CN106725305A - 基于人体姿态角的疼痛程度评估方法及系统 - Google Patents

Abstract

本发明涉及一种基于人体姿态角的疼痛程度评估方法，包括：获取下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号；对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号；对上述得到的人体躯干弯曲姿态角度信号进行低通滤波处理；提取所述低通滤波处理后人体躯干弯曲姿态角度信号的角度峰值，并求取平均角度峰值作为特征参数；统计分析所述特征参数与自身疼痛程度的相关性系数；判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。本发明还涉及一种基于人体姿态角的疼痛程度评估系统。本发明可以客观评判患者的疼痛程度，并且操作简单，成本低廉，不受主观因素影响，准确性高。

Description

基于人体姿态角的疼痛程度评估方法及系统

技术领域

本发明涉及一种基于人体姿态角的疼痛程度评估方法及系统。

背景技术

随着社会进步和医学的发展，下背痛作为护理中作中较为严重的致残和误工的主要原因之一，严重影响着人们的生活质量。疼痛在国际上已经定义为继体温、脉搏、呼吸、血压四大生命体征后的第五大生命体征，是困扰病人的一个常见问题。由于护理人员常规操作中频繁的弯腰和不正确的弯腰姿势搬抬病人、转移仪器导致脊柱负荷增加和脊柱群肌肉累积损伤，长此以往造成不同程度的疼痛。由于疼痛是一种不愉快的感觉，伴有实际或潜在组织损伤和脊柱结构异常。疼痛评估是对下背痛患者进行病理特性分析、治疗方案选择或者康复指导的关键。

目前，对疼痛的评估主要分为：病人自我报告法、行为观察法和生理指标评估法。病人自我报告法被认定为最为真实的反映疼痛的评估方法；行为观察法利用病人的面部表情、身体运动等线索对病人进行疼痛评估，差异性较大；而生理指标评估法也是利用病人的心率、呼吸、血压等来进行评估，有时候这些指标的变化会因为病人的焦躁和不安的情绪和外界环境所影响，也不可靠。

由于疼痛是一种主观感知，而主观感知常常受到外界环境、主观者个人情绪、性格、心理因素的影响，这样主观者依靠自身对疾病的认识对疾病的感知产生不确定的反映，这样往往会影响临床上对疼痛程度的真实评估，很难对其进行较为准确的评估。在相对较为有效的自我报告评估法中，主要的评估方式有：视觉模拟评分法(Visual Analog Scale，VAS)、文字描述评分法(Verbal Descriptor Scale，VDS)、数字评分法(Numeric ratingscale，NRS)、简明疼痛调查表(Brief pain Inventory，BPI)、McGill疼痛问卷(McGillPain Questionnaire，MPQ)等，在临床的实践中，根据患者的情况和环境，选择相对适合病人的量表。尽管这些评估方式相对有效，能反映患者的疼痛程度，但是这些量表的评估主要是凭借主观感知来评判的，存在很大的主观因素，对下背痛患者病理特性的研究产生一定的局限性。有研究表明，疼痛往往跟人的心情、焦虑等情绪有关，下背痛病症导致的疼痛和由于病症所产生的焦虑影响大脑所具有的疼痛，在很多时候很难区分。

发明内容

有鉴于此，有必要提供一种基于人体姿态角的疼痛程度评估方法及系统。

本发明提供一种基于人体姿态角的疼痛程度评估方法，该方法包括如下步骤：a.采用人体惯性传感器获取每位下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号；b.对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号；c.对上述得到的人体躯干弯曲姿态角度信号进行低通滤波处理；d.提取所述低通滤波处理后人体躯干弯曲姿态角度信号的角度峰值，并求取平均角度峰值，以求取的平均角度峰值作为特征参数；e.采用Pearson相关性检验，统计分析所述特征参数与自身疼痛程度的相关性系数；f.根据得到的相关性系数，判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。

其中，所述步骤a具体包括：采用两枚惯性传感器分别放置在脊柱顶端部位和L2-L5部位，采集多例下背痛患者在站立位→躯干尽力前倾弯曲→返回站立位过程中脊柱姿态角信号。

