Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
264
4.
Jurafsky, D., & Martin, J. H. (2021).
Speech and Language Processing (3rd Edition).
Prentice Hall.
QISMIY PRETSEDENTLIK TAMOYILLARIGA ASOSLANIB ISHLAB
CHIQILGAN ALGORITMLAR ANSAMBLIDAN FOYDALANIB SARATON
BOSQICHLARINI TASNIFLASH
t.f.d., akademik Kamilov Mirzayan Mirzaaxmedovich
Raqamli texnologiyalar va sun’iy intellektni rivojlantirish ilmiy-tadqiqot instituti
“Timsollarni tanib olish” laboratoriyasi mudiri
t.f.f.d. Alimqulov Nurmuhammad Muqumjon o‘g‘li
Zahiriddin Muhammad Bobur nomidagi Andijon davlat universiteti “Axborot
texnologiyalari” kafedrasi o‘qituvchisi
Madaminova Mahliyoxon Bahodirjon qizi
Zahiriddin Muhammad Bobur nomidagi Andijon davlat universiteti magistranti
Annotatsiya:
Maqolada qismiy pretsedentlik tamoyillariga asoslangan ansambl
algoritmlarning saraton bosqichlarini tasniflashdagi samaradorligi o‘rganilgan. Chiziqli tutashuv
asosidagi vaznlashgan qaror qabul qilish mexanizmi saraton turlarini (C16, C17, C18, C44, C50,
C00) yuqori aniqlikda tasniflash imkonini berdi. Manhattan masofasi va bo‘sag‘a qiymatlari
asosidagi tasniflash usuli ishlab chiqilib, natijalari klassik algoritmlar bilan taqqoslangan. Taklif
etilgan ansambl algoritm tasniflash aniqligini 94,7-96,2% ga oshirib, mavjud algoritmlardan 3-
10% yaxshiroq natija ko‘rsatdi.
Kalit so‘zlar:
saraton bosqichi, algoritmlar ansambli, qismiy pretsedentlik, chiziqli
tutashuv, TNM klassifikatori, bo‘sag‘a qiymatlari.
КЛАССИФИКАЦИЯ СТАДИЙ РАКА С ИСПОЛЬЗОВАНИЕМ АНСАМБЛЯ
АЛГОРИТМОВ, РАЗРАБОТАННЫХ НА ОСНОВЕ ПРИНЦИПОВ ЧАСТИЧНОЙ
ПРЕЦЕДЕНТНОСТИ
Аннотация:
В статье исследована эффективность ансамблевых алгоритмов на основе
принципов частичной прецедентности при классификации стадий рака. Механизм
взвешенного принятия решений на основе линейной свертки показал высокие результаты
при классификации типов рака (C16, C17, C18, C44, C50, C00). Разработан метод на основе
манхэттенского расстояния и пороговых значений, результаты сравнены с классическими
алгоритмами. Предложенный ансамблевый алгоритм повышает точность классификации до
94,7-96,2%, что на 3-10% выше результатов существующих алгоритмов.
Ключевые слова
: стадия рака, ансамбль алгоритмов, частичная прецедентность,
линейная свертка, TNM классификатор, пороговые значения.
CLASSIFICATION OF CANCER STAGES USING AN ENSEMBLE OF
ALGORITHMS DEVELOPED BASED ON PARTIAL PRECEDENT PRINCIPLES
Abstract:
This article examines the effectiveness of ensemble algorithms based on partial
precedent principles for cancer stage classification. A weighted decision-making mechanism using
linear convolution demonstrated high accuracy in classifying cancer types (C16, C17, C18, C44,
C50, C00). A classification method based on Manhattan distance and threshold values was
developed and compared with classical algorithms. The proposed ensemble algorithm improves
classification accuracy to 94.7-96.2%, which is 3-10% higher than existing classical algorithms.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
265
Keywords:
cancer stage, algorithm ensemble, partial precedent, linear convolution, TNM
classifier, threshold values.
Hozirgi kunda saraton kasalligini barvaqt aniqlash va to‘g‘ri bosqichga ajratish, bemorga
to‘g‘ri tashxis qo‘yish hamda samarali davolash strategiyasini tanlash uchun asosiy ahamiyatga
ega. Saratonning har bir bosqichi alohida tashxis va davolash usulini talab qilgani sababli, tibbiy
ma’lumotlarni tahlil qilishda zamonaviy algoritmik yondashuvlar, ayniqsa intellektual tizimlar
asosida tasniflash jarayonlarini qo‘llash dolzarb vazifa hisoblanadi [1].
