另一组对应于该第二时间期间的一第二胸部呼吸信号St2与一第二腹部呼吸信号Sa2；
(处理单元，其将该第一胸部呼吸信号St1分解成具有不同频率的一第一信号成份St11及一第二信号成份St12，将该第一腹部呼吸信号Sa1分解成具有不同频率的一第一信号成份Sa11及一第二信号成份Sa12，将该第二胸部呼吸信号St2分解成具有不同频率的一第一信号成份St21及一第二信号成份St22，并将该第二腹部呼吸信号Sa2分解成具有不同频率的一第一信号成份Sa21及一第二信号成份Sa22；
其中，该处理单元还计算出该第一信号成份St11的一平均振幅At11与一平均频率Ft11、该第二信号成份St12的一平均振幅At12与一平均频率Ft12、该第一信号成份Sa11的一平均振幅Aa11与一平均频率Fa11、该第二信号成份Sa12的一平均振幅Aa12与一平均频率Fa12、该第一信号成份St21的一平均振幅At21与一平均频率Ft21、该第二信号成份St22的一平均振幅At22与一平均频率Ft22、该第一信号成份Sa21的一平均振幅Aa21与一平均频率Fa21、及该第二信号成份Sa22的一平均振幅Aa22与一平均频率Fa22，其中所述平均频率Ft11、Fa11、Ft21、Fa21及所述平均振幅At11、Aa11、At21、Aa21构成第一数据，且所述平均频率Ft12、Fa12、Ft22、Fa22及所述平均振幅At12、Aa12、At22、Aa22构成第二数据；及
根据该第一数据与该第二数据中的至少一个、及该情绪刺激材料，产生一相关于该受测者对网络活动的依赖程度的评估结果。
本发明的评估受测者对网络活动的依赖程度的系统该处理单元还滤除该第一胸部呼吸信号St1与该第二胸部呼吸信号St2及该第一腹部呼吸信号Sa1与该第二腹部呼吸信号Sa2中的噪声，所述噪声具有一大于50赫兹或小于等于0.01赫兹的平均频率。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该处理单元根据一互补式整体经验模态分解法，获得所述第一信号成份St11、Sa11、St21、Sa21及所述第二信号成份St12、Sa12、St22、Sa22。
本发明的评估受测者对网络活动的依赖程度的系统，其中，所述第一信号成份St11、Sa11、St21、Sa21的所述平均频率Ft11、Fa11、Ft21、Fa21均在一频率大于1赫兹且小于等于50赫兹的第一频带中，所述第二信号成份St12、Sa12、St22、Sa22的所述平均频率Ft12、Fa12、Ft22、Fa22均在一频率大于0.01赫兹且小于等于1赫兹的第二频带中。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该情绪刺激材料是一相关于正向情绪的正向刺激材料；该处理单元判断该平均频率Ft11是否小于该平均频率Ft21，该平均频率Fa11是否小于该平均频率Fa21，该平均振幅At11是否小于该平均振幅At21，以及该平均振幅Aa11是否小于该平均振幅Aa21以产生一第一判断结果，且该处理单元至少根据该第一判断结果产生该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11>At21且Aa11>Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果，及当该第一判断结果指示出Ft11<Ft21且Fa11>Fa21且At11<At21且Aa11<Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该处理单元还判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第二判断结果，且该处理单元根据该第一判断结果与该第二判断结果来产生该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11>At21且Aa11>Aa21，并且该第二判断结果指示出Ft12<Ft22且Fa12>Fa22且At12<At22且Aa12<Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及当该第一判断结果指示出Ft11<Ft21且Fa11>Fa21且At11<At21且Aa11<Aa21，并且该第二判断结果指示出Ft12>Ft22且Fa12>Fa22且At12>At22且Aa12>Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该情绪刺激材料是一相关于正向情绪的正向刺激材料；该处理单元判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第一判断结果，且该处理单元至少根据该第一判断结果产生该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，当该第一判断结果指示出Ft12<Ft22且Fa12>Fa22且At12<At22且Aa12<Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及当该第一判断结果指示出Ft12>Ft22且Fa12>Fa22且At12>At22且Aa12>Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该情绪刺激材料是一相关于负向情绪的负向刺激材料；该处理单元判断该平均频率Ft11是否小于该平均频率Ft21，该平均频率Fa11是否小于该平均频率Fa21，该平均振幅At11是否小于该平均振幅At21，以及该平均振幅Aa11是否小于该平均振幅Aa21以产生一第一判断结果，且该处理