所述步骤b具体包括：对获取的躯干弯曲姿态信号通过Matlab2010b软件进行四元数方法和欧拉角法编程，解算出下背痛患者在进行上述前倾运动中人体躯干弯曲姿态角度信号。

所述步骤d具体包括：提取所述低通滤波处理后人体躯干弯曲姿态角度信号的五个角度峰值，并对所述五个角度峰值求取平均角度峰值，以求取的平均角度峰值作为特征参数。

所述步骤e具体包括：对肌肉放电有效参数值和疼痛程度进行双侧Pearson相关性检验，得到相关性系数。

本发明还提供一种基于人体姿态角的疼痛程度评估系统，包括获取模块、解算模块、滤波模块、提取模块、统计模块及判定模块，其中：所述获取模块用于采用人体惯性传感器获取每位下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号；所述解算模块用于对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号；所述滤波模块用于对上述得到的人体躯干弯曲姿态角度信号进行低通滤波处理；所述提取模块用于提取所述低通滤波处理后人体躯干弯曲姿态角度信号的角度峰值，并求取平均角度峰值，以求取的平均角度峰值作为特征参数；所述统计模块用于采用Pearson相关性检验，统计分析所述特征参数与自身疼痛程度的相关性系数；所述判定模块用于根据得到的相关性系数，判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。

其中，所述的获取模块具体用于：采用两枚惯性传感器分别放置在脊柱顶端部位和L2-L5部位，采集多例下背痛患者在站立位→躯干尽力前倾弯曲→返回站立位过程中脊柱姿态角信号。

所述的解算模块具体用于：对获取的躯干弯曲姿态信号通过Matlab2010b软件进行四元数方法和欧拉角法编程，解算出下背痛患者在进行上述前倾运动中人体躯干弯曲姿态角度信号。

所述的提取模块具体用于：提取所述低通滤波处理后人体躯干弯曲姿态角度信号的五个角度峰值，并对所述五个角度峰值求取平均角度峰值，以求取的平均角度峰值作为特征参数。

所述的统计模块具体用于：对肌肉放电有效参数值和疼痛程度进行双侧Pearson相关性检验，得到相关性系数。

本发明评估人体疼痛程度强弱的方式不受人的主观意识所控制，能够客观评估患者的疼痛程度，是对脊柱运动功能的真实写照，能够有效反映疼痛的水平，指导医生做出更加正确的病理诊断，选择出合适、有效的治疗方式，帮助患者早日实现康复。总之，本发明具有以下有益效果：有效解决了对下背痛患者进行疼痛评估的主观因素评估方式所受患者情绪影响的问题，采用人体躯干弯曲角度系统和人体疼痛系统相结合的综合系统评估，从而客观评判患者的疼痛程度。

附图说明

图1为本发明基于人体姿态角的疼痛程度评估方法的流程图；

图2为本发明基于人体姿态角的疼痛程度评估系统的硬件架构图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。

参阅图1所示，是本发明基于人体姿态角的疼痛程度评估方法较佳实施例的作业流程图。

步骤S1，采用人体惯性传感器获取每位下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号。本实施例采用两枚惯性传感器分别放置在脊柱顶端部位和L2-L5部位，采集多例下背痛患者在站立位→躯干尽力前倾弯曲→返回站立位过程中脊柱姿态角信号。具体而言：

在本实施例中，下背痛患者首先以人体标准姿势直立站立，在指导者的要求下根据自己的疼痛程度使躯干向前倾斜，达到自身弯曲最大位置后，返回站立位，连续进行5次，采用人体惯性传感器采集下背痛患者躯干弯曲姿态信号。其中，所述人体标准姿势，是指头部保持直立、身体直立站立，两眼平视前方，脚尖朝前，上肢自然下垂、手掌贴紧于身体腿部两侧。人体标准姿势不会随着客观环境、观察者的位置以及观察者的面向方位的变化而变化。

