Mueller行列偏光イメージングシステムの検出に存在する多様な誤差要因に対して、システムの病理組織サンプル検出における精度と安定性を向上させ、甲状腺癌の補助診断への応用可能性を探るために、多要因モジュール間誤差補正モデルを提案した。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のキャリブレーションパラメータを含む多要因モジュール間誤差補正モデルを構築した。次に、非線形最小二乗フィッティング法により16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、空気とブランクスライドのMueller行列を検出して検出精度を評価した。次に、甲状腺乳頭癌と結節性甲状腺腫の染色されていないスライドをサンプルとし、Mueller行列偏光分解法によって4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2つの分類モデルを構築し、混同行列と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た。各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区別でき、ランダムフォレストの分類性能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ではΔパラメータの分類性能が最も顕著であり、F1スコアとAUCはそれぞれ0.96と0.99に達した。提案する多要因誤差補正モデルは、システム検出の精度と安定性を大幅に向上させ、Mueller行列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区別でき、癌の早期補助診断に新たな手法を提供し、有望な応用展望を持つ。

偏光イメージング；誤差補正；Mueller行列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