Application of a machine learning-based approach for the prevention of endocrine diseases in medicine

Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.

173

TIBBIYOTDA ENDOKRIN KASALLIKLARNING OLDINI OLISHDA

MASHINAVIY O‘QITISHGA ASOSLANGAN YONDASHUVNI QO‘LLASH

Nishanov Axram Xasanovich

Toshkent axborot texnologiyalari universiteti professori

nishanov_akram@mail.ru

Mengturayev Farxod Ziyatovich

Denov tadbirkorlik va pedagogika instituti katta o‘qituvchisi

f.mengtoraev@dtpi.uz

Annotaysiya:

Maqolada tibbiyotda endokrin kasalliklar profilaktikasida mashinali

o‘qitishga asoslangan yondashuvlar, ularning afzalliklari va qo‘llanilish istiqbollari yoritilgan.
Ma’lumotlarni yig‘ish, tahlil qilish va mashinali o‘qitish algoritmlari yordamida kasalliklarning
erta bosqichlarini bashorat qilish imkoniyati ko‘rib chiqilgan.

Kalit so‘zlar:

Endokrin kasalliklar, qandli diabet, mashinali o‘qitish, profilaktika, belgi,

algoritmik yondashuv.

ПРИМЕНЕНИЕ ПОДХОДА, ОСНОВАННОГО НА МАШИННОМ

ОБУЧЕНИИ, ДЛЯ ПРОФИЛАКТИКИ ЭНДОКРИННЫХ ЗАБОЛЕВАНИЙ В

МЕДИЦИНЕ.

Аннотация:

В статье рассматриваются подходы, основанные на машинном

обучении, к профилактике эндокринных заболеваний в медицине, их преимущества и
перспективы применения. Изучена возможность прогнозирования ранних стадий
заболеваний с использованием сбора данных, их анализа и алгоритмов машинного
обучения.

Ключевые слова

:

Эндокринные заболевания, сахарный диабет, машинное обучение,

профилактика, признак, алгоритмический подход.

APPLICATION OF A MACHINE LEARNING-BASED APPROACH FOR THE

PREVENTION OF ENDOCRINE DISEASES IN MEDICINE.

Annotation:

The article explores approaches based on machine learning for the prevention

of endocrine diseases in medicine, highlighting their advantages and prospects for application. The
possibility of predicting early stages of diseases using data collection, analysis, and machine
learning algorithms is examined.

Keywords:

Endocrine diseases, diabetes mellitus, machine learning, prevention, feature,

algorithmic approach.

Kirish.

Endokrin kasalliklar, jumladan qandli diabet, zamonaviy tibbiyotning dolzarb

muammolaridan bo‘lib, ularning tarqalishi ortib bormoqda. Bu kasalliklar hayot sifatini pasaytirib,
sog‘liqni saqlash tizimiga katta iqtisodiy yuk yuklaydi. Endokrin tizimdagi buzilishlar jismoniy,
psixologik va ijtimoiy muammolarga sabab bo‘lishi mumkin. Shu bois profilaktika, erta tashxis va
asoratlarni kamaytirish muhim ahamiyatga ega [1, 2].

Endokrin kasalliklar, ayniqsa qandli diabet, keng tarqalib, hayot sifatini pasaytiradi va

sog‘liqni saqlashga katta yuk tushiradi. Ularning oldini olish, erta tashxis va asoratlarni
kamaytirish muhim vazifadir [3, 5].

Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.

174

Mashinali o‘qitish endokrin kasalliklar profilaktikasida xavf baholash, individual tavsiyalar,

monitoring va davolash samaradorligini tahlil qilishda qo‘llaniladi. Bu yondashuv sog‘liqni
saqlashni rivojlantirib, kasalliklarning ijtimoiy-iqtisodiy yukini kamaytirishga xizmat qiladi [6,8].

Endokrin

kasalliklarini

profilaktikasi

bosqichlari.

