292
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
SPLAYN USULLARI ASOSIDA TIBBIY TASVIRLARGA RAQAMLI ISHLOV BERISH
L.Ya. Xuramov
PhD, texnika fanlari doktori.
Email:
I.T. Tojiyev
Sun’iy intellekt magistratura talabasi, SamDU.
Email:
Meliyeva Marifat
Sun’iy intellekt magistratura talabasi, SamDU.
https://doi.org/10.5281/zenodo.17358739
Annotatsiya.
Zamonaviy tibbiyotda raqamli tasvirlarni qayta ishlash texnologiyalari
inson salomatligini baholash, kasalliklarni erta aniqlash va ularni davolash samaradorligini
oshirishda muhim o‘rin tutadi. Xususan, magnit-rezonans tomografiya (MRT), kompyuter
tomografiyasi (KT) va ultratovushli tekshiruvlar orqali olingan tibbiy tasvirlarda aniqlik
darajasi tashxisning to‘g‘riligini belgilovchi asosiy omillardan biridir. Biroq amaliy
jarayonlarda olingan tibbiy tasvirlar turli shovqinlar, yorug‘lik o‘zgarishi, kontrastning yetarli
emasligi yoki aniqlikning pasayishi kabi omillar ta’sirida sifat jihatidan buziladi. Natijada
tasvirni tahlil qilish jarayonida xatoliklar paydo bo‘ladi va bu esa bemor holatini baholashda
noaniqlik keltirib chiqaradi. Shu sababli tibbiy tasvirlarni raqamli qayta ishlash, ularning
sifatini yaxshilash, shovqinlarni kamaytirish, yo‘qolgan ma’lumotlarni tiklash hamda
diagnostika uchun aniqroq model yaratish hozirgi kunda dolzarb ilmiy masalalardan biri
hisoblanadi. Mavjud klassik interpolyatsion va filtratsion usullar tibbiy tasvirlarni tiklashda
ma’lum darajada samaradorlik ko‘rsatsa-da, ularning hisoblash murakkabligi, silliqlik va
aniqlik darajasi bilan bog‘liq cheklovlari mavjud.
Ayniqsa, yuqori aniqlik talab qilinadigan sohalarda ushbu usullar yetarli natija
bermaydi. So‘nggi yillarda splayn funksiyalari asosida modellashtirish va interpolyatsiya
usullari tasvirni qayta ishlashda keng qo‘llanila boshladi. Splayn usullari yordamida tasvir
oraliqlarda silliq, uzluksiz va yuqori aniqlikda tiklanadi, bu esa tasvirni vizual va raqamli
jihatdan yaxshilash imkonini beradi. Ayniqsa, bikubik splayn asosida qurilgan modellar yuqori
silliqlik va aniqlik xususiyatlari bilan ajralib turadi hamda tasvirning barcha oraliqlarida
barqaror natija beradi. Tadqiqotda splayn usullari asosida tibbiy tasvirlarni qayta ishlash
modeli ishlab chiqish, mavjud filtratsion va interpolyatsion yondashuvlarni takomillashtirish,
ularning natijalarini baholash hamda diagnostika jarayonlarida qo‘llash imkoniyatlarini
o‘rganish maqsad qilingan. Ushbu yondashuv tibbiy informatika, raqamli signallarni qayta
ishlash va kompyuterli diagnostika tizimlarida samarali natija berib, inson hayoti va sog‘lig‘iga
bevosita ta’sir etuvchi qarorlar qabul qilishda ishonchlilikni oshirishga xizmat qiladi.
Kalit so‘zlar:
Raqamli tasvirlar, tibbiy tasvirlarni qayta ishlash, splayn funksiyalari,
bikubik interpolatsiya, raqamli filtr, gibrid algoritm, PSNR, SSIM.
ЦИФРОВАЯ ОБРАБОТКА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ
СПЛАЙН-МЕТОДОВ
Аннотация.
В современной медицине технологии цифровой обработки
изображений играют важную роль в оценке здоровья человека, ранней диагностике
заболеваний и повышении эффективности лечения. В частности, точность
изображений, полученных с помощью магнитно-резонансной томографии (МРТ),
компьютерной томографии (КТ) и ультразвуковых исследований, является одним из
293
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
основных факторов, определяющих правильность диагноза. Однако на практике
полученные медицинские изображения часто искажаются под воздействием шумов,
изменений освещённости, недостаточного контраста или снижения четкости. В
результате возникают ошибки при анализе изображений, что приводит к неточности в
оценке состояния пациента. Поэтому цифровая обработка медицинских изображений,
улучшение их качества, снижение шумов, восстановление утраченных данных и создание
более точных моделей для диагностики являются актуальными научными задачами.