单元，至少根据该第一判断结果产生该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11<At21且Aa11>Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及当该第一判断结果指示出Ft11>Ft21且Fa11>Fa21且At11>At21且Aa11<Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该处理单元还判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第二判断结果，且该处理单元根据该第一判断结果与该第二判断结果来产生该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11<At21且Aa11>Aa21，并且该第二判断结果指示出Ft12>Ft22且Fa12<Fa22且At12>At22且Aa12<Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及当该第一判断结果指示出Ft11>Ft21且Fa11>Fa21且At11>At21且Aa11<Aa21，并且该第二判断结果指示出Ft12>Ft22且Fa12<Fa22且At12<At22且Aa12>Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，该情绪刺激材料是一相关于负向情绪的负向刺激材料；该处理单元判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第一判断结果，且该处理单元，至少根据该第一判断结果产生该评估结果。
本发明的评估受测者对网络活动的依赖程度的系统，其中，当该第一判断结果指示出Ft12>Ft22且Fa12<Fa22且At12>At22且Aa12<Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及当该第一判断结果指示出Ft12>Ft22且Fa12<Fa22且At12<At22且Aa12>Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
本发明的有益效果在于，通过该呼吸感测单元感测该受测者于该第一时间期间的该第一胸部呼吸信号St1与该第一腹部呼吸信号Sa1、及于该第二时间期间的该第二胸部呼吸信号St2与该第二腹部呼吸信号Sa2，并通过该处理单元根据所述呼吸信号St1、Sa1、St2、Sa2及该情绪刺激材料，产生该评估结果，进而达成根据该受测者的所述呼吸信号St1、Sa1、St2、Sa2立即评估该受测者对网络活动的依赖程度的效果。
附图说明
本发明的其他的特征及功效，将于参照图式的实施方式中清楚地呈现，其中：
图1是一方块图，说明本发明评估一受测者对网络活动的依赖程度的系统；
图2是一流程图，说明评估一受测者对网络活动的依赖程度的方法的第一实施例；
图3是一流程图，说明评估一受测者对网络活动的依赖程度的方法的第二实施例；
图4是一流程图，说明评估一受测者对网络活动的依赖程度的方法的第三实施例的获得分别对应于一正向刺激材料及一负向刺激材料的多个平均频率及多个平均振幅的程序；及
图5是一流程图，说明评估一受测者对网络活动的依赖程度的方法的第三实施例的产生一评估结果的程序。
具体实施方式
在本发明被详细描述之前，应当注意在以下的说明内容中，类似的元件是以相同的编号来表示。
参阅图1，本发明一种评估一受测者对网络活动的依赖程度的系统1包含一多媒体播放单元11、一处理单元12、及一连接该处理单元12的呼吸感测单元13。
在本第一实施例中，该处理单元12通过有线方式电连接于该呼吸感测单元13，然而，在本发明的其他实施例中，该处理单元12亦可经由一网络与该距离估测单元及该呼吸感测单元13连接。此外，该处理单元12与该多媒体播放单元11的实施态样例如为一平板计算机、一笔记型计算机、一智能手机或一个人计算机。该呼吸感测单元13包含一呼吸绑带或一智能衣，但不限于此。再者，该处理单元12配合执行一包含多个指令的应用程序以实施评估一受测者对网络活动的依赖程度的方法。
参阅图1与图2，以下将配合评估一受测者对网络活动的依赖程度的方法的第一实施例，来说明该系统1中各元件的运作细节，该评估一受测者对网络活动的依赖程度的方法包含下列步骤。
在步骤20中，该多媒体播放单元11于一第一时间期间播放一情绪刺激材料以供该受测者观看。在本第一实施例中，该情绪刺激材料是一相关于正向情绪的正向刺激材料。
在步骤21中，该呼吸感测单元13感测该受测者的胸部与腹部分别在一先前于该第一时间期间的第二时间期间、及该第一时间期间的呼吸动作，以产生一组对应于该第一时间期间的一第一胸部呼吸信号St1与一第一腹部呼吸信号Sa1、及另一组对应于该第二时间期间的一第二胸部呼吸信号St2与一第二腹部呼吸信号Sa2。
在步骤22中，该处理单元12滤除该第一胸部呼吸信号St1与该第二胸部呼吸信号St2、及该第一腹部呼吸信号Sa1与该第二腹部呼吸信号Sa2中的噪声。所述噪声例如为具有一大于50赫兹或小于等于0.01赫兹的平均频率。
