Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
346
бу ерда,
i
x
– кириш параметрлари,
ji
v
– яширин қатлам нейронлари вазнлари,
kj
–
чиқиш қатлами вазнлари,
i
c
ва
k
b
– нейронларнинг силжишлари.
3. Моделни ўқитиш ва текшириш:
Модель ўқитиш жараёнида қуйидаги хатолик
функцияси минималлаштирилди [3]:
(
)
(
)
2
1
1
ˆ
ˆ
,
2
r
k
k
k
k
k
L z z
z
z
r
=
=
−
.
Ўқитиш жараёни сунъий нейрон тармоғи кириш параметрлари асосида оптимал
вазнларни аниқлаш учун кўп марта такрорланди ва ўртача квадрат хатони
минималлаштириш орқали моделнинг аниқлиги оширилди. Натижаларни кузатилган
маълумотлар билан таққослаш орқали текшириш амалга оширилди.
Тадқиқот натижалари.
Таҳлил натижалари ANN асосида ишлаб чиқилган
моделнинг анъанавий гидравлик моделларга нисбатан юқори аниқлик ва тезкорликка эга
эканлигини кўрсатди. ANN модели затворларнинг очилиш даражасини 98% гача аниқлик
билан башорат қилди. Бу эса каналларда сув тақсимотини автоматик бошқариш
тизимларида реал вақт режимида қўллаш учун катта истиқболга эга эканини кўрсатди.
Хулоса.
Тадқиқотда сунъий нейрон тармоқлари орқали очиқ каналлардаги
гидротехник иншоотларни бошқаришнинг самарадорлиги исботланди. ANN моделининг
қўлланиши сув ресурсларидан оптимал ва самарали фойдаланиш имкониятларини
оширади.
Адабиётлар рўйхати
1. Seyedashraf, O., Bottacin-Busolin, A., & Harou, J. J. (2021). A disaggregation-
emulation approach for optimization of large urban drainage systems.
Water Resources
Research
, 57, e2020WR029098.
2. Gustavo Meirelles Lima, Bruno Melo Brentan, Daniel Manzi, Edevar Luvizotto;
Metamodel for nodal pressure estimation at near real-time in water distribution systems using
artificial neural networks.
Journal of Hydroinformatics
22 March 2018; 20 (2): 486–496.
3. Khullar, S., Singh, N. Water quality assessment of a river using deep learning Bi-LSTM
methodology: forecasting and validation.
Environ Sci Pollut Res
29, 12875–12889 (2022).
VIDEOENDOSKOPIYA USULI ASOSIDA OLINGAN INSON ORGANLARINING
TASVIRLARI ISHLOV BERISH MASALALARI
Yuldoshev Yusuf Sheraliyevich
1,a)
, Badalova Lobar Burhonovna
2,b)
1
Muhammad al-Xorazmiy nomidagi Toshkent Axborot texnologiyalari univerisiteti,
2
Raqamli texnologiyalar va sunʼiy intellektni rivojlantirish ilmiy-tadqiqot instituti
a)
yusuf_yuldoshev@mail.ru
b)
Lobar.fb@gmail.com
Annotasiya:
Ushbu maqolada videoendoskopiya usuli asosida olingan inson organlarining
tasvirlarini raqamli ishlov berish jarayonida uchraydigan muammolar va ularni bartaraf etish
usullari tahlil qilingan. Tibbiyotda keng qo‘llanilayotgan videoendoskopik tasvirlar diagnostika va
jarrohlik amaliyotlarida muhim ahamiyat kasb etsa-da, ularning sifati yoritishning yetarli emasligi,
shovqinlar, geometrik buzilishlar, rang balansining o‘zgaruvchanligi kabi omillar ta’sirida
pasayadi. Shuningdek, inson organizmining biologik xilma-xilligi va kasalliklarning patologik
ko‘rinishlaridagi farqlar sun’iy intellekt modellarining aniqligiga salbiy ta’sir ko‘rsatadi.
Maqolada tasvir sifatini oshirish va diagnostik samaradorlikni ta’minlash uchun zamonaviy
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
347
algoritmik yondashuvlar, jumladan, chuqur o‘qitish texnologiyalarini qo‘llashning dolzarbligi
asoslab berilgan.
Kalit so‘zlar:
Videoendoskopiya, tasvirni ishlov berish, sun’iy intellekt, segmentatsiya,
geometrik buzilish, rang balansi, tibbiy tasvirlar, biologik xilma-xillik, patologik o‘zgaruvchanlik.
ВОПРОСЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ОРГАНОВ ЧЕЛОВЕКА,
ПОЛУЧЕННЫХ МЕТОДОМ ВИДЕОЭНДОСКОПИИ
Аннотация:
В данной статье рассмотрены проблемы, возникающие при цифровой
обработке изображений внутренних органов человека, полученных методом
видеоэндоскопии, а также пути их устранения. Несмотря на широкое применение
видеоэндоскопических изображений в медицине, в диагностике и хирургии, их качество
может снижаться из-за таких факторов, как недостаточное освещение, шумы,
геометрические искажения и изменение цветового баланса. Кроме того, биологическое
разнообразие человеческого организма и патологические различия проявления заболеваний
негативно влияют на точность моделей искусственного интеллекта. В статье обоснована
актуальность использования современных алгоритмических подходов, включая технологии
глубокого обучения, для повышения качества изображений и эффективности диагностики.
Ключевые слова:
видеоэндоскопия, обработка изображений, искусственный
интеллект, сегментация, геометрические искажения, цветовой баланс, медицинские
изображения, биологическое разнообразие, патологические изменения.
ISSUES OF PROCESSING IMAGES OF HUMAN ORGANS OBTAINED BY
VIDEOENDOSCOPY METHOD
Abstract:
This article analyzes the challenges encountered in the digital processing of
images of human internal organs obtained through video endoscopy, as well as methods for
addressing them. Although video endoscopic images are widely used in medicine for diagnostics
and surgical planning, their quality can be degraded by factors such as insufficient lighting, noise,
geometric distortions, and variations in color balance. Moreover, the biological variability of the
human div and pathological differences in disease manifestation adversely affect the accuracy
of artificial intelligence models. The article substantiates the relevance of applying modern
algorithmic approaches, including deep learning technologies, to improve image quality and
enhance diagnostic efficiency.
Keywords:
video endoscopy, image processing, artificial intelligence, segmentation,
geometric distortion, color balance, medical images, biological variability, pathological changes.
Videoendoskopiya – bu inson organizmidagi ichki organlarni maxsus optik qurilmalar
yordamida vizual tekshiruv usul hisoblanadi. Ushbu usul hozirgi kunda gastroenterologiya,
urologiya, ginekologiya va boshqa tibbiyot sohalarida keng qoʻllanilmoqda. Videoendoskopiya
yordamida olingan tasvirlar asosida turli kasalliklarni erta aniqlash, tashxis qoʻyish va jarrohlik
amaliyotlarini rejalashtirish mumkin. Biroq, ushbu tasvirlarda shovqinli, noaniq yoki rang balansi
buzilgan holatlarda boʻladi. Shu sababli, tibbiyotda tasvirlarni ishlov berish texnologiyalari,
xususan, raqamli tasvirni filtrlash, segmentatsiya, klassifikatsiya va sunʼiy intellektga asoslangan
algoritmlar muhim ahamiyat kasb etadi [1-2].
Videoendoskopiya usulida olingan tasvirlar bo‘ladigan muammolar quyidagilardan iborat
[2-5].
Bir xil tekislikda yoritilmaganlik va soyalarni mavjud bo‘lishi.
Endoskoplar inson
organizmidagi tabiiy yoritilgan bo‘lmagan muhitda ishlaydi. Ular ko‘pgina holatlarda tor va
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
348
chuqur sohalarga jumladan, ovqat hazm qilish yo‘llari, bronxial naylar, siydik yo‘llari va boshqa
organlar ichiga kiritiladi. Bu sharoitda faqat endoskopning o‘zida joylashgan kichik yorug‘lik
manbai tasvirni yoritadi. Natijada quyidagi holatlarda tasvirlarda mavjud bo‘ladi: tasvirning
markaziy qismi yorqin, chetlari esa qorong‘i bo‘ladi (vinyetka effekti); ayrim hollarda to‘g‘ridan-
to‘g‘ri yorug‘lik aks ettirilgan sirtlarda “halo” (yorug‘lik sochilishi) effekti paydo bo‘ladi; organ
sirtining shakli va pozitsiyasiga qarab soyalar hosil bo‘ladi, bu esa ayrim organlarning
strukturalarni aniqligiga ta’sir etadi.
Shovqinlar va tasodifiy buzilishlar.
