172
9.
Shavkat, F., Narzillo, M., & Abdurashid, S. (2019). Selection of significant features of
objects in the classification data processing. International Journal of Recent Technology
and Engineering, 8(2 Special Issue 11), 3790-3794.
10.
Mamatov, N., Jalelova, M., & Samijonov, B. (2024). Tasvir obyektlarini
segmentatsiyalashning mintaqaga asoslangan usullari. Modern Science and Research, 3(1),
1-4. https://inlibrary.uz/index.php/science-research/article/view/28241
11.
Mamatov, N., Sultanov, P., Jalelova, M., & Samijonov, A. (2023). 2D image processing
algorithms for kidney transplantation. Scientific Collection «InterConf», (184), 468-474.
12.
Маматов, Н., Султанов, П., Юлдашев, Ю., & Жалелова, М. (2023). Методы
повышения контрастности изображений при мультиспиральной компьютерной
томографии. Евразийский журнал академических исследований, 3(9), 125-132.
13.
Narzillo, M., Bakhtiyor, A., Shukrullo, K., Bakhodirjon, O., & Gulbahor, A. (2021,
November). Peculiarities of face detection and recognition. In 2021 International
Conference on Information Science and Communications Technologies (ICISCT) (pp. 1-
5). IEEE.
14.
Дюк, В.А. Информационные технологии в медико-биологических исследованиях /
В.А. Дюк. - СПб.: Питер, 2003. - 528 с.
RENTGENOGRAFIK TASVIRLARGA DASTLABKI ISHLOV BERISH DASTURIY
MAJMUASI
t.f.d., prof. Mamatov Narzullo Solidjonovich
“Toshkent irrigatsiya va qishloq xo’jaligini mexanizatsiyalash muhandislari” Milliy
tadqiqot universiteti, O’zbekiston
Jalelova Malika Moyatdin qizi
“Toshkent irrigatsiya va qishloq xo’jaligini mexanizatsiyalash muhandislari” Milliy
tadqiqot universiteti, O’zbekiston
Erejepov Kewlimjay Kaymatdinovich
“Toshkent irrigatsiya va qishloq xo’jaligini mexanizatsiyalash muhandislari” Milliy
tadqiqot universiteti, O’zbekiston
Samijonov Abdurashid Narzullo o’g’li
“Toshkent irrigatsiya va qishloq xo’jaligini mexanizatsiyalash muhandislari” Milliy
tadqiqot universiteti, O’zbekiston
Najmiddinov Ahliddin Sirojiddin o’g’li
“Toshkent irrigatsiya va qishloq xo’jaligini mexanizatsiyalash muhandislari” Milliy
tadqiqot universiteti, O’zbekiston
Annotatsiya.
Mazkur maqola rentgenografik tasvirlarga ishlov berish yondashuv va
algoritmlari asosida ishlab chiqilgan dasturiy majmuani tuzilmasi, talablari va imkoniyatlari
bayoniga bag‘ishlangan bo‘lib, unda dasturiy majmuani tashkil etuvchi modullar va ularni
tasniflari hamda dasturiy majmuadan foydalanish uchun kompyuter konfiguratsiyasi keltirilgan.
Kalit so’zlar:
tasvirlarga ishlov berish, modul, CLAHE, kontrast, shovqin, tanib olish,
bosh oyna, menyu, OpenCV, kontur ajratish.