在步骤23中，该处理单元12根据一互补式整体经验模态分解法(ComplementaryEnsemble Empirical Mode Decomposition，简称CEEMD)，将该第一胸部呼吸信号St1分解成具有不同频率的一第一信号成份St11及一第二信号成份St12，将该第一腹部呼吸信号Sa1分解成具有不同频率的一第一信号成份Sa11及一第二信号成份Sa12，将该第二胸部呼吸信号St2分解成具有不同频率的一第一信号成份St21及一第二信号成份St22，并将该第二腹部呼吸信号Sa2分解成具有不同频率的一第一信号成份Sa21及一第二信号成份Sa22。如何将每一呼吸信号St1、St2、Sa1、Sa2分解成该第一信号成份St11、Sa11、St21、Sa21及该第二信号成份St12、Sa12、St22、Sa22，可参考“H.M.Ji,et al.,“Muscle cluster extraction ofinspiratory movement by using complimentary ensemble empirical modedecomposition”此篇论文。由于本发明的特征并不在于本领域普通技术人员所已知的该第一信号成份及该第二信号成份的获得方式，为了简洁，故在此省略了他们的细节。
所述第一信号成份St11、Sa11、St21、Sa21可由至少一个平均频率在一频率大于1赫兹且小于等于50赫兹的第一频带中的信号成份而组成，以使得所述第一信号成份St11、Sa11、St21、Sa21的所述平均频率Ft11、Fa11、Ft21、Fa21均在频率大于1赫兹且小于等于50赫兹的该第一频带中。所述第二信号成份St12、Sa12、St22、Sa22可由至少一个平均频率在一频率大于0.01赫兹且小于等于1赫兹的第二频带中的信号成份而组成，以使得所述第二信号成份St12、Sa12、St22、Sa22的所述平均频率Ft12、Fa12、Ft22、Fa22均在频率大于0.01赫兹且小于等于1赫兹的该第二频带中。
在步骤24中，该处理单元12计算出该第一信号成份St11的一平均振幅At11与一平均频率Ft11、该第二信号成份St12的一平均振幅At12与一平均频率Ft12、该第一信号成份Sa11的一平均振幅Aa11与一平均频率Fa11、该第二信号成份Sa12的一平均振幅Aa12与一平均频率Fa12、该第一信号成份St21的一平均振幅At21与一平均频率Ft21、该第二信号成份St22的一平均振幅At22与一平均频率Ft22、该第一信号成份Sa21的一平均振幅Aa21与一平均频率Fa21、及该第二信号成份Sa22的一平均振幅Aa22与一平均频率Fa22，其中所述平均频率Ft11、Fa11、Ft21、Fa21及所述平均振幅At11、Aa11、At21、Aa21构成第一数据，且所述平均频率Ft12、Fa12、Ft22、Fa22及所述平均振幅At12、Aa12、At22、Aa22构成第二数据。
值得一提的是，该处理单元12根据下列公式(1)及(2)计算出每一信号成份St11、St12、Sa11、Sa12、St21、St22、Sa21、Sa22的平均振幅At11、At12、Aa11、Aa12、At21、At22、Aa21、Aa22。
s代表取样总数，Stjk(n)代表信号成份Stjk中的第n个时间点的取样的振幅大小，Sajk(n)代表信号成份Sajk中的第n个时间点的取样的振幅大小。
在步骤25中，该处理单元12判断Ft11是否小于Ft21，Fa11是否小于Fa21，At11是否大于At21，Aa11是否大于Aa21，Ft12是否小于Ft22，Fa12是否大于Fa22，At12是否小于At22，以及Aa12是否小于Aa22。当判断结果为是时，则继续进行步骤26的处理；否则，继续进行步骤27的处理。
值得一提的是，在步骤25中，该处理单元12判断Ft11是否小于Ft21，Fa11是否小于Fa21，At11是否大于At21，以及Aa11是否大于Aa21所获得的判断结果视为第一判断结果。该处理单元12判断Ft12是否小于Ft22，Fa12是否大于Fa22，At12是否小于At22，以及Aa12是否小于Aa22所获得的判断结果视为第二判断结果。
在步骤26中，该处理单元12产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果。
在步骤27中，该处理单元12判断Ft11是否小于Ft21，Fa11是否大于Fa21，At11是否小于At21，Aa11是否小于Aa21，Ft12是否大于Ft22，Fa12是否大于Fa22，At12是否大于At22，以及Aa12是否大于Aa22。当判断结果为是时，则继续进行步骤28的处理；否则，继续进行步骤29的处理。
值得一提的是，在步骤27中，该处理单元12判断Ft11是否小于Ft21，Fa11是否大于Fa21，At11是否小于At21，以及Aa11是否小于Aa21所获得的判断结果视为第一判断结果。该处理单元12判断Ft12是否大于Ft22，Fa12是否大于Fa22，At12是否大于At22，以及Aa12是否大于Aa22所获得的判断结果视为第二判断结果。
在步骤28中，该处理单元12产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
在步骤29中，该处理单元12产生一指示出错误的评估结果。
根据评估一受测者对网络活动的依赖程度的方法的第一实施例的步骤25、27的判断方式，可建立出一如下表1所示的查找表。当该受测者的所述平均频率Ft11、Fa11、Ft21、Fa21、Ft12、Fa12、Ft22、Fa22及所述平均振幅At11、Aa11、At21、Aa21、At12、Aa12、At22、Aa22符合表1所示的关系时，即可评估出受测者对网络活动的依赖程度。
表1
值得特别说明的是，在本第一实施例中，该处理单元12根据该第一数据及该第二数据来产生该评估结果，然而，在本发明的其他实施例中，该处理单元12亦可只根据该第一数据或该第二数据来产生该第一判断结果或该第二判断结果，并根据该第一判断结果或该第二判断结果来产生该评估结果，并不以此为限。
参阅图1与图3，评估一受测者对网络活动的依赖程度的方法的第二实施例大致上是与该第一实施例相同，相同之处不在赘述，其中不同之处在于：在步骤30中所播放的该情绪刺激材料是一相关于负向情绪的负向刺激材料。