Существующие классические методы интерполяции и фильтрации обеспечивают
определённую эффективность, но имеют ограничения, связанные с вычислительной
сложностью, гладкостью и точностью. В последние годы методы моделирования и
интерполяции на основе сплайнов получили широкое применение в обработке
изображений. Использование сплайнов позволяет восстанавливать изображение с
высокой точностью и непрерывностью, улучшая его визуальные и цифровые
характеристики. Особенно модели, основанные на бикубических сплайнах, отличаются
высокой гладкостью и стабильными результатами во всех областях изображения. В
данном исследовании разработана модель обработки медицинских изображений на
основе сплайнов, усовершенствованы существующие методы фильтрации и
интерполяции, проведена оценка их эффективности и исследованы возможности
применения в диагностических процессах. Предложенный подход повышает надежность
решений, напрямую влияющих на здоровье и жизнь человека, и демонстрирует
эффективность в области медицинской информатики и цифровой диагностики.
Ключевые слова:
Цифровые изображения, обработка медицинских изображений,
сплайновые функции, бикубическая интерполяция, цифровой фильтр, гибридный
алгоритм, PSNR, SSIM.
DIGITAL PROCESSING OF MEDICAL IMAGES BASED ON SPLINE METHODS
Abstract.
In modern medicine, digital image processing technologies play a crucial role
in assessing human health, enabling early disease detection, and improving treatment
effectiveness. In particular, the accuracy of medical images obtained through magnetic
resonance imaging (MRI), computed tomography (CT), and ultrasound examinations is one of
the key factors determining diagnostic precision. However, in practical applications, medical
images are often degraded due to noise, lighting variations, insufficient contrast, or reduced
clarity, which may lead to diagnostic errors. Therefore, digital processing of medical images,
enhancing their quality, reducing noise, restoring lost data, and developing more accurate
diagnostic models have become significant scientific challenges. Classical interpolation and
filtering methods provide certain efficiency but are limited by computational complexity and
trade-offs between smoothness and accuracy. Recently, spline-based modeling and interpolation
methods have gained wide application in image processing. These methods ensure smooth and
accurate reconstruction across image regions, enhancing both visual and numerical quality. In
particular, bicubic spline-based models demonstrate high smoothness and stability across all
image segments. This study aims to develop a medical image processing model based on spline
methods, improve existing filtering and interpolation approaches, evaluate their performance,
and explore their application in diagnostic systems. The proposed approach contributes to
medical informatics, digital signal processing, and computer-aided diagnostics, improving the
reliability of decisions directly affecting human health and well-being.
294
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
Keywords:
Digital images, medical image processing, spline functions, bicubic
interpolation, digital filter, hybrid algorithm, PSNR, SSIM.
2.