从人体标准姿势和解剖学角度出发，人体运动过程中，涉及到人体的轴向和轴面。一般情况下，进行冠状轴、垂直轴和矢状轴互相垂直的轴向，以及冠状面、矢状面和水平面的三种切面，如图2所示。冠状面将人体分为前面、后面两部分，矢状面将人体分为左边、右边两部分，水平面将人体分为上面、下面两部分。

运动捕捉设备利用人体运动传感器采集人体在三维空间中运动轨迹。Xsens惯性传感器主要采用三轴陀螺仪、三轴加速度计和三轴磁力计组成的惯性测试单元来测量传感器的运动参数。由于三轴陀螺仪存在明显的零偏和漂移，使用前先对惯性器件进行校准，校准后传感器的姿态角度数据还不能直接从传感器惯性数据中得到，还需要从惯性数据中解算出传感器的姿态角度数据，而人体传感器的运动方向与人体运动的运动方向取决于传感器的放置方向，确定好传感器的放置方向后，才可得到人体姿态角度。将人体姿态角通过传感器输出的姿态角以四元数和欧拉角两种方式表现出来。

本实施例采用9轴Xsens人体惯性传感捕捉系统MTX的方向为传感器固定坐标系相对地球固定坐标系统的方向，输出方向用四元数表示。

步骤S2，采用四元数方法和欧拉角法对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号。本实施例对获取的躯干弯曲姿态信号通过Matlab2010b软件进行四元数方法和欧拉角法编程，解算出下背痛患者在进行上述前倾运动中人体躯干弯曲姿态角度信号。具体包括：

所述人体躯干弯曲姿态角度，是人体运动过程中身体在不同运动姿态下所体现出的角度。

本实施例中，人体躯干弯曲姿态角度的获得，是采用欧拉角法和四元数方法将人体运动惯性传感器中的数据解算出来。旋转是解算人体躯干弯曲姿态角度的核心，一般通过矩阵、欧拉角表示或者轴角、四元数表示4种方法。矩阵法主要针对变换向量，最直观的采用欧拉角表示，轴角表示应用于几何推导，组合旋转通常采用四元数表示。

单位四元数矢量可以表示为一个单位矢量n通过旋转角度α得到，采用如下公式：

四元数可以简写为q₀,q₁,q₂,q₃，模为：

q_GS＝(q₀,q₁,q₂,q₃)

||q||＝1 (2)

其中，q₀表示一个旋转角度，q₁,q₂,q₃表示是一个空间向量，四元数的物理意义就是，物体从姿态原点，绕向量(q₁,q₂,q₃)旋转一个角度f(q₀)。四元数可以有效的表示三维(3D)方向，并且是唯一可以表示：q＝-q。q_GS的逆q_SG可以用q_GS的共轭表示：

利用q_GS旋转矩阵将传感器固定坐标系(S)转化为地球固定坐标系(G):

其中，q_SG是地球规定坐标方向旋转到传感器规定坐标方向的旋转矩阵。因此，Xsens惯性人体捕捉系统的四元数输出方式为q₀,q₁,q₂,q₃。

通过四元数解算出人体躯干弯曲姿态角度：

pitch＝-sin(R₃₁)＝-sin-¹(2q₁q₃-2q₀q₂)

步骤S3，对上述得到的人体躯干弯曲姿态角度信号进行切比雪夫I型低通滤波处理。具体而言：

本实施例采集到的数据.mtb数据在MT Manager软件中转化为.txt文件。在实际采集的信号中，常常会含有各种各样的噪声，因此需要对信号进行滤波处理。本实施例采用切比雪夫I型低通滤波器进行滤波处理。一般正常人前倾一次需要大约1秒，而下背痛患者由于脊柱功能异常，前倾速度会较慢，因此可以粗略的设定下背痛患者运动频率不超过0.5Hz，因此低通滤波器可以滤掉高频噪声。参数设定为：通带边频率为f_s1，通带边衰减rp，阻带边频率f_sl，阻带边衰减rs，采样频率F_s，输入信号X(k)，本实施例matlab编程如下：

function after1＝lowband(X(k),f_s1,f_sl,rp,rs,F_s)

