Muellerマトリックス偏光イメージングシステムの検出に存在するさまざまな誤差要因に対して、多因子モジュール間誤差補正モデルを提案し、病理組織サンプル検出におけるシステムの精度と安定性を向上させ、甲状腺癌補助診断への応用可能性を検討した。まず、システム誤差の主な原因を分析し、解析法と数値再構成法を用いて誤差伝播光路モデルを構築し、16個のキャリブレーションパラメータを含む多因子モジュール間誤差補正モデルを構築した。次に、非線形最小二乗法を用いて16個のパラメータをキャリブレーションし、誤差補正モデルに基づき、空気および空白スライドのMuellerマトリックスを検出して検出精度を評価した。次に、甲状腺乳頭癌および結節性甲状腺腫の染色していないスライドをサンプルとして使用し、Muellerマトリックス偏光分解法を用いて四つのベクトルパラメータ（Δ、P、D、R）を抽出し、各ベクトルパラメータ画像のテクスチャ特徴を抽出して、ランダムフォレストとサポートベクターマシンの二つの分類モデルを構築し、混同行列およびROC曲線を取得した。最後に、Precision、Recall、F1スコアおよびAUCを計算して分類効果を評価した。実験結果は、キャリブレーション精度が12%、キャリブレーション安定性が21.5%、検出精度が59%向上したことを示し、すべてのベクトルパラメータ画像のテクスチャ特徴は甲状腺乳頭癌と結節性甲状腺腫のサンプルを効果的に識別でき、ランダムフォレストの分類効果はサポートベクターマシンより優れており、ランダムフォレスト分類器においてΔパラメータの分類効果が最も顕著で、F1スコアおよびAUCはそれぞれ0.96および0.99に達した。提案した多因子誤差補正モデルはシステムの検出精度と安定性を大幅に向上させ、Muellerマトリックス偏光分解法とテクスチャ解析を組み合わせることで甲状腺乳頭癌と結節性甲状腺腫のサンプルを効果的に識別でき、がんの早期補助診断に新たな方法を提供し、良好な応用展望を有する。

偏光イメージング;誤差補正;Muellerマトリックスベクトルパラメータ;テクスチャ特徴;ランダムフォレスト