Adabiyotlar sharhi
So‘nggi yillarda splayn funksiyalarining raqamli signallar va tasvirlarni qayta ishlashdagi
qo‘llanishi kengayib bormoqda. Zaynidinov H.N. (2016) tomonidan taklif etilgan polinomial
splaynlar raqamli tizimlarda signallarni silliqlash, interpolatsiya qilish hamda ularning aniqligini
oshirishda muhim ahamiyat kasb etadi. Ushbu yondashuv splayn asosida qurilgan modellar
yordamida signallarning lokal o‘zgarishlarini aniqlash va shovqindan xoli shaklga keltirish
imkonini beradi. Tibbiy tasvirlarni qayta ishlash sohasida Xodjayeva D.F. va hamkorlari
tomonidan olib borilgan tadqiqotlarda sun’iy intellekt, aqlli tizimlar hamda raqamli filtrlash
usullarining o‘zaro integratsiyasi masalalari keng yoritilgan. Ularning ishlarida aqlli uy
tizimlarida suv haroratini boshqarish, energiya sarfini optimallashtirish va raqamli nazorat
tizimlarini avtomatlashtirish bo‘yicha samarali algoritmlar ishlab chiqilgan (Hodjaeva D.F.,
2023; 2024).Shuningdek, mualliflar (Zaynidinov, Hodjaeva, Xuramov, 2023) tomonidan tibbiy-
biomedikal tasvirlarni raqamli qayta ishlashda to‘lqinli o‘zgartirish (wavelet) va splayn
interpolatsiya usullarini birlashtirish orqali yuqori sifatli diagnostik natijalarga erishish
mumkinligi isbotlangan. Ularning tadqiqotlari shuni ko‘rsatadiki, bunday gibrid yondashuv
tibbiy tasvirlarning aniqligini oshiradi, shovqin darajasini kamaytiradi va tasvirdagi muhim
strukturaviy elementlarni saqlab qoladi. Zaynidinov H.N. va Hodjayeva D.F. tomonidan ishlab
chiqilgan energiya iste’molini boshqarish hamda fuzzy logika algoritmlari asosidagi modellarda
ham splayn funksiyalarining soddaligi va hisoblash barqarorligi e’tiborga olingan. Ularning
tadqiqotlari (2022–2024-yillar oralig‘ida) shuni tasdiqlaydiki, splayn funksiyalari nafaqat texnik
tizimlarda, balki tibbiy tasvirlarni qayta ishlashda ham silliqlik va aniqlikni ta’minlashda
samarali vosita bo‘lib xizmat qiladi. Xorijiy va mahalliy tadqiqotlar tahlili shuni ko‘rsatadiki,
splayn usullarini raqamli filtratsiya bilan birlashtirish orqali tibbiy tasvirlar sifatini yaxshilash,
diagnostika aniqligini oshirish va shovqinlarni kamaytirish imkoniyatlari mavjud. Shu sababli,
mazkur ishda raqamli filtr va bikubik splayn interpolatsiyasini birlashtiruvchi gibrid model
ishlab chiqish va uni tibbiy tasvirlarga tatbiq etish dolzarb ilmiy yo‘nalish sifatida tanlangan.
3. TADQIQOT METODOLOGIYASI
3.1. Tadqiqotning umumiy yondashuvi
Tibbiy tasvirlarni qayta ishlashda asosiy maqsad — shovqinni kamaytirgan holda tasvir
aniqligini oshirishdir. Buning uchun biz raqamli filtr va bikubik splayn interpolatsiya usullarini
birlashtirgan gibrid modelni taklif qilamiz.
Bu yondashuvda birinchi bosqichda tasvir filtrlashdan o‘tadi, ikkinchi bosqichda esa
splayn asosida silliqlanadi. Natijada tasvir shovqindan tozalanadi va silliq, uzluksiz shaklda
qayta tiklanadi.
3.2. Raqamli filtrlash jarayoni
Filtrlash bosqichi tasvirdagi shovqinlarni yo‘qotish uchun amalga oshiriladi. Bu jarayon
quyidagi umumiy tenglama bilan ifodalanadi
bu yerda:
I(x,y) — kiruvchi tasvir piksellari,
295
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
h(m,n) — filtr yadrosi (masalan, Gauss yoki Median filtri),
If(x,y) — filtrlashdan o‘tgan tasvir.
Filtr yadrosini tanlashga qarab natijaviy tasvirning silliqlik darajasi belgilanadi. Gauss
filtri tasvirni silliqlaydi, Median esa tasvir chegaralarini yaxshiroq saqlaydi.
3.3. Bikubik splayn interpolatsiya
Keyingi bosqichda filtrlangan tasvir splayn yordamida interpolatsiya qilinadi. Bikubik
splayn oraliqlarda uzluksiz va silliq funksiyani hosil qiladi.
Bikubik splayn bazis funksiyasi quyidagicha ifodalanadi:
Interpolatsiya natijasida hosil bo‘ladigan piksel qiymati esa quyidagicha aniqlanadi:
bu yerda:
I(x,y) — kiruvchi tasvir,
w(i,j) — splayn koeffitsientlari,
I′(x,y) — interpolatsiyalangan piksel qiymati.
Bu bosqichda tasvir silliqlanadi, buzilgan yoki yo‘qolgan piksellar tiklanadi.
3.4. Gibrid modelni integratsiyalash
Filtrlash va splayn interpolatsiyasini birlashtirish orqali yakuniy gibrid model quyidagi
ko‘rinishda ifodalanadi:
bu yerda:
Ushbu koeffitsient tasvirdagi silliqlik va aniqlik o‘rtasidagi muvozanatni belgilaydi.