f1＝f_s1；f₂＝f_sl；

ω_p＝2*f₁/F_s；ω_s＝2*f₂/F_s；

[n ω_n]＝cheblord(ω_p,ω_s,rp,rs)；

[b,a]＝cheby1(n,rp,ω_n,'z')；

[H ω]＝freqz(b,a)；plot(ω,abs(H))；

after1＝filter(b,a,X(k))；

阻带边截止频率设定为0.9Hz，衰减值30dB，通带边截止频率0.1Hz，衰减值为0.1dB，采样率100Hz。

步骤S4，提取所述低通滤波处理后人体躯干弯曲姿态角度信号的五个角度峰值，并对所述五个角度峰值求取平均角度峰值，以求取的平均角度峰值作为特征参数。

步骤S5，采用Pearson相关性检验，统计分析所述特征参数与自身疼痛程度的相关性系数。

对上述求取的特征参数利用SPSS19.0软件进行统计分析，显著性水平以p<0.05，表示具有统计学意义。对肌肉放电有效参数值和疼痛程度进行双侧Pearson相关性检验，得到相关性系数。

步骤S6，根据得到的相关性系数，判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。

皮尔森相关系数r值得大小，反映着参数之间相关性的强弱：当r<0.20，相关性差；当0.21<r<0.40，相关性较差；当0.41<r<0.60，相关性一般；当0.61<r<0.80，相关性好；当0.81<r<1.00，相关性很高。所有不同疼痛程度下的被试者年龄、身高、体重之间无显著差异性。

参阅图2所示，是本发明基于人体姿态角的疼痛程度评估系统10的硬件架构图。该系统包括获取模块101、解算模块102、滤波模块103、提取模块104、统计模块105及判定模块106。

所述获取模块101用于采用人体惯性传感器获取每位下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号。本实施例采用两枚惯性传感器分别放置在脊柱顶端部位和L2-L5部位，采集多例下背痛患者在站立位→躯干尽力前倾弯曲→返回站立位过程中脊柱姿态角信号。具体而言：

在本实施例中，下背痛患者首先以人体标准姿势直立站立，在指导者的要求下根据自己的疼痛程度使躯干向前倾斜，达到自身弯曲最大位置后，返回站立位，连续进行5次，采用人体惯性传感器采集下背痛患者躯干弯曲姿态信号。其中，所述人体标准姿势，是指头部保持直立、身体直立站立，两眼平视前方，脚尖朝前，上肢自然下垂、手掌贴紧于身体腿部两侧。人体标准姿势不会随着客观环境、观察者的位置以及观察者的面向方位的变化而变化。

从人体标准姿势和解剖学角度出发，人体运动过程中，涉及到人体的轴向和轴面。一般情况下，进行冠状轴、垂直轴和矢状轴互相垂直的轴向，以及冠状面、矢状面和水平面的三种切面，如图2所示。冠状面将人体分为前面、后面两部分，矢状面将人体分为左边、右边两部分，水平面将人体分为上面、下面两部分。

运动捕捉设备利用人体运动传感器采集人体在三维空间中运动轨迹。Xsens惯性传感器主要采用三轴陀螺仪、三轴加速度计和三轴磁力计组成的惯性测试单元来测量传感器的运动参数。由于三轴陀螺仪存在明显的零偏和漂移，使用前先对惯性器件进行校准，校准后传感器的姿态角度数据还不能直接从传感器惯性数据中得到，还需要从惯性数据中解算出传感器的姿态角度数据，而人体传感器的运动方向与人体运动的运动方向取决于传感器的放置方向，确定好传感器的放置方向后，才可得到人体姿态角度。将人体姿态角通过传感器输出的姿态角以四元数和欧拉角两种方式表现出来。

本实施例采用9轴Xsens人体惯性传感捕捉系统MTX的方向为传感器固定坐标系相对地球固定坐标系统的方向，输出方向用四元数表示。

所述解算模块102用于采用四元数方法和欧拉角法对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号。本实施例对获取的躯干弯曲姿态信号通过Matlab2010b软件进行四元数方法和欧拉角法编程，解算出下背痛患者在进行上述前倾运动中人体躯干弯曲姿态角度信号。具体包括：