在步骤35中，该处理单元12判断Ft11是否小于Ft21，Fa11是否小于Fa21，At11是否小于At21，Aa11是否大于Aa21，Ft12是否大于Ft22，Fa12是否小于Fa22，At12是否大于At22，以及Aa12是否小于Aa22。当判断结果为是时，则继续进行步骤36的处理；否则，继续进行步骤37的处理。
值得一提的是，在步骤35中，该处理单元12判断Ft11是否小于Ft21，Fa11是否小于Fa21，At11是否小于At21，以及Aa11是否大于Aa21所获得的判断结果视为第一判断结果。该处理单元12判断Ft12是否大于Ft22，Fa12是否小于Fa22，At12是否大于At22，以及Aa12是否小于Aa22所获得的判断结果视为第二判断结果。
在步骤36中，该处理单元12产生指示出该受测者对网络活动为高度依赖的该第一评估结果作为该评估结果。
在步骤37中，该处理单元12判断Ft11是否大于Ft21，Fa11是否大于Fa21，At11是否大于At21，Aa11是否小于Aa21，Ft12是否大于Ft22，Fa12是否小于Fa22，At12是否小于At22，以及Aa12是否大于Aa22。当判断结果为是时，则继续进行步骤38的处理；否则，继续进行步骤39的处理。
值得一提的是，在步骤37中，该处理单元12判断Ft11是否大于Ft21，Fa11是否大于Fa21，At11是否大于At21，Aa11是否小于Aa21所获得的判断结果视为第一判断结果。该处理单元12判断Ft12是否大于Ft22，Fa12是否小于Fa22，At12是否小于At22，以及Aa12是否大于Aa22所获得的判断结果视为第二判断结果。
在步骤38中，该处理单元12产生指示出该受测者对网络活动为低度依赖的该第二评估结果作为该评估结果。
在步骤39中，该处理单元12产生指示出错误的该评估结果。
根据评估一受测者对网络活动的依赖程度的方法的第二实施例的步骤35、37的判断方式，可建立出一如下表2所示的查找表。当该受测者的所述平均频率Ft11、Fa11、Ft21、Fa21、Ft12、Fa12、Ft22、Fa22及所述平均振幅At11、Aa11、At21、Aa21、At12、Aa12、At22、Aa22符合表2所示的关系时，即可评估出受测者对网络活动的依赖程度。
表2
值得特别说明的是，在本第二实施例中，该处理单元12根据构成第一数据的所述平均频率Ft11、Fa11、Ft21、Fa21及所述平均振幅At11、Aa11、At21、Aa21及构成第二数据的所述平均频率Ft12、Fa12、Ft22、Fa22及所述平均振幅At12、Aa12、At22、Aa22来产生该评估结果，然而，在本发明的其他实施例中，该处理单元12亦可只根据该第一数据或该第二数据来产生该第一判断结果或该第二判断结果，并根据该第一判断结果或该第二判断结果来产生该评估结果，并不以此为限。
参阅图1、图4与图5，评估一受测者对网络活动的依赖程度的方法的第三实施例利用该正向刺激材料及该负向刺激材料来进行。
首先，当利用该正向刺激材料来进行本发明评估一受测者对网络活动的依赖程度的方法的第三实施例时，本发明评估一受测者对网络活动的依赖程度的方法的第三实施例包含如图4所示的步骤401～405，以获得对应于该正向刺激材料的所述平均频率Ft11、Fa11、Ft21、Fa21、Ft12、Fa12、Ft22、Fa22及所述平均振幅At11、Aa11、At21、Aa21、At12、Aa12、At22、Aa22，步骤401～405与本发明评估一受测者对网络活动的依赖程度的方法的第一实施例的步骤20～24完全相同。
接着，间隔一例如，3分钟的预定期间以使该受测者的情绪恢复平静，再利用该负向刺激材料来进行本发明评估一受测者对网络活动的依赖程度的方法的第三实施例，本发明评估一受测者对网络活动的依赖程度的方法的第三实施例包含如图4所示的步骤406～410，以获得对应于该负向刺激材料的所述平均频率F’t11、F’a11、F’t21、F’a21、F’t12、F’a12、F’t22、F’a22及所述平均振幅A’t11、A’a11、A’t21、A’a21、A’t12、A’a12、A’t22、A’a22，步骤406～410与本发明评估一受测者对网络活动的依赖程度的方法的第二实施例的步骤30～34完全相同。
接着，参阅图1与图5，在步骤411中，该处理单元12判断Ft11是否小于Ft21，Fa11是否小于Fa21，At11是否大于At21，Aa11是否大于Aa21，Ft12是否小于Ft22，Fa12是否大于Fa22，At12是否小于At22，Aa12是否小于Aa22，F’t11是否小于F’t21，F’a11是否小于F’a21，A’t11是否小于A’t21，A’a11是否大于A’a21，F’t12是否大于F’t22，F’a12是否小于F’a22，A’t12是否大于A’t22，以及A’a12是否小于A’a22当判断结果为是时，则继续进行步骤412的处理；否则，继续进行步骤413的处理。
在步骤412中，该处理单元12产生指示出该受测者对网络活动为高度依赖的该第一评估结果作为该评估结果。
在步骤413中，该处理单元12判断Ft11是否小于Ft21，Fa11是否大于Fa21，At11是否小于At21，Aa11是否小于Aa21，Ft12是否大于Ft22，Fa12是否大于Fa22，At12是否大于At22，Aa12是否大于Aa22，F’t11是否大于F’t21，F’a11是否大于F’a21，A’t11是否大于A’t21，A’a11是否小于A’a21，F’t12是否大于F’t22，F’a12是否小于F’a22，A’t12是否小于At22，以及A’a12是否大于A’a22。当判断结果为是时，则继续进行步骤414的处理；否则，继续进行步骤415的处理。