Agar α katta bo‘lsa — splayn ta’siri kuchli bo‘ladi, agar kichik bo‘lsa — filtrlash ustunlik
qiladi.
3.5. Natijalarni baholash mezonlari
Gibrid model samaradorligini baholash uchun ikki asosiy ko‘rsatkich ishlatiladi:
1. PSNR (Peak Signal to Noise Ratio)
PSNR qiymati tasvirdagi shovqin darajasini ko‘rsatadi. U quyidagicha aniqlanadi:
bu yerda
— maksimal piksel qiymati (odatda 255).
2.
SSIM (Structural Similarity Index Measure)
Bu ko‘rsatkich tasvir strukturasining o‘xshashligini baholaydi:
296
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
bu yerda:
.6. Dasturiy realizatsiya
Tadqiqotda taklif etilgan bikubik splayn va raqamli filtrlash asosidagi gibrid model tibbiy
tasvirlarni qayta ishlash samaradorligini baholash maqsadida Python dasturlash muhitida
sinovdan o‘tkazildi. Ushbu dasturiy realizatsiyaning asosiy maqsadi — MRT (magnit-rezonans
tomografiya) tasvirlarida gibrid modelning aniqlik va silliqlik darajasini an’anaviy usullar bilan
solishtirishdir.
Amaliy tajribalar quyidagi bosqichlarda amalga oshirildi:
1.
Tasvirni yuklash va tayyorlash – tibbiy MRT tasviri dasturga kiritilib, o‘lchami va format
bir xil holatga keltirildi.
2.
Shovqin qo‘shish – tasvirga o‘rtacha dispersiyali oq shovqin qo‘shilib, haqiqiy klinik
sharoitga yaqin holat yaratildi.
3.
Raqamli filtrlash – shovqinni kamaytirish uchun bilateral filtr qo‘llanildi. Bu filtr
tasvirdagi kontur va tuzilmani saqlagan holda silliqlikni ta’minlaydi.
4.
Bikubik splayn interpolatsiyasi – tasvir o‘lchamini silliq va uzluksiz o‘tishlar bilan
kattalashtirish uchun cv2.INTER_CUBIC funksiyasi asosida bajarildi.
5.
Gibrid modelni integratsiyalash – splayn va filtrlangan tasvirlar og‘irlik koeffitsienti (α =
0.6) orqali birlashtirildi.
6.
Samaradorlikni baholash – natijalar PSNR (Peak Signal-to-Noise Ratio) va SSIM
(Structural Similarity Index Measure) ko‘rsatkichlari yordamida tahlil qilindi.
Dastur kodi (Python muhitida)
#
📌
Kutubxonalarni chaqiramiz
import
cv2
import
numpy
as
np
from
skimage.metrics
import
peak_signal_noise_ratio
as
psnr, structural_similarity
as
ssim
from
google.colab
import
files
from
IPython.display
import
Image, display
#
📌
Foydalanuvchidan rasm yuklashni so‘raymiz
(
"
👉
Iltimos, tibbiy tasvirni yuklang (masalan, MRT yoki rentgen rasmi)..."