所述人体躯干弯曲姿态角度，是人体运动过程中身体在不同运动姿态下所体现出的角度。

本实施例中，人体躯干弯曲姿态角度的获得，是采用欧拉角法和四元数方法将人体运动惯性传感器中的数据解算出来。旋转是解算人体躯干弯曲姿态角度的核心，一般通过矩阵、欧拉角表示或者轴角、四元数表示4种方法。矩阵法主要针对变换向量，最直观的采用欧拉角表示，轴角表示应用于几何推导，组合旋转通常采用四元数表示。

单位四元数矢量可以表示为一个单位矢量n通过旋转角度α得到，采用如下公式：

四元数可以简写为q₀,q₁,q₂,q₃，模为：

q_GS＝(q₀,q₁,q₂,q₃)

||q||＝1 (2)

其中，q₀表示一个旋转角度，q₁,q₂,q₃表示是一个空间向量，四元数的物理意义就是，物体从姿态原点，绕向量(q₁,q₂,q₃)旋转一个角度f(q₀)。四元数可以有效的表示三维(3D)方向，并且是唯一可以表示：q＝-q。q_GS的逆q_SG可以用q_GS的共轭表示：

利用q_GS旋转矩阵将传感器固定坐标系(S)转化为地球固定坐标系(G):

其中，q_SG是地球规定坐标方向旋转到传感器规定坐标方向的旋转矩阵。因此，Xsens惯性人体捕捉系统的四元数输出方式为q₀,q₁,q₂,q₃。

通过四元数解算出人体躯干弯曲姿态角度：

pitch＝-sin(R₃₁)＝-sin^-1(2q₁q₃-2q₀q₂)

所述滤波模块103用于对上述得到的人体躯干弯曲姿态角度信号进行切比雪夫I型低通滤波处理。具体而言：

本实施例采集到的数据.mtb数据在MT Manager软件中转化为.txt文件。在实际采集的信号中，常常会含有各种各样的噪声，因此需要对信号进行滤波处理。本实施例采用切比雪夫I型低通滤波器进行滤波处理。一般正常人前倾一次需要大约1秒，而下背痛患者由于脊柱功能异常，前倾速度会较慢，因此可以粗略的设定下背痛患者运动频率不超过0.5Hz，因此低通滤波器可以滤掉高频噪声。参数设定为：通带边频率为f_s1，通带边衰减rp，阻带边频率f_sl，阻带边衰减rs，采样频率F_s，输入信号X(k)，本实施例matlab编程如下：

function after1＝lowband(X(k),f_s1,f_sl,rp,rs,F_s)

f1＝f_s1；f₂＝f_sl；

ω_p＝2*f₁/F_s；ω_s＝2*f₂/F_s；

[n ω_n]＝cheblord(ω_p,ω_s,rp,rs)；

[b,a]＝cheby1(n,rp,ω_n,'z')；

[H ω]＝freqz(b,a)；plot(ω,abs(H))；

after1＝filter(b,a,X(k))；

阻带边截止频率设定为0.9Hz，衰减值30dB，通带边截止频率0.1Hz，衰减值为0.1dB，采样率100Hz。

所述提取模块104用于提取所述低通滤波处理后人体躯干弯曲姿态角度信号的五个角度峰值，并对所述五个角度峰值求取平均角度峰值，以求取的平均角度峰值作为特征参数。

所述统计模块105用于采用Pearson相关性检验，统计分析所述特征参数与自身疼痛程度的相关性系数。

对上述求取的特征参数利用SPSS19.0软件进行统计分析，显著性水平以p<0.05，表示具有统计学意义。对肌肉放电有效参数值和疼痛程度进行双侧Pearson相关性检验，得到相关性系数。

所述判定模块106用于根据得到的相关性系数，判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。

皮尔森相关系数r值得大小，反映着参数之间相关性的强弱：当r<0.20，相关性差；当0.21<r<0.40，相关性较差；当0.41<r<0.60，相关性一般；当0.61<r<0.80，相关性好；当0.81<r<1.00，相关性很高。所有不同疼痛程度下的被试者年龄、身高、体重之间无显著差异性。

