Mueller 행렬 편광 영상 시스템 탐지에서 존재하는 다양한 오류 요인에 대응하여, 시스템이 병리 조직 샘플 검출에서의 정확도와 안정성을 향상시키고 갑상선암 보조 진단에서의 적용 가능성을 탐색하기 위해 다중 요인 모듈 간 오류 보정 모델을 제안하였다. 먼저, 시스템 오류의 주요 원인을 분석하고, 해석법과 수치 재구성법을 이용해 오류 전달 광로 모델을 구축했으며, 16개의 보정 매개변수를 포함하는 다중 요인 모듈 간 오류 보정 모델을 구성하였다. 둘째, 비선형 최소제곱 적합법을 이용해 16개 매개변수를 보정하였으며, 오류 보정 모델에 따라 공기와 백색 슬라이드의 Mueller 행렬을 탐지하여 탐지 정확도를 평가하였다. 다음으로, 갑상선 유두암과 결절성 갑상선종의 염색하지 않은 슬라이드를 샘플로 하여 Mueller 행렬 편광 분해 방법으로 네 개의 벡터 매개변수(Δ, P, D, R)를 추출하고, 각 벡터 매개변수 영상의 질감 특징을 추출하여 랜덤 포레스트와 서포트 벡터 머신 두 가지 분류 모델을 구축하여 오차 행렬과 ROC 곡선을 얻었다. 마지막으로 Precision, Recall, F1-score 및 AUC를 산출하여 분류 효과를 평가하였다. 실험 결과 보정 정확도가 12% 향상되고, 보정 안정성이 21.5% 향상되며, 탐지 정확도가 59% 향상되었음을 보여 주었다; 각 벡터 매개변수 영상의 질감 특징이 갑상선 유두암과 결절성 갑상선종 샘플을 효과적으로 구별할 수 있었으며, 랜덤 포레스트의 분류 성능이 서포트 벡터 머신보다 우수하였고, 랜덤 포레스트 분류기에서 Δ 매개변수의 분류 효과가 가장 두드러졌으며, F1-score와 AUC가 각각 0.96과 0.99에 이르렀다. 제안된 다중 요인 오류 보정 모델은 시스템 탐지 정확도와 안정성을 크게 향상시켰으며, Mueller 행렬 편광 분해 방법과 질감 분석을 결합하여 갑상선 유두암과 결절성 갑상선종 샘플을 효과적으로 구분할 수 있어 암 조기 보조 진단에 새로운 방법을 제공하고 좋은 응용 전망을 가진다.

편광 영상; 오류 보정; Mueller 행렬 벡터 매개변수; 질감 특징; 랜덤 포레스트