Endoskopik qurilmalar kichik o‘lchamli sensorlar
asosida ishlaydi. Bunday sensorlar odatda quyidagi ma’lum bir turdagi shovqinlar va buzilshlar
mavjud bo‘ladi. Raqamli shovqin (digital noise) – sensorning past dinamik diapazoni tufayli past
yoritilgan joylarda kuchayadi. Harakatdagi shuvolish (motion blur) – bemor organlarining tabiiy
harakati yoki bemorning nafas olishi tufayli tasvirlarda shuvolish paydo bo‘ladi. Signalga nisbatan
past foydali ma’lumot (low SNR) – organ yuzasining aks ettirilish darajasi past bo‘lganda, foydali
signal shovqin bilan aralashib ketadi. Bunday holatdagi tasvirlarga oddiy filtrlar orqali shovqinni
kamaytirish bilan undagi kerkali ma’lumotlar ham yo‘qotish mumkin. Shu sababli bunday
masalalarni yechish uchun murakkab shovqinni ajratish algoritmlariga zaruriyat paydo bo‘ladi.
Geometrik buzilishlar va distorsiya.
Endoskopik linzalar juda kichik diametrda bo‘lishi
sababli, keng burchakli yoki fish-eye effektli obyektivlardan foydalaniladi. Natijada
tasvirlarda
geometrik buzilishlar va distorsiya uchrashi mumkin. Tasvirda radial distorsiya, ya’ni obyektlar
markazda normal, lekin chetga siljigan sari cho‘zilgan yoki siqilgan ko‘rishga ega bo‘ladi.Bu
geometrik buzilishlar aniqlikni kamaytiradi va segmentatsiya, o‘lchov olish kabi jarayonlarga
salbiy ta’sir qiladi. Distorsiyani tuzatish uchun oldindan kalibrlash va matematik usullar zarur
bo‘ladi.
Rang balansining o‘zgaruvchanligi.
Videoendoskopiya orqali olingan tasvirlarda rang
balansining o‘zgaruvchanligi eng muhim va dolzarb masalalardan biridir. Tibbiy tasvirlarda rang
– bu kasallikning belgilari (masalan, yallig‘lanish, qon ketish, o‘smalar) haqida muhim axborot
manbai hisoblanadi. Shu sababli rangdagi har qanday buzilish diagnostik xatolarga olib kelishi
mumkin.
Rang o‘zgarishi quyidagi diagnostika quyidagi muammolarga olib kelishi mumkin:
Norma va patologiya o‘rtasidagi chegarani aniqlash qiyinlashadi. Masalan, yallig‘langan joy
qizargan bo‘lishi kerak. Agar tasvirdagi qizil komponent kuchaygan bo‘lsa, sog‘lom to‘qima ham
yallig‘langandek ko‘rinishi mumkin;
Tasniflash va bashoratlash modellarining to‘g‘ri ishlashiga ta’sir etadi.Model noto‘g‘ri
o‘qitilgan bo‘lishi yoki rangga sezgir bo‘lishi mumkin. Bu esa noto‘g‘ri tashxisga sabab bo‘ladi;
Kasal to‘qimalarning chegarasi noto‘g‘ri aniqlanishi mumkin. Ko‘pgina segmentatsiya
algoritmlari rang asosida farqlashga tayanadi. Rang o‘zgarishi obyekt chegaralarini buzadi.
Rang balansining o‘zgaruvchanligi videoendoskopik tasvirlar sifatini va ulardan
foydalaniladigan sun’iy intellekt tizimlarining samaradorligini keskin pasaytiruvchi omillardan
biridir. Rang muvozanatini tiklash bo‘yicha texnik yondashuvlar ushbu muammoni hal etishda
muhim rol o‘ynaydi.
Endoskopik tasvirlar bilan ishlashda biologik xilma-xillik va patologik o‘zgaruvchanlik
inson organizmining individual xususiyatlari va kasalliklarning turli ko‘rinishda namoyon bo‘lishi
bilan bog‘liq holda katta muammolarni yuzaga keltiradi. Bu ikki omil tibbiy tasvirlarni avtomatik
tahlil qilishda, ayniqsa sun’iy intellekt modellarini o‘qitish va sinovdan o‘tkazishda modelning
umumlashuv (generalizatsiya) qobiliyatiga salbiy ta’sir ko‘rsatadi.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
349
Biologik xilma-xillik (biological variability).
Har bir insonning ichki organlari shakli,
o‘lchami, yuzasi, to‘qima tuzilishi va rangi jihatdan o‘ziga xos bo‘ladi. Bu holat bir necha
jihatlarda namoyon bo‘ladi:
Yosh va jinsga bog‘liq farqlar.