Endokrin

kasalliklar

profilaktikasining birinchi bosqchi – ma’lumotlarni yig‘ish bo‘lib, erta tashxis va samarali
davolash uchun muhimdir. Bu jarayon klinik, genetik va statistik ma’lumotlarni tizimlashtirishni
o‘z ichiga oladi. To‘g‘ri yig‘ilgan ma’lumotlar xavf omillarini aniqlash va mashinali o‘qitish
modellari uchun asos yaratishga xizmat qiladi.

Ma’lumot yig‘ishda sifat, dolzarblik va maxfiylik ta’minlanib, noto‘g‘ri ma’lumotlar

filtrlanadi. Ular standart formatda raqamlashtirilib, algoritmlarni o‘qitish uchun tayyorlanadi.
Endokrin kasalliklar profilaktikasi asoratlarni kamaytirishda muhim bo‘lib, u individual
yondashuv va zamonaviy texnologiyalarga asoslanadi.

1.

Birlamchi darajali profilaktika

. Endokrin kasalliklar turmush tarzi, ekologiya va

genetik omillar ta’sirida rivojlanadi. Ularning oldini olish uchun sog‘lom turmush tarzini
shakllantirish va xavf omillarini bartaraf etish muhim. Skrining dasturlari diabet, qalqonsimon bez
kasalliklari va metabolik sindromni erta aniqlashga yordam beradi.

2.

Ikkinchi darajali profilaktika

. Kasalliklarni erta aniqlash asoratlarni kamaytirish va

hayot sifatini oshirishga yordam beradi. Xavf guruhidagi bemorlarni muntazam kuzatish muhim
ahamiyatga ega. Mashinali o‘qitish texnologiyalari katta ma’lumotlarni tahlil qilib, xavf omillarini
aniqlash va kasallikni prognoz qilish imkonini beradi.

3.

Uchinchi darajali profilaktika

. Kasallik asoratlarini oldini olib, bemor hayot sifatini

oshirishga qaratilgan. Diabetda insulinterapiya va to‘g‘ri ovqatlanish, metabolik sindromda esa
farmakologik va terapevtik choralar muhim rol o‘ynaydi. Profilaktikaning samaradorligi bosqichli
va integratsiyalashgan yondashuv bilan ta’minlanadi

.

Mashinali o‘rganishga moslashtirish usuli.

Modelni o‘qitish uchun ma’lumotlarni

tayyorlash samarali natijalar olish uchun muhim jarayondir. Bu jarayon ma’lumotlarni tozalash,
formatlash va mos shaklga keltirishni o‘z ichiga oladi. Kategoriyali ma’lumotlar raqamli formatga
o‘zgartiriladi (masalan, 0,1,2,3). Endokrin kasalliklar profilaktikasida ma’lumotlarning xavfsizligi
va tahliliga e’tibor berish zarur.

2-tip diabetning umumiy belgilariga og‘iz qurishi, chanqash, tez-tez peshob ajratish,

ishtahaning o‘zgarishi, oyoq-qo‘lda og‘riq va muzlash, bitmaydigan yaralar va tez och qolish
kiradi. Ushbu simptomlar boshqa kasalliklar bilan bog‘liq bo‘lishi mumkin, shuning uchun ularni
doimiy kuzatishda shifokor maslahatiga murojaat qilish lozim.

Maqolada kasallik qandli diabetning 2-turi bo‘yicha 19 ta simptomlaridan 50 ta belgilar

tadqiq etilgan bo‘lib, ular quyidagi jadval ko‘rinishida ifodalanadi.

1-jadval. Qandli diabetning simtomlari va belgilari

Belgilar

Qandli diabetning simptomlari

(belgilarning nomlanishi)

Belgilarning qabul qilishi mumkin

bo‘lgan qiymatlari

𝑥

1

Yoshi (kasallik boshlangandagi yoshi)

1- 30 yoshgacha
2- 30 yoshdan yuqori

𝑥

2

Og‘iz qurushi

1- Og‘iz qurushi yo‘q
2- Og‘iz qurushi yengil yoki o‘rta
3- Og‘iz qurushi kuchli

…

…

…

𝑥

19

Tez och qolish

1-yuq
2-yengil
3-kuchli

Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.