本发明得到了前倾过程中，躯干弯曲角度峰值与VSA疼痛等级之间的高度相关性，为人体躯干弯曲姿态角系统和人体疼痛程度系统的综合系统评估方式提供了理论依据。本发明评估疼痛程度操作简单，成本低廉，不受主观因素影响，准确性高。

虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。

Claims (10)

1.一种基于人体姿态角的疼痛程度评估方法，其特征在于，该方法包括步骤：

a.采用人体惯性传感器获取每位下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号；

b.对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号；

c.对上述得到的人体躯干弯曲姿态角度信号进行低通滤波处理；

d.提取所述低通滤波处理后人体躯干弯曲姿态角度信号的角度峰值，并求取平均角度峰值，以求取的平均角度峰值作为特征参数；

e.采用Pearson相关性检验，统计分析所述特征参数与自身疼痛程度的相关性系数；

f.根据得到的相关性系数，判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。

2.如权利要求1所述的方法，其特征在于，所述步骤a具体包括：

采用两枚惯性传感器分别放置在脊柱顶端部位和L2-L5部位，采集多例下背痛患者在站立位→躯干尽力前倾弯曲→返回站立位过程中脊柱姿态角信号。

3.如权利要求2所述的方法，其特征在于，所述步骤b具体包括：

对获取的躯干弯曲姿态信号通过Matlab2010b软件进行四元数方法和欧拉角法编程，解算出下背痛患者在进行上述前倾运动中人体躯干弯曲姿态角度信号。

4.如权利要求3所述的方法，其特征在于，所述步骤d具体包括：

提取所述低通滤波处理后人体躯干弯曲姿态角度信号的五个角度峰值，并对所述五个角度峰值求取平均角度峰值，以求取的平均角度峰值作为特征参数。

5.如权利要求4所述的方法，其特征在于，所述步骤e具体包括：

对肌肉放电有效参数值和疼痛程度进行双侧Pearson相关性检验，得到相关性系数。

6.一种基于人体姿态角的疼痛程度评估系统，其特征在于，该系统包括获取模块、解算模块、滤波模块、提取模块、统计模块及判定模块，其中：

所述获取模块用于采用人体惯性传感器获取每位下背痛患者在站立位、躯干尽力前倾弯曲、返回站立位过程中躯干弯曲姿态信号；

所述解算模块用于对上述获取的躯干弯曲姿态信号进行解算，得到下背痛患者人体躯干弯曲姿态角度信号；

所述滤波模块用于对上述得到的人体躯干弯曲姿态角度信号进行低通滤波处理；

所述提取模块用于提取所述低通滤波处理后人体躯干弯曲姿态角度信号的角度峰值，并求取平均角度峰值，以求取的平均角度峰值作为特征参数；

所述统计模块用于采用Pearson相关性检验，统计分析所述特征参数与自身疼痛程度的相关性系数；

所述判定模块用于根据得到的相关性系数，判断上述平均角度峰值能否作为评估下背痛患者疼痛水平的客观方法。

7.如权利要求6所述的系统，其特征在于，所述的获取模块具体用于：

采用两枚惯性传感器分别放置在脊柱顶端部位和L2-L5部位，采集多例下背痛患者在站立位→躯干尽力前倾弯曲→返回站立位过程中脊柱姿态角信号。

8.如权利要求7所述的系统，其特征在于，所述的解算模块具体用于：

对获取的躯干弯曲姿态信号通过Matlab2010b软件进行四元数方法和欧拉角法编程，解算出下背痛患者在进行上述前倾运动中人体躯干弯曲姿态角度信号。

9.如权利要求8所述的系统，其特征在于，所述的提取模块具体用于：

提取所述低通滤波处理后人体躯干弯曲姿态角度信号的五个角度峰值，并对所述五个角度峰值求取平均角度峰值，以求取的平均角度峰值作为特征参数。

10.如权利要求9所述的系统，其特征在于，所述的统计模块具体用于：

对肌肉放电有效参数值和疼痛程度进行双侧Pearson相关性检验，得到相关性系数。