The incidence of shoulder complaints in the total Dutch population is estimated between 70 and 160 per thousand a year. Because the functioning of the human shoulder is very important in labour situations, as well as in performing the Activities of Daily Living (ADL), the development of adequate treatment of shoulder disorders is very important. Despite the importance of treatment of shoulder disorders, and the growing interest in the human shoulder, many questions about the shoulder are still unanswered.

To improve the results of medical intervention on the shoulder and to increase the knowledge about the shoulder, at the Man-Machine Systems and Control Group at the Faculty of Design, Engineering and Production of the Delft University of Technology a musculoskeletal model of the human shoulder has been developed. This multi-body computer model describes the relationships between movements and external forces acting on the arm and the internal forces and movements of the muscles. This model, also known as the Delft Shoulder Model, is based on parameters of a cadaver, but simulations are done using input motions of healthy subjects, or patients. The discrepancy between model and subject parameters decreases the accuracy of the simulation results of the model, which makes correct interpretation and medical intervention on the basis of these simulation results more difficult.

One of the methods to improve the accuracy of the simulation results of the Delft Shoulder Model is to adapt the parameters of the model to the individual subject. Simulation results of such an individualized model can be interpreted better resulting in better medical treatment and better understanding of the functioning of the human shoulder. The goal of the research described in this thesis is to individualize the Delft Shoulder Model in order to obtain simulation results that are more accurate. To reach this goal, different approaches have been developed and tested. Results are described in this thesis.

To measure the inner structures of the human body in vivo in a quantitative way, MRI can be used very well. When one tries to use MRI for measuring a musculoskeletal system, the problem arises that the muscles are difficult to distinguish from each other. All muscles have the same greyvalue and the facia in between the muscles is very thin and often not detectable.

Therefore automatic segmentation of the muscles of the shoulder is not possible. To measure the musculoskeletal structures from MRI images of the inner body, an interactive contour detection algorithm is developed. This interactive contour detection method is used to segment the MRI images, as well as the CT images necessary for analysis of the images used in the thesis. The method shows to be very useful for semi-automatic segmentation of tomographic images.

To know which parameters of the Delft Shoulder Model have the most influence on the simulation results of the model, three sets of parameters have been obtained from dissection experiments of three cadavers. Analysis of simulation results of the model based on these different parameter sets shows that the model is very sensitive to its parameters. Mean differences between simulated and measured rotations can be as much as 20 degrees. Adapting the model to an individual subject is thus necessary. The simulation results of the model based on one of the parameter sets show strange behaviour. For a specific situation the model shows some instable behaviour. This kind of unpredictable behaviour makes that one should be very careful with adapting the modelparameters.

To investigate the possibilities of obtaining model parameters for the Delft Shoulder Model from MRI images, an MRI image dataset has been made of a human cadaver. Because this cadaver is also used in a dissection experiment model parameters obtained using dissection and "MRI dissection" can be compared. This study shows that most parameters can be obtained from MRI images with reasonable accuracy. The study also showed that for some muscle attachments the dissection data might be wrong. It is a problem that a dissection experiment can only be performed once on the same cadaver. The results of this study show that it is advisable always to combine a dissection experiment with an MRI experiment, because the MRI dataset can help to verify the dissection data afterwards.

Because automatic segmentation of the muscles in an MRI image is not possible and because muscle architecture cannot be obtained from MRI, other methods to adapt the Delft Shoulder Model to individual subjects are studied. We hypothesize that the location and shape of muscle attachment sites correlate with the shape of the bones they are attached to. If this hypothesis holds, it is possible to predict the location of muscle attachments when the shape of the bones is known. To validate this hypothesis, geometric models of three sets of shoulder bones were built based on CT scans. These models consist of 3-D surface models of the scapula, clavicle and humerus, with the muscle attachment contours connected to them. Two of these models were transformed to the third model. The muscle attachment contours could be compared. Using these techniques, 45 percent of the muscle attachment contours could be predicted with high accuracy. For 40 percent of the muscle attachment contours it was not possible to distinguish the interindividual differences from the inaccuracies of the method used. Measurement errors were the reason why there was a great divergence between 15 percent of the measured and observed muscle attachments. From this study, we conclude that most muscle attachment contours can be predicted by means of geometric models of the bones. To gain more insight in the interindividual differences, it is necessary to repeat this experiment with a better dissection protocol and a larger dataset.

Adapting the dynamic and static properties of the shouldermodel, like muscle volume and muscle attachment locations shows to be very complicated. Especially when adaptation has to take place in a clinical practice.

To adapt the Delft Shoulder Model for the kinematic differences between subject and model, a model transformation technique is developed. The kinematic differences between subject and model cause differences between the measured movements of the subject and the simulated movements of the model. These differences are a result of the closed chain mechanism of the Delft Shoulder Model. It is important to reduce these differences because they have great influence on the kinematic and dynamic simulation results of the model. To reduce the size of these kinematic differences, a parameter optimization technique is developed. Using this technique, based on an optimization the simulation results by means of adapting a few kinematic parameters, the differences in mean scapula orientation are reduced from 7.2 degree to 3.8 degree. The movements necessary for this optimization are measured using standardized protocol.