Ilg‘or funksional va zamonaviy imkoniyatlarga ega bo’lgan yuqori sifatli rentgen
uskunasi har qanday tibbiy muassasa uchun zarur vosita hisoblanadi. Bu kabi uskunalarni ishlab
chiqish bugungi kunda dolzarbdir. Raqamli texnologiyalarni rivojlanishi esa tashxislash va
tasvirlashni ko‘plab zamonaviy yondashuvlarini paydo bo‘lishiga olib kelmoqda. Bunda yangi
yondashuvlardan foydalanib bemorlarga tibbiy mutaxassislarni tashxis qo‘yishi va davolash
173
kursini to‘g‘ri belgilashi o‘ta muhim hisoblanadi. Tibbiyotda bemorlarga erta tashxis qo‘yishda
tibbiy tasvirlarni o‘rni beqiyosdir. Chunki, tibbiy tasvir tashxis qo‘yishning birinchi bosqichi
sifatida tasvirdagi qiziqish obyektlarini vizual ko‘rish imkoniyatini ta’minlaydi. Tasvirlarga
ishlov berishning mavjud tizimlarini katta qismida ishlov berish natijasi foydalanuvchini bilim
va tajribasiga bog‘liq. Tashxislashni barcha mavjud usullarni ko‘rib chiqish esa ko‘p vaqt talab
qiladi. Shuning uchun, shifokorlar faoliyatini yaxshilash uchun avtomatlashtirishni
ta’minlaydigan usul va yondashuvlarga asoslangan dasturiy majmuani ishlab chiqish zarur.
Mazkur tadqiqot ishida rentgenografik tasvirlarga ishlov berishda tasvir sifatini
yaxshilash va rentgen tasvirlardagi obyekt chegaralarini shakllantirish vazifalarini bajarishga
imkon beruvchi dasturiy majmua ishlab chiqilgan bo‘lib, dasturiy majmua Python dasturlash
tilida amalga oshirilgan va unda OpenCV kutubxonasini ko‘plab funksiyalari foydalanilgan.
Dastur interfeysini ishlab chiqishda esa PyQt5 kutubxonasi qo‘llanilgan (1-rasm).
1 –rasm. Dasturiy majmuani asosiy oynasi
Dastur bosh menyusida «Fayl», «Qurilma», «Tasvirni shakllantirish», «Segmentatsiya»,
«Baholash», «Belgi shakllantirish», «Tanib olish», «Yordam» kabilar mavjud. Tasvirlarga ishlov
berish jarayonini boshlash uchun foydalanuvchi «Fayl» menyusini «Ochish» bandini tanlash
orqali tasvirni ochishni, ya’ni dasturga tasvirni yuklashni amalga oshiradi.
«Qurilma» menyusi orqali dasturiy majmuaga ulanishi mumkin bo‘lgan qurilma turini
tanlash va parametrlarini sozlash amalga oshiriladi. Shuningdek, ushbu menyuda joriy qurilmani
boshqa qurilma bilan almashtirish, «O‘chirish» yoki «Qo‘shish» kabi qism menyular mavjud.
Bunda rentgenografik tasvir to‘g‘ridan-to‘g‘ri tibbiy qurilmalardan olinishi yoki plyonkani
raqamlashtirish natijasi bo‘lishi ham mumkin [1]. Navbatdagi asosiy menyular tibbiyot
mutaxassisiga tasvirga ishlov berishda foydalanadigan usulni tanlash imkonini beradi.
Foydalanuvchi tomonidan dasturdan qulay bo‘lishi uchun «Tasvirni shakllantirish» menyusi
tasvirni shakllantirish bosqichlari bo‘yicha «Kontrast», «Xalaqit», «Kontur ajratish», «Kontur
ingichkalashtirish» kabi qism menyularga ajratilgan. Bunda «Kontrast» qism menyusi kontrast
kuchaytirish algoritmlarini [2-7], «Xalaqit» qism menyusi esa tasvirlardagi shovqinlarni
pasaytirishda keng qo‘llaniladigan filtrlarni bir nechtasini [8-10] qamrab olgan.
«Kontur ajratish» qism menyusi tasvirdagi obyekt chegaralarini ajratish uchun filtrlarni
[11,12] qo’llashni ta’minlaydi. Quyidagi rasmda asl rentgenografik tasvirga kontrast
kuchaytirishning CLAHE algoritmi va shovqin pasaytirish uchun «BM3D+Median+TV» ketma-
ket filtrini, so‘ngra kontur ajratishni Sobel filtrini qo‘llash natijasi keltirilgan.