在步骤414中，该处理单元12产生指示出该受测者对网络活动为低度依赖的该第二评估结果作为该评估结果。
在步骤415中，该处理单元12产生指示出错误的该评估结果。
在本第三实施例中，先进行该第一实施例的步骤20～24，再进行该第二实施例的步骤30～34，然而在本发明的其他实施例中，亦可先进行该第二实施例的步骤30～34，再进行该第一实施例的步骤20～24，并不以此为限，此外，在本发明的其他实施例中，亦可视需求调整步骤401～410的执行顺序，例如可先执行步骤401～402、接着执行406～407，继而执行步骤403～405及步骤408～410，最后执行步骤411～415，并不以此为限。
根据评估一受测者对网络活动的依赖程度的方法的第三实施例的步骤411、413的评估方式，可建立出一如下表3、4所示的查找表。当该受测者的所述平均频率Ft11、Fa11、Ft21、Fa21、Ft12、Fa12、Ft22、Fa22、F’t11、F’a11、F’t21、F’a21、F’t12、F’a12、F’t22、F’a22及所述平均振幅At11、Aa11、At21、Aa21、At12、Aa12、At22、Aa22、A’t11、A’a11、A’t21、A’a21、A’t12、A’a12、A’t22、A’a22分别符合表3、4所示的关系时，即可评估出受测者对网络活动的依赖程度。根据本发明评估一受测者对网络活动的依赖程度的方法所获得的评估结果可作为医师于评估网络成瘾(Internet Addiction，简称IA)的参考。
表3
表4
综上所述，通过该呼吸感测单元13感测该受测者于该第一时间期间的该第一胸部呼吸信号St1与该第一腹部呼吸信号Sa1、及于该第二时间期间的该第二胸部呼吸信号St2与该第二腹部呼吸信号Sa2，并通过该处理单元12获得作为该第一数据的所述平均频率Ft11、Fa11、Ft21、Fa21及所述平均振幅At11、Aa11、At21、Aa21，以及作为该第二数据的所述平均频率Ft12、Fa12、Ft22、Fa22及所述平均振幅At12、Aa12、At22、Aa22，且根据该第一数据、该第二数据及该情绪刺激材料，产生该评估结果，进而达成根据该受测者的所述呼吸信号St1、Sa1、St2、Sa2立即评估该受测者对网络活动的依赖程度的效果，故确实能达成本发明的目的。
以上所述仅为本发明较佳实施例，然其并非用以限定本发明的范围，任何熟悉本项技术的人员，在不脱离本发明的精神和范围内，可在此基础上做进一步的改进和变化，因此本发明的保护范围当以本申请的权利要求书所界定的范围为准。

Claims (16)

1.一种评估受测者对网络活动的依赖程度的系统，其特征在于，该系统包含：
多媒体播放单元，其于一第一时间期间播放一情绪刺激材料以供该受测者观看；
呼吸感测单元，其感测该受测者的胸部与腹部分别在一先前于该第一时间期间的第二时间期间、及该第一时间期间的呼吸动作以产生一组对应于该第一时间期间的一第一胸部呼吸信号St1与一第一腹部呼吸信号Sa1、及另一组对应于该第二时间期间的一第二胸部呼吸信号St2与一第二腹部呼吸信号Sa2；
处理单元，其将该第一胸部呼吸信号St1分解成具有不同频率的一第一信号成份St11及一第二信号成份St12，将该第一腹部呼吸信号Sa1分解成具有不同频率的一第一信号成份Sa11及一第二信号成份Sa12，将该第二胸部呼吸信号St2分解成具有不同频率的一第一信号成份St21及一第二信号成份St22，并将该第二腹部呼吸信号Sa2分解成具有不同频率的一第一信号成份Sa21及一第二信号成份Sa22；
其中，该处理单元还计算出该第一信号成份St11的一平均振幅At11与一平均频率Ft11、该第二信号成份St12的一平均振幅At12与一平均频率Ft12、该第一信号成份Sa11的一平均振幅Aa11与一平均频率Fa11、该第二信号成份Sa12的一平均振幅Aa12与一平均频率Fa12、该第一信号成份St21的一平均振幅At21与一平均频率Ft21、该第二信号成份St22的一平均振幅At22与一平均频率Ft22、该第一信号成份Sa21的一平均振幅Aa21与一平均频率Fa21、及该第二信号成份Sa22的一平均振幅Aa22与一平均频率Fa22，其中所述平均频率Ft11、Fa11、Ft21、Fa21及所述平均振幅At11、Aa11、At21、Aa21构成第一数据，且所述平均频率Ft12、Fa12、Ft22、Fa22及所述平均振幅At12、Aa12、At22、Aa22构成第二数据，且根据该第一数据与该第二数据中的至少一个、及该情绪刺激材料，产生一相关于该受测者对网络活动的依赖程度的评估结果。
2.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：该处理单元还滤除该第一胸部呼吸信号St1与该第二胸部呼吸信号St2及该第一腹部呼吸信号Sa1与该第二腹部呼吸信号Sa2中的噪声，所述噪声具有一大于50赫兹或小于等于0.01赫兹的平均频率。
3.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：该处理单元根据一互补式整体经验模态分解法，获得所述第一信号成份St11、Sa11、St21、Sa21及所述第二信号成份St12、Sa12、St22、Sa22。
4.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：所述第一信号成份St11、Sa11、St21、Sa21的所述平均频率Ft11、Fa11、Ft21、Fa21均在一频率大于1赫兹且小于等于50赫兹的第一频带中，所述第二信号成份St12、Sa12、St22、Sa22的所述平均频率Ft12、Fa12、Ft22、Fa22均在一频率大于0.01赫兹且小于等于1赫兹的第二频带中。