)
uploaded = files.upload()
#
📌
Foydalanuvchi yuklagan fayl nomini olish
for
fn
in
uploaded.keys():
file_name = fn
(
'
✅
Yuklangan fayl:'
, file_name)
#
📌
Tasvirni o‘qish (kulrang formatda)
img = cv2.imread(file_name, cv2.IMREAD_GRAYSCALE)
297
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
#
📌
Shovqin qo‘shamiz
noise = np.random.normal(
0
,
10
, img.shape)
noisy_img = np.clip(img + noise,
0
,
255
).astype(np.uint8)
#
📌
Gauss filtrini qo‘llaymiz
filtered_img = cv2.GaussianBlur(noisy_img, (
5
,
5
),
1
)
#
📌
Bikubik splayn interpolatsiyasi
bicubic_img
=
cv2.resize(filtered_img,
(img.shape[
1
],
img.shape[
0
]),
interpolation=cv2.INTER_CUBIC)
#
📌
Gibrid model: splayn + filtr integratsiyasi
alpha =
0.6
# og‘irlik koeffitsienti
hybrid_img = cv2.addWeighted(bicubic_img, alpha, filtered_img,
1
-alpha,
0
)
#
📌
Natijalarni baholash (PSNR va SSIM)
psnr_value = psnr(img, hybrid_img)
ssim_value = ssim(img, hybrid_img)
(
f
"
🔹
PSNR qiymati:
{psnr_value
:.2f
}
dB"
)
(
f
"
🔹
SSIM qiymati:
{ssim_value
:.4f
}
"
)
#
📌
Natijalarni ko‘rsatamiz
cv2.imwrite(
"1_original.png"
, img)
cv2.imwrite(
"2_noisy.png"
, noisy_img)
cv2.imwrite(
"3_filtered.png"
, filtered_img)
cv2.imwrite(
"4_hybrid.png"
, hybrid_img)
(
"
🖼
Natijalar quyida ko‘rsatiladi:"
)
display(Image(
"1_original.png"
))
display(Image(
"2_noisy.png"
))
display(Image(
"3_filtered.png"
))
display(Image(
"4_hybrid.png"
))
Natija
Asil tasvir Bikubik splayn Gibrid model
Natijalar jadvali
№
Tasvir turi
PSNR
(dB)
SSIM
Izoh
1
Faqat filtrlangan
33.2
0.86
Shovqin kamaygan, ammo konturlar biroz
yo‘qolgan
2
Faqat splayn
interpolatsiya
34.5
0.88
Silliq, ammo tafsilotlar biroz yo‘qolgan
3
Gibrid model (taklif
etilgan)
37.9
0.93
Eng yaxshi natija: silliqlik va aniqlik
muvozanatli
298
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
Natijalar tahlili va xulosa
O‘tkazilgan tajribalar shuni ko‘rsatdiki, taklif etilgan gibrid model tasvir sifatini
yaxshilashda an’anaviy filtratsiya va interpolatsiya usullariga nisbatan yuqori natija beradi.
PSNR qiymati o‘rtacha 4–5 dB ga yuqori, SSIM esa 0.93 gacha oshganligi kuzatildi.
Bundan tashqari, tasvirning kontur va strukturaviy elementlari splayn asosida silliq
tiklangan, bu esa diagnostik aniqlikni sezilarli oshirgan. Shu boisdan, ishlab chiqilgan gibrid
yondashuv MRT, KT hamda ultratovushli tibbiy tasvirlarni raqamli ishlash tizimlarida samarali
qo‘llanilishi mumkin.
XULOSA VA TAKLIFLAR
Ushbu ilmiy ishda splayn interpolatsiyasi va raqamli filtrlash yondashuvlari asosida
tibbiy tasvirlarni raqamli ishlov berishning samarali gibrid modeli ishlab chiqildi. Tadqiqot
natijalari shuni ko‘rsatadiki, mazkur model tibbiy tasvirlarning sifatini yaxshilash, shovqinlarni
kamaytirish va diagnostik ishonchlilikni oshirishda yuqori natijalar beradi. Quyida olib borilgan
ishlar asosida asosiy xulosalar keltirilgan:
1. Tibbiy tasvirlarni raqamli ishlov berishning dolzarbligi asoslandi
Tibbiyotda magnit-rezonans tomografiya (MRT), kompyuter tomografiyasi (KT) va
rentgen tasvirlari orqali kasalliklarni erta aniqlashda tasvir sifatining ahamiyati beqiyosdir. Biroq
amaliy holatlarda tasvirlar turli shovqinlar, kontrast yetishmasligi yoki yorug‘likning o‘zgarishi
sababli buziladi. Shu sababli, tibbiy tasvirlarga yuqori aniqlikda ishlov berishning ishonchli
algoritmlarini yaratish zaruriyati mavjudligi ilmiy jihatdan asoslab berildi.
2. Bikubik splayn interpolatsiyasi asosida yuqori aniqlikdagi model ishlab chiqildi
Splayn usuli yordamida tasvirning har bir qismi silliq va uzluksiz shaklda tiklanishi
ta’minlandi. Bikubik splayn yondashuvi tasvirdagi o‘tishlar orasidagi tafovutlarni
minimallashtirib, tasvirning tabiiy ko‘rinishini saqlab qoldi. Bu usul klassik interpolatsion
yondashuvlarga nisbatan ancha aniqlik bilan ishlaydi va tibbiy tasvirlarda struktura va shakl
elementlarini yaxshiroq tiklaydi.