174
2 –rasm. Kontur ajratish
Tasvirlardagi obyektlar konturlari ajratilgandan so‘ng, «Kontur ingichkalashtirish» qism
menyusiga murojaat qilish mumkin. «Segmentatsiya» menyusini qism menyulari sifatida esa
tasvirni segmentlash usullari kiritilgan va undan so‘ng «Baholash» deb nomlangan menyudan
foydalanib, tasvir sifati bahosini mos ko‘rsatkichlarda ko‘rish mumkin. «Belgi shakllantirish»
menyusi tasvirdagi obyekt belgilarini shakllantirishni, «Tanib olish» menyusi esa neyron
tarmoqli va neyron tarmoqga asoslanmagan tanib olish usullarini o‘z ichiga oladi. «Yordam»
menyusida ishlab chiqilgan dasturiy majmuani tibbiy tasvirlarga ishlov berishdagi maqsad va
vazifalari, imkoniyatlari, dastur yo‘riqnomasi mavjud.
Dasturning tasvirlar oynasi ikki qismdan iborat bo‘lib, asosiy oynani chap tomonida asl
tasvir, o‘ng tomonida esa ishlov berilgan tasvir namoyish etiladi. Bu foydalanuvchiga asl tasvirni
ishlov berilgan tasvir bilan solishtirish imkonini beradi. Dasturiy majmuani yana bir qo‘shimcha
imkoniyati bu tasvirlarga ishlov berishni ikki xil rejimda, ya’ni usullarni qo‘lda tanlash va ishlov
berishni avtomatlashtirish orqali amalga oshirish imkoniyatini mavjudligi hisoblanadi. Bunda
dastur panelidagi «Avtomat» tugmasi dasturdan foydalanishni avtomatlashtirgan holda tez natija
olishni ta’minladyi. Tasvirlarga ishlov berishni avtomatlashtirishda kontrast kuchaytirish,
shovqin pasaytirish, kontur ajratish va ingichkalashtirish, segmentlash usullarini eng maqbullari
ketma-ket bajariladi, natijada so‘nggi bosqichdan chiquvchi tasvir ekranda namoyon bo‘ladi.
Ushbu jarayondagi har bir usul natijasi kompyuter xotirasida saqlanadi va ularni dasturdan
foydalanish paytida chaqirish va ko‘rish mumkin. Shuning uchun «Avtomat» tugmasi zarur
element sifatida dastur paneliga joylashtirilgan. Dasturiy majmua panel elementlari sifatida
«Ochish», «Registratsiya», «Saqlash», «Qayta saqlash», «Chop etish», «Avtomat» kabi tez-
tezdan foydalaniladigan elementlar kiritilgan (3-rasm).
3-rasm. Dasturiy majmua panel elementlari
Dasturiy majmuada asl tasvir va ishlov berilgan tasvir ostida holatlar satri ham mavjud
bo‘lib, unda tasvir faylini manzili, fayl hajmi ko‘rsatiladi. Shuningdek, holatlar satrida tasvirni
kichraytirish va kattalashtirish, saqlash amallarini bajarish imkoni ham mavjud.
Harqanday dasturiy majmua o‘ziga xos kompyuter konfiguratsiyasini talab etadi. Ishlab
chiqilgan dasturiy majmuadan foydalanish uchun quyidagi kompyuter konfiguratsiyasi tavsiya
etiladi:
-Windows 8 va undan so‘ng ishlab chiqilgan operatsion tizim;
-kamida 2 GHz chastotali protsessor;
-protsessor yadrosi 4 yadroli Intel i3 va undan yuqori;
-RAM- 64 bitli tizimlar uchun 1 GB;
175
-qattiq disk -64 bitli tizimlar uchun 1 GB;
-videoadapter-Intel(R) HD Graphics 5500 yoki undan keyingi versiyalari.