5.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
该情绪刺激材料是一相关于正向情绪的正向刺激材料；及
该处理单元判断该平均频率Ft11是否小于该平均频率Ft21，该平均频率Fa11是否小于该平均频率Fa21，该平均振幅At11是否小于该平均振幅At21，以及该平均振幅Aa11是否小于该平均振幅Aa21以产生一第一判断结果，且至少根据该第一判断结果产生该评估结果。
6.根据权利要求5所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11>At21且Aa11>Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及
当该第一判断结果指示出Ft11<Ft21且Fa11>Fa21且At11<At21且Aa11<Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
7.根据权利要求5所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
该处理单元还判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第二判断结果，且根据该第一判断结果与该第二判断结果来产生该评估结果。
8.根据权利要求7所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11>At21且Aa11>Aa21，并且该第二判断结果指示出Ft12<Ft22且Fa12>Fa22且At12<At22且Aa12<Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及
当该第一判断结果指示出Ft11<Ft21且Fa11>Fa21且At11<At21且Aa11<Aa21，并且该第二判断结果指示出Ft12>Ft22且Fa12>Fa22且At12>At22且Aa12>Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
9.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
该情绪刺激材料是一相关于正向情绪的正向刺激材料；及
该处理单元判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第一判断结果，且至少根据该第一判断结果产生该评估结果。
10.根据权利要求9所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
当该第一判断结果指示出Ft12<Ft22且Fa12>Fa22且At12<At22且Aa12<Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及
当该第一判断结果指示出Ft12>Ft22且Fa12>Fa22且At12>At22且Aa12>Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
11.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
该情绪刺激材料是一相关于负向情绪的负向刺激材料；及
该处理单元判断该平均频率Ft11是否小于该平均频率Ft21，该平均频率Fa11是否小于该平均频率Fa21，该平均振幅At11是否小于该平均振幅At21，以及该平均振幅Aa11是否小于该平均振幅Aa21以产生一第一判断结果，且至少根据该第一判断结果产生该评估结果。
12.根据权利要求11所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11<At21且Aa11>Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及
当该第一判断结果指示出Ft11>Ft21且Fa11>Fa21且At11>At21且Aa11<Aa21时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
13.根据权利要求11所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
该处理单元还判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第二判断结果，且根据该第一判断结果与该第二判断结果来产生该评估结果。
14.根据权利要求13所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
当该第一判断结果指示出Ft11<Ft21且Fa11<Fa21且At11<At21且Aa11>Aa21，并且该第二判断结果指示出Ft12>Ft22且Fa12<Fa22且At12>At22且Aa12<Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及
当该第一判断结果指示出Ft11>Ft21且Fa11>Fa21且At11>At21且Aa11<Aa21，并且该第二判断结果指示出Ft12>Ft22且Fa12<Fa22且At12<At22且Aa12>Aa22时，该处理单元根据该第一判断结果与该第二判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
15.根据权利要求1所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
该情绪刺激材料是一相关于负向情绪的负向刺激材料；及