From this thesis we can conclude that it is very well possible to improve the kinematic simulation results of the Delft Shoulder Model. We believe that improvement of the kinematic results also results in an improvement of the static and dynamic results. Adapting the static and dynamic parameters of the Delft Shoulder Model to the individual subject is still far away. The methods like geometric model transformation and MRI are very time consuming and validation of the simulation results is not possible. This makes it impossible to know whether an adapted shoulder model provides more accurate simulation results. MRI has shown to be a promising method to measure the musculoskeletal structures of the inner body. Difficulties using MRI for obtaining information about the musculoskeletal structures of the human shoulder are that it is often problematic to distinguish between two adjacent muscles, and the muscle fibre direction and the exact locations of the muscle attachments cannot be detected.

Van de totale nederlandse samenleving wordt geschat dat er per jaar 70 tot 160 van de duizend mensen last van hun schouder hebben. Het ontwikkelen van juiste behandelingsmethoden voor deze schouderproblemen is erg belangrijk omdat het goed functioneren van de schouder van belang is tijdens het werk, maar ook bij de persoonlijke verzorging. Ondanks dit belang en ondanks de groeiende interesse in het functioneren van de schouder zijn er nog steeds vele onbeantwoorde vragen over de menselijke schouder.

Aan de Technische Universiteit Delft bij de Faculteit voor Ontwerp, Constructie en Produktie bij de werkgroep voor Mens-Machine Systemen is een spier-skelet model ontwikkeld. Doel van dit model is om meer inzicht te verkrijgen in het functioneren van de schouder en om de resultaten van medisch ingrijpen op de schouder te verbeteren. Dit eindige elementen computermodel beschrijft het verband tussen de inwendige krachten en bewegingen van spieren enerzijds en de externe krachten en bewegingen die op de arm werken anderzijds. Dit model staat bekend als het Delftse Schoudermodel en is gebaseerd op parameters die gemeten zijn aan een menselijk kadaver. Probleem is dat simulaties gedaan worden gebaseerd op metingen van bewegingen en krachten aan proefpersonen of patiënten. Door deze discrepantie tussen modelparameters en de parameters van de proefpersoon worden de resultaten van de modelsimulaties minder nauwkeurig en daardoor moeilijker te interpreteren. Hierdoor wordt ook medisch ingrijpen op basis van modelsimulaties van de patiënt lastig.

Het aanpassen van de modelparameters van het schoudermodel aan de individuele persoon zal de nauwkeurigheid van de simulatieresultaten van het model verbeteren. Hierdoor wordt het interpreteren van simulatieresultaten eenvoudiger waardoor behandelingsmethoden van de schouder verbeterd kunnen worden. Het doel van het onderzoek dat in dit proefschrift beschreven wordt is om het Delftse Schoudermodel te individualiseren waardoor de simulatieresultaten van het model nauwkeuriger zullen zijn. Om dit doel te bereiken zijn verschillende methodes onderzocht. De resultaten van dit onderzoek worden in dit proefschrift beschreven.

Om structuren in het menselijk lichaam kwantitatief te meten is MRI zeer geschikt. Bij het gebruik van MRI om een spier-skelet systeem te meten wordt het lastiger omdat de verschillende spieren niet goed van elkaar te onderscheiden zijn. In het MRI beeld hebben de spieren dezelfde grijswaarden en de spierfacia is zo dun dat het vaak niet te detecteren is.

Om deze redenen is automatisch segmenteren en detecteren van spieren niet mogelijk. Om toch spieren te kunnen meten in MRI beelden is een interactief segmentatie algoritme ontwikkeld. Deze interactieve methode is gebruikt om zowel de MRI al de CT-beelden die gebruikt zijn in dit proefschrift te analyseren. Deze methode blijkt zeer geschikt te zijn voor semi-automatische segmentatie van tomografische beelden.

Om te bepalen welke parameters van het Delftse Schoudermodel de meeste invloed hebben op de simulatieresultaten zijn drie parametersets, verkregen door middel van dissectie experimenten van drie menselijke kadavers, gebruikt in het model. Uit de analyse van de simulatieresultaten van het model gebaseerd op deze drie verschillende parametersets blijkt dat het model zeer gevoelig is voor de modelparameters. Verschillen tussen gesimuleerde en gemeten oriëntaties van het schouderblad lopen op tot 20 graden. Hieruit blijkt dat het nodig is om het model aan te passen aan de individuele persoon. De simulatieresultaten laten ook een vreemd gedrag van het model zien. Voor een van de parametersets raakt het model bij een bepaalde stand in een soort onstabiele toestand. Vanwege dit soort onvoorspelbaar modelgedrag moet men zeer voorzichtig zijn bij het aanpassen van de modelparameters.

