本发明公开了一种基于多源特征的腰痛患者肢体功能障碍自动评估方法，首先，使用U‑Net神经网络对腰部核磁共振(MRI)影像中的多裂肌、竖脊肌进行自动分割，并采用最大类间方差法实现肌肉横截面积、脂肪浸润度等影像学特征的提取；其次，通过对临床常用的腰痛患者评估量表进行筛选，提取量表特征；随后，使用支持向量机递归特征消除算法(SVM‑RFE)对所有特征进行筛选，降低特征冗余，确定最优的特征组合；最后，选用机器学习中的支持向量机(SVM)方法构建腰痛患者肢体功能障碍评估模型，实现对腰痛患者功能障碍的自动评估和判别。本方法首次基于量表、影像学等多源特征组合，结合支持向量机方法，实现对腰痛患者肢体功能障碍程度的自动评估。