Frente a múltiplos fatores de erro presentes no sistema de imageamento de polarização da matriz de Mueller, é proposto um modelo multifatorial de correção de erros entre módulos para melhorar a precisão e estabilidade do sistema na detecção de amostras de tecidos patológicos, explorando seu potencial na assistência diagnóstica do câncer de tireoide. Primeiro, analisam-se as principais fontes de erro do sistema, utilizando métodos analíticos e de reconstrução numérica para estabelecer um modelo de transmissão de erro óptico, construindo um modelo multifatorial de correção de erros entre módulos com 16 parâmetros de calibração. Em seguida, calibra-se os 16 parâmetros usando método de mínimos quadrados não linear; com base no modelo de correção de erros, a matriz de Mueller do ar e das lâminas em branco é detectada para avaliar a precisão da detecção. Depois, utilizando cortes não corados de carcinoma papilar da tireoide e bócio nodular como amostras, extrai-se quatro parâmetros vetoriais (Δ, P, D, R) pelo método de decomposição de polarização da matriz de Mueller, e extrai-se características texturais das imagens de cada parâmetro vetorial, construindo-se dois modelos de classificação: floresta aleatória e máquina de vetor de suporte para obter matrizes de confusão e curvas ROC. Por fim, o desempenho da classificação é avaliado pelo cálculo de precisão, recall, F1-score e AUC. Os resultados experimentais mostram que a precisão da calibração melhorou 12%, a estabilidade da calibração 21,5% e a precisão da detecção 59%; as características texturais das imagens de todos os parâmetros vetoriais podem distinguir efetivamente amostras de carcinoma papilar da tireoide e bócio nodular, sendo o desempenho de classificação da floresta aleatória superior ao da máquina de vetor de suporte, com o parâmetro Δ apresentando o melhor desempenho de classificação no classificador de floresta aleatória, alcançando F1-score e AUC de 0,96 e 0,99, respectivamente. O modelo multifatorial de correção de erros proposto melhora 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 efetivamente amostras de carcinoma papilar 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 texturais; floresta aleatória