该处理单元判断该平均频率Ft12是否小于该平均频率Ft22，该平均频率Fa12是否小于该平均频率Fa22，该平均振幅At12是否小于该平均振幅At22，以及该平均振幅Aa12是否小于该平均振幅Aa22以产生一第一判断结果，且至少根据该第一判断结果产生该评估结果。
16.根据权利要求15所述的评估受测者对网络活动的依赖程度的系统，其特征在于：
当该第一判断结果指示出Ft12>Ft22且Fa12<Fa22且At12>At22且Aa12<Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为高度依赖的第一评估结果作为该评估结果；及
当该第一判断结果指示出Ft12>Ft22且Fa12<Fa22且At12<At22且Aa12>Aa22时，该处理单元根据该第一判断结果产生一指示出该受测者对网络活动为低度依赖的第二评估结果作为该评估结果。
CN201510454225.9A 2015-06-08 2015-07-29 评估受测者对网络活动的依赖程度的系统 Active CN106295108B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW104118495 2015-06-08
TW104118495A TWI534752B (zh) 2015-06-08 2015-06-08 評估一受測者對網路活動之依賴程度的方法

Publications (2)

Publication Number Publication Date
CN106295108A CN106295108A (zh) 2017-01-04
CN106295108B true CN106295108B (zh) 2019-12-13

Family

ID=56509400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510454225.9A Active CN106295108B (zh) 2015-06-08 2015-07-29 评估受测者对网络活动的依赖程度的系统

Country Status (3)

Country Link
US (1) US20160354022A1 (zh)
CN (1) CN106295108B (zh)
TW (1) TWI534752B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103153183A (zh) * 2010-10-01 2013-06-12 皇家飞利浦电子股份有限公司 用于诊断阻塞性睡眠呼吸暂停的装置和方法
CN103262143A (zh) * 2010-08-31 2013-08-21 戴维.L.福布斯 用于评估心理特征的方法和系统
CN103608070A (zh) * 2011-01-25 2014-02-26 艾派利斯控股有限责任公司 用于辅助呼吸的设备和方法
CN103793593A (zh) * 2013-11-15 2014-05-14 吴一兵 第三种生命维护模式及长寿定量牵引信息交换方法和实现
CN104657597A (zh) * 2015-01-29 2015-05-27 山东中医药大学 一种网瘾中医证候诊断量表生成方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7139605B2 (en) * 2003-03-18 2006-11-21 Massachusetts Institute Of Technology Heart rate monitor
US8103483B2 (en) * 2008-10-08 2012-01-24 DynaDx Corporation Accurate detection of sleep-disordered breathing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103262143A (zh) * 2010-08-31 2013-08-21 戴维.L.福布斯 用于评估心理特征的方法和系统
CN103153183A (zh) * 2010-10-01 2013-06-12 皇家飞利浦电子股份有限公司 用于诊断阻塞性睡眠呼吸暂停的装置和方法
CN103608070A (zh) * 2011-01-25 2014-02-26 艾派利斯控股有限责任公司 用于辅助呼吸的设备和方法
CN103793593A (zh) * 2013-11-15 2014-05-14 吴一兵 第三种生命维护模式及长寿定量牵引信息交换方法和实现
CN104657597A (zh) * 2015-01-29 2015-05-27 山东中医药大学 一种网瘾中医证候诊断量表生成方法及系统

Also Published As

Publication number Publication date
TW201643809A (zh) 2016-12-16
TWI534752B (zh) 2016-05-21
US20160354022A1 (en) 2016-12-08
CN106295108A (zh) 2017-01-04

Similar Documents

Publication Publication Date Title
US9999744B2 (en) Monitoring device and cognitive behavior therapy
Ellamil et al. One in the dance: musical correlates of group synchrony in a real-world club environment