175

Jadvalda birinchi ustunida belgilar keltirilgan bo‘lib ular quyidagicha o‘qiladi. Masalan:

𝑥

19

, vektor ko‘rinishidagi x

= (𝑥

1

, 𝑥

2

, … … . . , 𝑥

19

)

obyektning

19-belgisi deb o‘qiladi. Bu bеlgi

kasallikda uchraydigan alomatlarga bogʻliq boʻlgan bеlgini anglatadi. Jadvalning ikkinchi
ustunida bеlgining matnli ifodasi, uchinchi ustunda esa bеlgi qabul qilishi mumkin boʻlgan
nominal qiymat va uning matnli ma’nosi bayon etilgan.

Endokrin kasalliklar uchun o‘quv tanlanmasini yaratish va dastlabki qayta ishlash

bosqichlari. Endokrin tizim organizmning gormonal muvozanatini ta’minlaydi, uning buzilishi esa
turli kasalliklarga olib keladi. Endokrin kasalliklarni tadqiq etish uchun o‘quv tanlanmasi klinik
va laboratoriya ma’lumotlari asosida shakllantiriladi. Bu jarayon diagnostika va davolash
strategiyalarini yaxshilashga xizmat qiladi. Tanlanmada 19 semptom va 50 belgi bo‘yicha 16 sinf
ajratilgan.

2-jadval. O‘quv tanlanmasi sinflari

Qa

ndli

diabe

tni

ng si

mpt

oml

ari

(be

lgi

lar

ning nom

lanishi

)

O

g‘

iz qur

ushi

C

ha

nqa

sh xi

ssi

S

uv ichish

K

o‘

p va

tez

-tez

p

eshobga

c

hiqi

sh

Na

sli

da

Aqliy va r

uxiy s

tre

ssl

ar

Oshqoz

on ost

i bez

i shi

ka

stl

anishl

ari (

infe

ksion

va

noinfe

ksion

)

Ishta

ha

si

Ka

sa

ll

ik rivoj

lanishi

tez

li

gi

Oyoqda

o

g‘

riqla

r

Q

o‘

ldagi muzla

sh

Q

o‘

l kaf

ti

va

ba

rmoqlar

ida

gi bi

tm

aydigan ya

ra

la

r

Oyoqda

ka

ft

v

a ba

rmoqla

rda

gi j

im

irla

sh

Oyoqda

gi kaf

t va b

armo

qlar

da

gi m

uz

lash

Oyoqda

gi kaf

t va b

armo

qlar

da

gi qi

zish

Oyoq ka

fti va

ba

rmoqlar

ida

gi bi

tm

aydigan ya

ra

la

rning

buli

shi

P

eshobni

ushl

ab turish qi

yinl

igi

Te

z oc

h qoli

sh

𝜔

1

𝜔

2

𝜔

3

𝜔

4

𝜔

5

𝜔

6

𝜔

7

𝜔

8

𝜔

9

𝜔

10

𝜔

11

𝜔

12

𝜔

13

𝜔

14

𝜔

15

𝜔

16

𝜔

17

𝜔

18

𝜔

19

1-sinf (obyekt)

2

3

3

3

3

2

1

2

1

2

3

3

1

3

3

3

1

2

1

…

… … … … … … …

… … … …

…

… … …

…

… …

16-sinf(obyekt)

2

3

3

3

3

2

1

2

1

2

2

1

1

1

2

2

1

1

1

2-jadvalda qandli diabet simptomlariga asoslangan ma’lumotlar bazasi shakllantirilib,

kasallik turlariga ajratilgan. Bu jarayon kasallik turini aniqlash va bemor holatini baholashda
muhim rol o‘ynaydi. Har bir sinf bemorning kasallikka chalinish darajasini aks ettirib, tashxis
qo‘yishda qo‘llaniladi. [5, 8].