Tasvirlarga ishlov berish dasturiy majmuasini yuqorida keltirilgan konfiguratsiyaga ega
bo‘lgan kompyuterlarda foydalanish maqsadga muvofiq hisoblanadi.
Xulosa.
Mazkur tadqiqotda tibbiy rentgenografik tasvirlarga ishlov berishdagi tasvir
sifatini yaxshilash va rentgen tasvirlardagi obyektlar chegaralarini shakllantirish vazifalarini
bajarishga imkon beruvchi dasturiy majmua ishlab chiqildi. Ushbu majmua Python dasturlash tili
orqali amalga oshirildi va majmuadagi modullar vazifalari batafsil yoritildi. Shuningdek, ishlab
chiqilgan dasturiy majmuadan foydalanish uchun kompyuter konfiguratsiyasi tavsiya etildi.
Foydalanilgan adabiyotlar ro’yxati
1.
Mamatov, N., Sultanov, P., & Jalelova, M. (2023). Analysis of imaging equipments of
human internal organs. Scientific Collection «InterConf+», (38 (175)), 291-299.
https://doi.org/10.51582/interconf.19-20.10.2023.026
2.
Mamatov, N. S., Pulatov, G. G., & Jalelova, M. M. (2023). Image contrast enhancement
method and contrast evaluation criteria optimal pair. Digital Transformation and Artificial
Intelligence, 1(2).
3.
Mamatov, N. S., Niyozmatova, N. A., Jalelova, M. M., Samijonov, A. N., & Tojiboyeva, S.
X. (2023). Methods for improving contrast of agricultural images. In E3S Web of
Conferences
(Vol.
401,
p.
04020).
EDP
Sciences.
https://doi.org/10.1051/e3sconf/202340104020
4.
Mamatov, N., Sultanov, P., Jalelova, M., & Samijonov, A. (2023). 2D image processing
algorithms for kidney transplantation. Scientific Collection «InterConf», (184), 468-474.
5.
Mamatov, N., & Jalelova, M. (2023). Тасвир контрастини ошириш усули ва контраст
баҳолаш мезон оптимал жуфтлиги. Digital transformation and artificial intelligence, 1(2),
158-167.
6.
Маматов, Н., Султанов, П., Юлдашев, Ю., & Жалелова, М. (2023). Методы повышения
контрастности изображений при мультиспиральной компьютерной томографии.
Евразийский журнал академических исследований, 3(9), 125-132.
7.
Маматов, Н., & Джалелова, М. (2023). Tasvir kontrastini etalonsiz baholash.
Информатика и инженерные технологии, 1(2), 115-117.
8.
Mamatov, N. S., Jalelova, M. M., Samijonov, A. N., & Samijonov, B. N. (2024, February).
Algorithm for improving the quality of mixed noisy images. In Journal of Physics:
Conference Series (Vol. 2697, No. 1, p. 012013). IOP Publishing. https://doi.org/
10.1088/1742-6596/2697/1/012013
9.
Маматов, Н., Султанов, П., Жалелова, М., & Тожибоева, Ш. (2023). Критерии оценки
качества
медицинских
изображений,
полученных
на
мультиспиральном
компьютерном томографе. Евразийский журнал математической теории и
компьютерных наук, 3(9), 27-37.
10.
Маматов, Н., & Джалелова, М. (2023). Tasvir shovqinlari tahlili. Информатика и
инженерные технологии, 1(2), 113-115.
11.
Mamatov, N., Jalelova, M., Samijonov, B., & Samijonov, A. (2024). Algorithms for contour
detection in agricultural images. In E3S Web of Conferences (Vol. 486, p. 03017). EDP
Sciences. https://doi.org/10.1051/e3sconf/202448603017
12.
Mamatov, N., Jalelova, M., Samijonov, B., & Samijonov, A. (2024). Algorithm for
extracting contours of agricultural crops images. In ITM Web of Conferences (Vol. 59, p.
03015). EDP Sciences. https://doi.org/10.1051/itmconf/20245903015