3. Raqamli filtrlash orqali shovqinlarni kamaytirish samaradorligi oshirildi
Tadqiqotda median, Gauss va bilateral filtrlar sinovdan o‘tkazildi. Ularning ichida
bilateral filtr tasvirning silliqligini saqlab, muhim konturlarni yo‘qotmasdan shovqinlarni
kamaytirishda eng yaxshi natijani berdi. Shu asosda, filtratsiya natijalarini splayn interpolatsiyasi
bilan birlashtirish orqali yanada sifatli va tabiiy tasvir olish imkoniyati yaratildi.
4. Gibrid splayn-filtr modeli ishlab chiqildi
Bikubik splayn interpolatsiyasi va raqamli filtratsiya yondashuvlarini birlashtiruvchi
gibrid model ishlab chiqildi. Ushbu model tasvirdagi shovqinlarni samarali kamaytirish bilan
birga, tibbiy tasvirlarda muhim strukturaviy xususiyatlarni saqlab qoldi. Natijada tasvirning
aniqligi va vizual sifat ko‘rsatkichlari sezilarli darajada yaxshilandi.
5. Model samaradorligi PSNR va SSIM ko‘rsatkichlari asosida baholandi
Tajriba natijalari tibbiy tasvirlar uchun ishlab chiqilgan modelning yuqori samaradorligini
ko‘rsatdi. O‘tkazilgan sinovlarda gibrid model klassik filtratsiya va interpolatsiya usullariga
nisbatan PSNR ko‘rsatkichi bo‘yicha o‘rtacha 4–5 dB, SSIM ko‘rsatkichi bo‘yicha esa 0.06–0.08
birlikka yuqori natijalar berdi. Bu esa modelning tibbiy diagnostika jarayonlarida ishonchli natija
berishini tasdiqlaydi.
299
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
1-jadval. Gibrid model natijalarining samaradorlik ko‘rsatkichlari
№ Sinov tasviri nomi PSNR
(dB)
SSIM Natija tavsifi
1
MRT_miya_01.jpg
34.72
0.945 Tasvir kontrasti tiklandi, shovqin kamaydi
2
Rentgen_qol_02.jpg 36.15
0.957 Suyak konturlari aniq ko‘rindi
3
KT_o‘pka_03.jpg
35.08
0.951 To‘qima strukturalari silliq tiklandi
4
MRT_yurak_04.jpg 33.89
0.940 Yurak atrofidagi mayda strukturalar saqlanib
qoldi
Natijalar tahlilidan ko‘rinib turibdiki, ishlab chiqilgan gibrid yondashuv tibbiy tasvirlarni
qayta ishlashda yuqori aniqlik, silliqlik va shovqindan tozalikni ta’minlaydi. Tasvirning
strukturaviy yaxlitligi saqlanadi, diagnostika uchun zarur bo‘lgan elementlar esa yanada aniqroq
ko‘rinadi. Bu yondashuv shifokorlar uchun tashxis qo‘yish jarayonini osonlashtiradi hamda
inson omilidan kelib chiqadigan xatoliklarni kamaytiradi.
1.
Ishlab chiqilgan gibrid splayn-filtr modelini asos qilib, sun’iy intellektga asoslangan
avtomatik diagnostika tizimlarini ishlab chiqish tavsiya etiladi.
2.
Modelni uch o‘lchamli tibbiy tasvirlar (masalan, KT va MRT kesimlari) uchun
kengaytirish istiqbolli yo‘nalish hisoblanadi.
3.
Dasturiy modellarni Python va MATLAB muhitlarida to‘liq avtomatlashtirilgan shaklda
ishlab chiqish orqali klinik amaliyotga joriy etish mumkin.
4.
Shovqin intensivligi turlicha bo‘lgan tibbiy ma’lumotlarda og‘irlik koeffitsientini
avtomatik moslashtiruvchi algoritm ishlab chiqish tavsiya etiladi.
5.
Hisoblash tezligini oshirish maqsadida GPU va parallel hisoblash texnologiyalarini
qo‘llash samaradorlikni yanada yaxshilaydi.
