评估受测者对网络活动的依赖程度的方法与流程

本发明涉及一种评估一受测者对网络活动的依赖程度的方法，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方法。

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。

技术实现要素：

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方法。

本发明的评估受测者对网络活动的依赖程度的方法，包含以下步骤：

(A)通过一多媒体播放单元，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；

(B)通过一呼吸感测单元，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；

(C)通过一处理单元，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；

(D)通过该处理单元，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

(E)通过该处理单元，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方法，在步骤(C)之前还包含步骤(F)，通过该处理单元，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方法，在步骤(C)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方法，在步骤(C)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方法，在步骤(A)中，该情绪刺激材料是一相关于正向情绪的正向刺激材料；及步骤(E)包含以下子步骤：(E-1)通过该处理单元，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、及(E-2)通过该处理单元，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方法，在步骤(E-2)中，当步骤(E-1)中的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，及当步骤(E-1)中的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方法，步骤(E)还包含子步骤(E-1)与子步骤(E-2)之间的子步骤(E-3)，在子步骤(E-3)中，通过该处理单元，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以产生一第二判断结果；及在子步骤(E-2)中，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方法，在步骤(E-2)中，当步骤(E-1)中的该第一判断结果指示出Ft₁₁<Ft₂₁且Fa₁₁<Fa₂₁且At₁₁>At₂₁且Aa₁₁>Aa₂₁，并且步骤(E-3)中的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；及当步骤(E-1)中的该第一判断结果指示出Ft₁₁<Ft₂₁且Fa₁₁>Fa₂₁且At₁₁<At₂₁且Aa₁₁<Aa₂₁，并且步骤(E-3)中的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方法，在步骤(A)中，该情绪刺激材料是一相关于正向情绪的正向刺激材料；及步骤(E)包含以下子步骤：(E-1)通过该处理单元，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，及(E-2)通过该处理单元，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方法，在步骤(E-2)中，当步骤(E-1)中的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；及当步骤(E-1)中的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方法，在步骤(A)中，该情绪刺激材料是一相关于负向情绪的负向刺激材料；及步骤(E)包含以下子步骤：(E-1)通过该处理单元，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，及(E-2)通过该处理单元，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方法，在步骤(E-2)中，当步骤(E-1)中的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；及当步骤(E-1)中的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方法，步骤(E)还包含子步骤(E-1)与子步骤(E-2)之间的子步骤(E-3)，在子步骤(E-3)中，通过该处理单元，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以产生一第二判断结果；及在子步骤(E-2)中，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方法，在步骤(E-2)中，当步骤(E-1)中的该第一判断结果指示出Ft₁₁<Ft₂₁且Fa₁₁<Fa₂₁且At₁₁<At₂₁且 Aa₁₁>Aa₂₁，并且步骤(E-3)中的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；及当步骤(E-1)中的该第一判断结果指示出Ft₁₁>Ft₂₁且Fa₁₁>Fa₂₁且At₁₁>At₂₁且Aa₁₁<Aa₂₁，并且步骤(E-3)中的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方法，在步骤(A)中，该情绪刺激材料是一相关于负向情绪的负向刺激材料；及步骤(E)包含以下子步骤：(E-1)通过该处理单元，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，及(E-2)通过该处理单元，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方法，在步骤(E-2)中，当步骤(E-1)中的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；及当步骤(E-1)中的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，说明实施本发明评估一受测者对网络活动的依赖程度的方法的系统；

图2是一流程图，说明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；

图3是一流程图，说明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；

图4是一流程图，说明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方法的第一实施例可由一系统1来实施。该系统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本发明的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，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(Complementary Ensemble 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 of inspiratory movement by using complimentary ensemble empirical mode decomposition”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。

${\mathrm{At}}_{jk}=\frac{1}{s}\underset{n=1}{\overset{s}{\&Sigma;}}{\mathrm{St}}_{jk}\left(n\right),1\&le;j,k\&le;2---\left(1\right)$

${\mathrm{Aa}}_{jk}=\frac{1}{s}\underset{n=1}{\overset{s}{\&Sigma;}}{\mathrm{Sa}}_{jk}\left(n\right),1\&le;j,k\&le;2---\left(2\right)$

s代表取样总数，St_jk(n)代表信号成份St_jk中的第n个时间点的取样的振幅大小，Sa_jk(n)代表信号成份Sa_jk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，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，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。