Bolalar va katta yoshli insonlarning ichki organlari o‘lchami,
shakli va to‘qima zichligi jihatdan farq qiladi. Shuningdek, erkaklar va ayollar o‘rtasida ham
morfologik tafovutlar mavjud;
Irsiy (genetik) omillar .Har bir individning DNK tuzilmasi, immun tizimi va modda
almashinuv holati ichki organlarga ta’sir qiladi. Masalan, ba’zi insonlarda ovqat hazm qilish tizimi
devori yupqa, boshqalarida esa qalin bo‘lishi mumkin.
Milliy va etnik farqlar.
Organ tuzilmasidagi kichik morfologik farqlar etnik guruhlar orasida
mavjud. Bu farqlar tibbiy tasvirlarda kasalliklarni aniqlashda muhim ahamiyatga ega bo‘lishi
mumkin;
Fiziologik holatlar.
Ovqat iste’moli, stress, dori vositalari iste’moli, suyuqlik darajasi kabi
omillar vaqtinchalik holatda tasvirda farqlarni yuzaga keltiradi. Masalan, qorin bo‘shlig‘idagi gaz
miqdori tasvirda noto‘g‘ri yoritish va soyalarni yuzaga keltiradi.
Patologik o‘zgaruvchanlik (pathological variability).
Bir xil kasallik har xil bemorlarda
turlicha ko‘rinishda namoyon bo‘lishi mumkin. Bu namoyon bo‘lishi quyidagilarga bog‘liq
bo‘ladi:
Shakliy o‘zgaruvchanlik.
Masalan, oshqozondagi poliplar bir bemorda kichik va dumaloq,
boshqa bemorda esa katta va cho‘zilgan shaklda bo‘lishi mumkin. Bu holat segmentatsiya va
tasniflash modelini chalkashtiradi.
Rangdagi o‘zgaruvchanlik.
Yallig‘lanish darajasi va qon ketishi holatiga qarab bir xil
kasallik har xil rangda aks etadi: qizil, qizg‘ish-jigarrang, to‘q qizil va h.k.
Kasallikning bosqichi.
Dastlabki, o‘rta va oxirgi bosqichlardagi bir xil kasallik tasvirda
mutlaqo boshqacha ko‘rinadi. Masalan, yara boshlanishida kichik nuqta, oxirida esa chuqur
o‘simta shaklida bo‘lishi mumkin.
Yopiq va yashirin ko‘rinishlar.
Ba’zida patologik o‘zgarishlar organ burmalari ichida, ya’ni
vizual ko‘rinmaydigan joyda bo‘ladi. Bunday holatda oddiy algoritmlar kasallikni aniqlay
olmaydi.
Videoendoskopiya orqali olinadigan tasvirlar inson salomatligini baholash va tashxis
qo‘yishda muhim rol o‘ynaydi. Biroq, bu tasvirlarning sifati turli texnik va biologik muammolar
ta’sirida pasayishi mumkin. Yoritishning yetarli emasligi, shovqin va geometrik buzilishlar, rang
muvozanatining buzilishi kabi omillar diagnostika aniqligiga salbiy ta’sir ko‘rsatadi. Shuningdek,
har bir bemorning individual anatomik va patologik xususiyatlari tasvir tahlilini
murakkablashtiradi. Ushbu muammolarni hal etishda raqamli tasvirlarni ishlov berish,
shuningdek, sun’iy intellektga asoslangan algoritmlardan samarali foydalanish zarurdir. Kelajakda
yuqori sifatli tibbiy tasvirlarni olish va ularni tahlil qilishda avtomatlashtirilgan yondashuvlar,
xususan, chuqur o‘qitish bilan yechish masalalari qaratish zarur.
Adabiyotlar ro‘yxati
1. Pogorelov K., et al. (2017). Kvasir: A multi-class image dataset for computer aided
gastrointestinal disease detection. ACM Multimedia.
2. Ronneberger O., et al. (2015). U-Net: Convolutional networks for biomedical image
segmentation. MICCAI.
3. Litjens G., et al. (2017). A survey on deep learning in medical image analysis. Medical
Image Analysis.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
350
4. Shin H.-C., et al. (2016). Deep Convolutional Neural Networks for Computer-Aided
Detection: CNN Architectures, Dataset Characteristics and Transfer Learning. IEEE Transactions
on Medical Imaging.
5. Borgli H., et al. (2020). HyperKvasir, a comprehensive multi-class image and video
dataset for gastrointestinal endoscopy. Scientific Data.