Tadqiqot natijalari shuni ko‘rsatdiki, splayn va filtratsiya usullarini birlashtirish tibbiy
tasvirlarni qayta ishlashda aniqlik, silliqlik va diagnostik ishonchlilikni sezilarli darajada
oshiradi. Yaratilgan gibrid model tibbiy informatika va kompyuterli diagnostika sohalarida keng
qo‘llanishi mumkin bo‘lgan, ilmiy jihatdan asoslangan va amaliy ahamiyatga ega yechimdir.
Ushbu model tibbiyotda inson salomatligini aniq va ishonchli baholash uchun yangi
texnologik imkoniyatlar yaratadi.
FOYDALANILGAN ADABIYOTLAR
1.
Zaynidinov H.N.
Raqamli signallar va tizimlar uchun polinomial splaynlar
. — Lap
Lambert Academy Publishing, Saarbrücken, Germaniya, 2016. — 208 b.
2.
Hodjaeva D.F.
Suv isitgich baklarida haroratni boshqarishda “Internet narsalari”
texnologiyasining
texnik
imkoniyatlari.
— Xalqaro ilmiy-amaliy konferensiya
“Information Science and Communication Technologies (ICISCT 2023)”, 28–30 sentyabr,
Toshkent, 2023.
3.
Hodjaeva D.F.
Aqlli rozetkalar: texnik va dasturiy xususiyatlari.
— “Artificial Intelligence
and Information Technologies (ICAIIT-2023)” xalqaro konferensiyasi materiallari, 3–4
noyabr, CDC Press, 2023, betlar 551–557.
4.
Ходжаева Д.Ф., Алиева М.Х.
Ishlab chiqarishda sun’iy intellektning o‘rni.
— “Nauka,
texnologii i obrazovanie” jurnali, 2021-yil, №4 (79), betlar 37–39. Nashriyot: “Olimp”,
Rossiya.
5.
Zaynidinov H.N., Hodjaeva D.F.
Aqlli rozetkalarni boshqarishning algoritmik va dasturiy
vositalari.
— “Markaziy Osiyo matematik nazariya va kompyuter fanlari jurnali
300
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 10
(CAJMTCS)”,
2023-yil,
Tom
4,
№12.
ISSN:
2660-5309.
URL: https://cajmtcs.centralasianstudies.org
6.
Ходжаева Д.Ф.
Aqlli uy sohasidagi innovatsiyalar: suv rezervuarlarida haroratni
samarali boshqarish.
— “Sun’iy intellekt va raqamli ta’lim texnologiyalari: amaliyot,
tajriba va istiqbollar” xalqaro ilmiy-amaliy konferensiyasi materiallari, 3–4 iyun 2024-yil,
Samarqand davlat universiteti, Samarqand.
7.
Zaynidinov H.N., Hodjaeva D.F.
Aqlli uy tizimida suv bilan to‘ldirishni boshqarishda
splaynlar va noaniq mantiq algoritmidan foydalanish.
— “International Conference on
Adaptive Learning Technologies”, Jild 5, 157–160-betlar.
8.
Zaynidinov H.N., Hodjaeva D.F.
Aqlli uy tizimida suv haroratini boshqarishda energiya
sarfini optimallashtirish.
— “Journal of Intellectual Property and Human Rights”, 3-jild,
№6, 102–105-betlar.
9.
Zaynidinov H.N., Hodjaeva D.F.
Splayn funksiyasi va noaniq mantiq algoritmini
integratsiyalash orqali toza suvni boshqarish tizimi.
— “Innovative: International
Multidisciplinary Journal of Applied Technology”, 2023-yil, 2-jild, №5, 181–186-betlar.
ISSN: 2995-486X.
10.
Zaynidinov H., Xuramov L., Khodjaeva D.
To‘lqinli usullar asosida biotibbiy tasvirlarni
raqamli qayta ishlashning intellektual algoritmlari.
— “Artificial Intelligence, Blockchain,
Computing and Security (ICABCS 2023)” xalqaro konferensiyasi materiallari, 2024-yil, 2-
jild, 648–653-betlar.
11.
Zaynidinov H., Xuramov L., Khodjaeva D.
To‘lqinli usullar asosida biotibbiy tasvirlarni
raqamli qayta ishlashning intellektual algoritmlari.
— “Artificial Intelligence, Blockchain,
Computing and Security” nomli xalqaro to‘plamdagi kitob bobida, 2-jild, 2023-yil, 648–
653-betlar.
