Diante dos múltiplos fatores de erro presentes no sistema de imageamento por polarização da matriz de Mueller, propõe-se um modelo de correção de erro multi-fatores entre módulos para melhorar a precisão e estabilidade do sistema na detecção de amostras de tecidos patológicos, explorando seu potencial de aplicação no diagnóstico assistido do câncer de tireoide. Primeiramente, analisam-se as principais fontes de erro do sistema, utilizando métodos analíticos e numéricos para estabelecer um modelo de transferência de erro no caminho óptico, construindo um modelo de correção de erro multi-fatores entre módulos contendo 16 parâmetros de calibração. Em seguida, os 16 parâmetros são calibrados por ajuste não linear de mínimos quadrados; com base no modelo de correção de erro, a matriz de Mueller do ar e das lâminas em branco é detectada para avaliar a precisão de detecção. Depois, utilizando lâminas não coradas de carcinoma papilífero da tireoide e bócio nodular como amostras, são extraídos quatro parâmetros vetoriais (Δ, P, D, R) por meio do método de decomposição de polarização da matriz de Mueller, e características de textura das imagens de cada parâmetro vetorial são extraídas; dois modelos de classificação, floresta aleatória e máquina de vetores de suporte, são construídos para obter a matriz de confusão e a curva ROC. Por fim, a eficácia da classificação é avaliada calculando precisão, recall, F1-score e AUC. Os resultados experimentais indicam que a precisão da calibração aumentou 12%, a estabilidade da calibração 21,5% e a precisão da detecção 59%; as características de textura das imagens de cada parâmetro vetorial distinguem eficazmente carcinoma papilífero da tireoide de bócio nodular; a performance da classificação por floresta aleatória é superior à da máquina de vetores de suporte, e o parâmetro Δ no classificador de floresta aleatória é o mais significativo, com F1-score e AUC atingindo 0,96 e 0,99, respectivamente. O modelo de correção de erro multi-fatores proposto melhorou significativamente a precisão e estabilidade do sistema de detecção, e, combinado com o método de decomposição de polarização da matriz de Mueller e análise de textura, pode distinguir eficazmente amostras de carcinoma papilífero da tireoide e bócio nodular, fornecendo um novo método para diagnóstico assistido precoce do câncer com boas perspectivas de aplicação.

imageamento por polarização; correção de erros; parâmetros vetoriais da matriz de Mueller; características de textura; floresta aleatória