Om te onderzoeken wat de mogelijkheden zijn om modelparameters voor het Delftse Schoudermodel uit MRI beelden te verkrijgen is er een MRI dataset gemaakt van een menselijk kadaver. Hetzelfde kadaver is ook gebruikt bij een dissectie experiment waardoor het mogelijk wordt om de modelparameters die verkregen zijn door middel van dissectie te vergelijken met modelparameters die verkregen zijn door middel van "MRI-dissectie". Deze studie toont aan dat de meeste parameters met een aanvaardbare nauwkeurigheid door middel van MRI verkregen kunnen worden. Uit deze studie blijkt tevens dat voor een aantal spieraanhechtingen de dissectie resultaten verkeerd zouden kunnen zijn. Een probleem is dat een dissectie experiment slechts eenmaal uitgevoerd kan worden op hetzelfde kadaver. Het is dus van belang om een dissectie experiment altijd te combineren met een MRI experiment zodat controle van de dissectie resultaten achteraf mogelijk is.

Omdat automatische segmentatie van MRI beelden van de menselijke schouder niet mogelijk is en omdat belangrijke modelparameters zoals spierwerklijnen niet uit MRI verkregen kunnen worden wordt er verder gezocht naar methoden om het Delftse Schoudermodel aan te passen aan de individuele persoon. Als we uitgaan van de hypothese dat de aanhechtingsplaatsen van spieren gerelateerd zijn aan de vorm van het bot waar ze aan hechten, dan zou het mogelijk kunnen zijn om spieraanhechtingen te voorspellen uit de vorm van de botten. Om deze hypothese te valideren zijn er van een drietal datasets geometrische modellen gemaakt van de botten. Deze modellen bestaan uit driedimensionale oppervlaktemodellen van het schouderblad, het sleutelbeen en het bovenarmbot, met daarbij de posities van de spieraanhechtingen. Na geometrische transformatie van deze modellen kunnen de spieraanhechtingen met elkaar vergeleken worden. Door middel van deze techniek kunnen 45 procent van de spieraanhechtingen nauwkeurig voorspeld worden. Voor 40 procent van de spieraanhechtingen was het niet mogelijk om te bepalen of de voorspellingsfout een gevolg was van inter individuele verschillen of onnauwkeurigheden die het gevolg zijn van de gebruikte methodieken. Voor 15 procent van de spieraanhechtingen is een aantoonbare meetfout de oorzaak van een verkeerde voorspelling. Uit dit experiment concluderen we dat de positie van de meeste spieraanhechtingen voorspeld kan worden door middel van geometrische modellen van de botten. Om meer inzicht te verkrijgen in de inter-individuele verschillen zou dit experiment herhaald moeten worden met een grotere dataset en een verbeterd dissectie protocol.

Uit voorgaande experimenten blijkt dat het aanpassen van dynamische en statische parameters van het Delftse Schoudermodel zeer gecompliceerd is. Vooral als de aanpassingen in de medische praktijk toegepast dienen te worden.

Om de kinematica van het Delftse Schoudermodel aan te passen aan de individuele persoon is een modeltransformatietechniek ontwikkeld. De verschillen in kinematica tussen het model en de individuele persoon veroorzaken verschillen tussen de bewegingen die aan een persoon gemeten zijn en de bewegingen die het model maakt. Deze verschillen worden veroorzaakt door de gesloten keten structuur van het Delftse Schoudermodel. Het verkleinen van deze verschillen is belangrijk omdat ze grote invloed hebben op de dynamische en statische simulatieresultaten van het model. Om de verschillen in kinematica te verkleinen is een parameter optimalisatie techniek ontwikkeld. Met behulp van deze techniek, die gebaseerd is op de optimalisatie van simulatie resultaten door het aanpassen van een beperkt aantal modelparameters, is het verschil in de gemiddelde afwijking van de oriëntatie van het schouderblad verkleind van 7,2 graden naar 3,8 graden. De bewegingen die gemeten moeten worden om deze optimalisatie uit te voeren bestaan uit standaard meetprotocollen.

De eindconclusies van dit proefschrift zijn dat het mogelijk is om de kinematische resultaten van het Delftse Schoudermodel te verbeteren. We nemen aan dat verbetering van de kinematische resultaten tot gevolg heeft dat de statische en dynamische resultaten van het model ook verbeteren. Aanpassingen van de statische en dynamische modelparameters is nog steeds een grote stap. De methodes zoals modeltransformatie en MRI zijn zeer tijdrovend en validatie van de modelresultaten is niet mogelijk. Hierdoor is het niet mogelijk om te bepalen of een aangepast schoudermodel nauwkeuriger simulatieresultaten geeft dan een standaard model. Het blijkt dat MRI een veelbelovende techniek is om spierskelet systemen te meten. De problemen met MRI zijn dat het vaak lastig is om aangrenzende spieren van elkaar te onderscheiden en het is niet mogelijk om spierwerklijnen te bepalen met behulp van MRI.