Ma’lumotlarni qayta ishlashning an’anaviy va mashinali o‘qitish usullari hamda

algoritmlari haqida.

Mashinali o‘qitish kompyuterlarga ma’lumotlardan o‘rganib, qarorlar qabul

qilish va bashorat qilish imkonini beradi. Asosiy algoritmlar qatoriga k-Eng yaqin qo‘shnilar (k-
NN), chiziqli va logistik regressiya, SVM, qaror daraxtlari, tasodifiy o‘rmonlar hamda neyron
tarmoqlar kiradi.

Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.

176

3-jadval. Mashinali o‘qitish jarayoni bosqichlari

№

Bosqich

Izoh

1.

Maqsadni aniqlash

Loyiha maqsadini aniqlash va asosiy savollarni
belgilash

2.

Ma’lumotlarni yig‘ish

Klinik, biometrik va real vaqt ma’lumotlarini
yig‘ish

3.

Ma’lumotlarni tozalash

Noto‘g‘ri, yetishmayotgan va takrorlangan
ma’lumotlarni bartaraf etish

4.

M’lumotlarni kodlash

Kategoriyali ma’lumotlarni raqamli shaklga
o‘zgartirish

5.

Ma’lumotlarni normalizatsiya
qilish

Qiymatlarni bir xil miqyosga keltirish
(normalizatsiya yoki standartizatsiya)

6.

Ma’lumotlarni bo‘lish

Ma’lumotlarni o‘quv, test va validatsiya
to‘plamlariga ajratish

7.

Modelni tanlash

Loyiha uchun mos algoritmni tanlash

8.

Modelni o‘qitish

Modelni ma’lumotlarga moslashtirish va
o‘rganish jarayonini boshlash

9.

Modelni baholash

Modelni test to‘plamida sinab ko‘rish va
natijalarni baholash

10. Modelni optimallashtirish

Grid Search yoki Random Search yordamida
parametrlarni optimallashtirish

11. Modelni saqlash va qo‘llash

Modelni saqlash va real vaqt rejimida
foydalanish uchun tayyorlash

Jadvalda ma’lumotlarga asoslangan loyihalar, jumladan mashinali o‘qitish modellari uchun

umumiy yondashuv va algoritm tuzilish bosqichlari ketma-ketligi berilgan. Bu bosqichlar
algoritmning to‘g‘ri shakllanishini ta’minlaydi.

Natijalar va xulosa.

Natijalar tahlili model sifatini oshirish va kamchiliklarni bartaraf

etishda muhim ahamiyatga ega. Endokrin kasalliklar profilaktikasida mashinali o‘qitish katta
tibbiy ma’lumotlarni tahlil qilish, kasallik xavfini bashorat qilish va samarali profilaktika
choralarini ishlab chiqishda inqilobiy yondashuvdir:

4-jadval. Erishilgan natijalar

Natijalar

Tavsifi

Erta tashxislash

Kasalliklarning rivojlanishidan oldin aniqlash va profilaktika
qilish.

Individual yondashuv

Bemor uchun mos keluvchi tavsiyalarni avtomatik ishlab
chiqish.

Profilaktika samaradorligi

Kasalliklarning rivojlanish xavfini sezilarli darajada
kamaytirish.

Xarajatlarni kamaytirish

Profilaktika orqali qimmat davolash jarayonlaridan qochish.

Tibbiy xizmat sifatini
oshirish

Bemorlarga tezkor va aniq yordam ko‘rsatish.

Jadval natijalari kasalliklarning erta tashxislanishi va profilaktikadagi innovatsion

yondashuvlarning ahamiyatini ko‘rsatadi. Loyiha sog‘liqni saqlash samaradorligini oshirish,
kasallik xavfini bashorat qilish va sifatli tibbiy yordamni ta’minlashga qaratilgan. Mashinali
o‘qitish klinik va biometrik ma’lumotlarni tahlil qilishda qo‘llanilib, resurslarni tejash va tashxis
aniqligini oshirishga xizmat qiladi. Ayniqsa, qandli diabet va metabolik sindromning erta
aniqlanishi muhim ustuvor yo‘nalishdir.

Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.

177

Adabiyotlar ro‘yxati

1.Powers, A. C., & D’Alessio, D. (2022).

"Endocrine Physiology and Metabolic

Regulation." New England Journal of Medicine

, 386(6), 545–558.

2.Esteva, A., & et al. (2022).

"Deep Learning in Endocrinology: Applications and

Opportunities." Endocrinology and Metabolism Clinics of North America

, 51(3), 515–531.

3.Rahman, M. A., & et al. (2021).

"Artificial Intelligence in Healthcare: Implications for

Endocrinology." Frontiers in Endocrinology

, 12, 678345.

4.Nishanov А.Kh., Djurayev G.P., Kasanova М.Kh.Improved algorithms for calculating

evaluations in processing medical data//Compusoft: An International Journal of Advanced
Computer Technology, 8(6), June-2019. pp.3158-3165.

5.Nishanov A.Kh., Akbaraliev B.B., Juraev G.P.,Khasanova M.A., Maksudova M.Kh., &

Umarova Z.F. The algorithm for selection of symptom complex of ischemic heart diseases based
on flexible search// Journal of Cardiovascular Disease Research, 2021, 11(2), стр. 218–223.

6.Nishanov А.Kh., Jurayev G.P., Narziyev N.B., Аdaptable genetic algorithm for primary

processing of medical data based on random search//Шестая Международная научно-
практическая конференция «BIG DATA and Advanced Analytics. BIG DATA и анализ
высокого уровня», Республика Беларусь, Минск, 20-21 мая 2020 года, Часть 1., С.147-155.

7.Nishanov, A., Mamajanov , R., Xaydarov , S., Mengturayev , F., & Yuldashev , R. (2024).

sut bezi saraton kasalliklarini simptomlarini mashinali o‘qitishga tayyorlash bosqichlari. digital
transformation

and

artificial

intelligence,

2(6),

237–249.

Retrieved

from

https://dtai.tsue.uz/index.php/dtai/article/view/v2i633

8.Nishanov, A., Mengturayev, F., Allayarov, U., & Xaydarov, S. (2024). endokrin

kasalliklarini tashxislashda foydalaniladigan simptomlarni shakllantirish bosqichlari. digital
transformation

and

artificial

intelligence,

2(6),

228–236.

Retrieved

from

https://dtai.tsue.uz/index.php/dtai/article/view/v2i632

KAFTNI TASVIRGA OLISH VOSITALARI

Mamatov Narzullo Solidjonovich

“TIQXMMI” Milliy tadqiqot universiteti professori

Kodirov Elmurod Solijon o‘g‘li

“TIQXMMI” Milliy tadqiqot universiteti assistenti

Usarov Jurabek Abdunazirovich

“TIQXMMI” Milliy tadqiqot universiteti izlanuvchisi

Annotatsiya

: Mazkur ishda kaft tasviriga asoslangan biometrik identifikatsiya tizimlari

uchun tasvirga olishni asosiy texnologiyalari, jumladan kontaktli (optik skanerlar va termal
tasvirga olish) va kontaktsiz (2D kameralar, 3D tasvirga olish, multispektral tasvirga olish) usullar
tahlil qilingan bo‘lib, bunda har bir texnologiyani ishlash tamoyili, yutuq va kamchiliklari, amaliy
qo‘llanilishi batafsil bayon etilgan.

Kalit so‘zlar

: Kaft tasviri, biometrik identifikatsiya, optik skanerlar, termal tasvirga olish,

2D kameralar, multispektral tasvirga olish, kontaktli usullar, kontaktsiz usullar, tasvirni qayta
ishlash.

СРЕДСТВА ЗАХВАТА ИЗОБРАЖЕНИЙ ЛАДОНЕЙ

Аннотация:

В данной работе проанализированы основные технологии захвата

изображений для биометрических систем идентификации на основе ладоней, включая