Digital technologies: problems and solutions of practical implementation in the industry

Asosiy qism 
Maqolada eng keng tarqalgan o’pka kasalliklarini aniqlash uchun ko'p sinfli chuqur 
o'rganish tasniflash modelini taqdim etiladi. Tadqiqot ishining maqsadi chuqur o'rganish tizimini 
ishlab chiqish va ko'p toifali pnevmoniya, sil, sog’lom o’pka va eng so'nggi COVID-19 ni 
tasniflashdan iborat. Chuqur o'rganish (ChO’) sohasidagi tadqiqotlar raqamli tasvirlarda o’pka 
kasalliklarini tasniflash va tashxislash muammolariga muhim yechimlarni taqdim etishda davom 
etmoqa. Shuning uchun, biz bu maqolada ushbu muammolarni 4-tartibli Dobeshi veyvleti orqali 
veyvlet-KNT arxitekturasi orqali hal qilishga harakat qildik. Ushbu xususiyatlar maqolada taklif 
qilingan yangi veyvlet o'zgartirish funktsiyasidan foydalanadigan veyvlet-KNT strukturaga 
kirish sifatida uzatiladi. Veyvlet-KNT arxitekturasi tasniflash jarayonini qo'llab-quvvatlaydigan 

---

 
INTERNATIONAL SCIENTIFIC AND TECHNICAL CONFERENCE
“DIGITAL TECHNOLOGIES: PROBLEMS AND SOLUTIONS OF PRACTICAL 
IMPLEMENTATION IN THE INDUSTRY” 
 
APRIL 27-28, 2023 
865
anormalliklarni ko'rsatadigan xususiyatlarni olish uchun veyvlet o’zgartirish qatlamlarini va 
qisqartirilgan xususiyat xaritalarini qo'lladi. Olingan natijalar shuni ko'rsatdiki, yangi usul 
tasniflash aniqligini oshirdi va yo'qotish funktsiyasi qiymatlarini pasaytirdi. Tadqiqot natijalari 
raqamli rentgenografik tasvirlarda o’pka kasalliklarini tasniflash va birlamchi tashxislashda 
aniqlikni va samaradorlikni oshirish uchun KNT arxitekturasini qayta qurishda veyvlet 
o’zgartirish funktsiyasining foydaliligini ko'rsatadi. 
1-rasmda taklif qilinayotgan algoritm sxemasi ko'rsatilgan. Blok sxema oldindan ishlov 
berish, xususiyatlarni ajratib olish va tasniflash kabi uch bosqichga bo'lingan. 2-rasmda 
ko'rsatilganidek, ko’krak qafasi rentgen tasvirlari kirish sifatida ishlatilgan va kirish rentgen 
tasvirining kasallik darajasidagi toifalanishi esa modelning yakuniy chiqishi hisoblanadi. 
1-rasm. Taklif etilayotgan algoritmning diagrammasi 
Birinchi bosqichda kirish tasvirlari normallashtirish, o'lchamini o'zgartirish va 
ma'lumotlar tasvirini tasodifiy ravishda 90% o'qitish va 10% tekshirishga bo'linish kabi 
oldindan ishlov berish funktsiyasidan o'tadi. Keyinchalik, ikkinchi va uchinchi bosqichlarda 
chuqur o'rganish algoritmlari qo'llaniladi. Ikkinchi bosqich WCNN (Wavelet Convolution 
Neural Network) texnikasi yordamida amalga oshiriladigan xususiyatlarni ajratib olishni o'z 
ichiga oladi. To'liq bog'langan tarmoq texnikasi tasvirni tasniflashtirish bosqichida qo'llaniladi. 
Eksperimental maqsadlarda sog'lom holatlarga qo'shimcha ravishda pnevmoniya, sil, 
Covid-19 ning ulkan rentgen tasvirlari ishonchli manbalardan olingan va to'plangan. Avvalo, 
COVID-19 uchun ommaviy ma'lumotlar to'plamining turli manbalaridan 2021 ta rentgen 
tasvirlari va chop etilgan tadqiqotlar kiritilgan. 
Ikkinchidan, bakterial pnevmoniyaning 1999 ta ko’krak qafas rentgen (KQR) tasvirlari 
Shimoliy Amerika Radiologiya Jamiyati (RSNA), Italiya Tibbiyot va Interventsion 
Radiologiya Jamiyati (SIRM) va Radiopaediadan olingan bo'lib, ular tadqiqotlar uchun 
ommaga ochiq. Tajribalarimizning bir qismi sifatida COVID-19 ni pnevmoniyadan farqlash 
uchun ushbu ma'lumotlar to'plamlari biz taklif qilayotgan chuqur modelni o'rgatish uchun 
ishlatilgan. Bundan tashqari, Shimoliy Amerika Radiologik Jamiyati viral pnevmoniyaning 
1998 ta KQR tasvirini ifodalaydi, o'pka silining jami 2024 ta rentgen tasvirlari uchun 
ma'lumotlar to'plamini ko'rsatadi. 

---