Makeyev et al. Automatic food intake detection based on swallowing sounds
JP7466914B2 (ja) 健康度ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法
CN104145272B (zh) 使用生理数据确定社会情绪
John et al. Multimodal multiresolution data fusion using convolutional neural networks for IoT wearable sensing
Saeb et al. Scalable passive sleep monitoring using mobile phones: opportunities and obstacles
Lukic et al. Breathing as an input modality in a gameful breathing training app (breeze 2): development and evaluation study
Lotfi et al. A comparison between audio and IMU data to detect chewing events based on an earable device
US9241664B2 (en) Using physical sensory input to determine human response to multimedia content displayed on a mobile device
Walsh et al. Oral electromyography activation patterns for speech are similar in preschoolers who do and do not stutter
Kang et al. Sinabro: Opportunistic and unobtrusive mobile electrocardiogram monitoring system
Rahman et al. Towards reliable data collection and annotation to extract pulmonary digital biomarkers using mobile sensors
Sejdić et al. An analysis of resting-state functional transcranial Doppler recordings from middle cerebral arteries
Li et al. Roles of psychosocial factors on the association between online social networking use intensity and depressive symptoms among adolescents: Prospective cohort study
Bi et al. FamilyLog: monitoring family mealtime activities by mobile devices
Khalid et al. Sleepnet: Attention-enhanced robust sleep prediction using dynamic social networks
Le et al. Feasibility and utility of multimodal micro ecological momentary assessment on a smartwatch
D’Adamo et al. Sound effects on body perception vary with the social support network of individuals
CN106295108B (zh) 评估受测者对网络活动的依赖程度的系统
US20230355150A1 (en) Method and device for determining a mental state of a user
Patil et al. Understanding smoking behavior using wearable sensors: Relative importance of various sensor modalities
de la Hoz et al. Polysomnographic diagnoses among former World Trade Center rescue workers and volunteers
Saygin et al. Speech Detection via Respiratory Inductance Plethysmography, Thoracic Impedance, Accelerometers, and Gyroscopes: A Machine Learning‐Informed Comparative Study
Huang [Retracted] The Influence of Sports Dance on the Physical and Mental Development of Contemporary College Students Based on Health Detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant