Mueller 행렬 편광 영상 시스템 탐지에 존재하는 다양한 오차 요인에 대해 다요인 모듈 간 오차 보정 모델을 제안하여 병리 조직 샘플 검출 시 시스템의 정확도와 안정성을 향상시키고, 갑상선암 보조 진단에서의 적용 가능성을 탐색하였다. 우선 시스템 오차의 주요 원인을 분석하고, 해석법과 수치 재구성법을 이용해 오차 전달 광로 모델을 구축하며, 16개의 보정 매개변수를 포함하는 다요인 모듈 간 오차 보정 모델을 설계하였다. 둘째, 비선형 최소제곱법으로 16개 매개변수를 보정하였으며, 오차 보정 모델에 따라 공기 및 빈 슬라이드의 Mueller 행렬을 탐지해 탐지 정확도를 평가하였다. 다음으로 갑상선 유두암과 결절성 갑상선종의 염색되지 않은 조직 절편을 샘플로 사용하여 Mueller 행렬 편광 분해 방법으로 4개의 벡터 매개변수(Δ, P, D, R)를 추출하고, 각 벡터 매개변수 영상의 텍스처 특성을 추출하여 랜덤 포레스트와 서포트 벡터 머신 두 분류 모델을 구축하여 혼동 행렬과 ROC 곡선을 얻었다. 마지막으로 Precision, Recall, F1-score 및 AUC를 계산하여 분류 성능을 평가하였다. 실험 결과 보정 정확도는 12% 향상되었고, 보정 안정성은 21.5% 향상되었으며, 탐지 정확도는 59% 향상되었다. 모든 벡터 매개변수 영상의 텍스처 특성은 갑상선 유두암과 결절성 갑상선종 샘플을 효과적으로 구분할 수 있었으며, 랜덤 포레스트의 분류 성능이 서포트 벡터 머신보다 우수했으며, 랜덤 포레스트 분류기에서 Δ 매개변수의 분류 성능이 가장 뛰어나 F1-score와 AUC가 각각 0.96과 0.99에 달했다. 제안된 다요인 오차 보정 모델은 시스템 탐지 정확도와 안정성을 크게 향상시켰으며, Mueller 행렬 편광 분해 방법과 텍스처 분석을 결합하여 갑상선 유두암과 결절성 갑상선종 샘플을 효과적으로 구분할 수 있어 암 조기 보조 진단에 새로운 방법을 제공하며 좋은 응용 전망을 갖는다.

편광 영상; 오차 보정; Mueller 행렬 벡터 매개변수; 텍스처 특성; 랜덤 포레스트