В связи с многочисленными факторами ошибок, присутствующими в системе поляризационного изображений с использованием матрицы Мюллера, предложена модель коррекции ошибок с учетом нескольких факторов и межмодульного подхода для повышения точности и стабильности системы при исследовании патологических образцов тканей, а также изучен потенциал применения в辅助 диагностике рака щитовидной железы. Во-первых, проведен анализ основных источников системных ошибок, с использованием аналитического и численного методов реконструкции построена модель передачи ошибок в оптической схеме, создана модель коррекции ошибок с 16 параметрами калибровки, охватывающая несколько факторов и модуля. Во-вторых, выполнена калибровка 16 параметров методом нелинейного наименьших квадратов; в соответствии с моделью коррекции ошибок исследована матрица Мюллера воздуха и пустого среза для оценки точности обнаружения. Затем, с использованием несокрашенных срезов папиллярного рака щитовидной железы и узлового зоба, методами поляризационного разложения матрицы Мюллера были извлечены четыре векторных параметра (Δ, P, D, R), а также извлечены текстурные особенности изображений каждого векторного параметра, построены две классификационные модели — случайный лес и опорные векторные машины, получены матрица ошибок и кривые ROC. В конце оценивалось качество классификации вычислением Precision, Recall, F1-score и AUC. Экспериментальные результаты показали: точность калибровки улучшилась на 12%, стабильность калибровки повысилась на 21.5%, точность обнаружения улучшилась на 59%; текстурные характеристики изображений векторных параметров эффективно отличали папиллярный рак щитовидной железы от узлового зоба, при этом классификация случайным лесом превосходила классификацию опорных векторных машин, классификация параметра Δ в классификаторе случайного леса была наиболее значимой, F1-score и AUC достигли 0.96 и 0.99 соответственно. Предложенная модель коррекции ошибок с несколькими факторами значительно повысила точность и стабильность системы, в сочетании с методом поляризационного разложения матрицы Мюллера и текстурным анализом эффективно различает папиллярный рак щитовидной железы и узловой зоб, предоставляя новый метод для ранней вспомогательной диагностики рака с хорошими перспективами применения.

поляризационное изображение;коррекция ошибок;векторные параметры матрицы Мюллера;текстурные характеристики;случайный лес