Qismiy pretsedentlik tamoyillariga asoslangan ansambl algoritmlar obyektlarni (bemorlar
yoki ularning diagnostik ko‘rsatkichlari) to‘g‘ri tasniflash va ularning bosqichlarini aniqlashda
yuqori samaradorlikka ega. Ushbu tamoyil har bir obyektni boshqa obyektlarga nisbatan baholash
orqali o‘ziga xos tasniflash modelini shakllantiradi. Ansambl algoritmlar esa bir nechta model
natijalarini birlashtirish orqali yakuniy qaror qabul qilish aniqligini oshiradi [2, 3].
Mazkur ishda qismiy pretsedentlik tamoyiliga asoslangan ansambl algoritmlar yordamida
saraton bosqichlarini tasniflash masalasi tahlil qilinadi. Ushbu yondashuvni qo‘llash orqali saraton
kasalligining har bir bosqichi uchun o‘ziga xos tashxis qo‘yish imkoniyatlari aniqlanadi,
diagnostika jarayonining aniqligi va samaradorligi oshiriladi. Shu bilan birga, ansambl
algoritmlarining afzalliklari va ularning tibbiy amaliyotda qo‘llanish imkoniyatlari ko‘rsatib
beriladi.
1-rasm. Algoritmlar ansamblidan foydalanib, chiziqli tutashuv asosida vaznlangan
qaror qabul qilish mexanizmi
1-rasmda algoritmlar ansamblidan foydalanib, chiziqli tutashuv asosida vaznlashgan qaror
qabul qilish mexanizmini ko‘rsatadi. Obyektlarni sinflashtirish jarayonida bir nechta model
natijalarini birlashtirib, umumiy qaror qabul qilish jarayonini ifodalaydi [4].
S`
obyekt
B
1
B
2
…
B
r
𝜏
1
∙ Г
𝑞
(1)
𝑞=1
𝑙
𝜏
2
∙ Г
𝑞
(2)
𝑞=1
𝑙
…
𝜏
𝑟
∙ Г
𝑞
(𝑟)
𝑞=1
𝑙
𝐿(𝐵
∗
)
= ∑ Г
𝑞
(𝑖)
𝑟
𝑖=1
C
Chiziqli tutashuv
Qaror qabul
qilish qoidasi
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
266
𝑆′
obyekt sinflashtirish yoki baholash jarayonida ishlov beriladigan asosiy obyektni
anglatadi. Ushbu obyektni xarakterlovchi xususiyatlar har bir modelga kiritiladi.
𝐵
1
, 𝐵
2
, … , 𝐵
𝑟
tanib olish operatorlari o‘z natijasini chiqaradi, bu natija obyektning qaysi sinfga tegishli
ekanligini baholash bilan bog‘liq. Ushbu ishda Baholarni hisoblash algoritmlarining bir nechta
variantlari olingan bo‘lib,
𝑘 = 4
etib belgilangan [5-8]. Variantdagi asosiy farqlar manhettan
yaqinlik yaqinlik funksiyasi bilan hisoblanadi va bunda 1-jadvalda keltirilgan bo‘sag‘alardan
foydalaniladi.
Har bir model natijasiga vazn
𝜏
𝑖
biriktiriladi. Bu vazn modelning ishonchliligini yoki
muhimligini ifodalaydi.
Barcha modellar natijalari chiziqli tutashuv yordamida birlashriladi:
𝐿(𝐵
∗
) = ∑ 𝜏
𝑖
Г
𝑞
(𝑖)
𝑟
𝑖=1
,
bu yerda,
𝐿(𝐵
∗
)
- barcha modellar natijasining vaznlashgan yig‘indisi,
𝜏
𝑖
- har bir modelga
tayinlangan vazn,
Г
𝑞
(𝑖)
modelning chiqarayotgan bahosi yoki ovozi.
𝐶
qaror qabul qilish qoidasi chiziqli tutashuvning yakuniy natijasi asosida obyektning qaysi
sinfga tegishli ekanligi aniqlaydi. Bu bosqichda aniqlangan sinf yakuniy qaror sifatida chiqariladi.
Qaror qabul qilish qoidasi sifatida BHAning 6-bosqichidan foydalaniladi.
1-jadval. Algoritmlar ansambli natijalarini chiziqli tutashuv orqali birlashtiruvchi
vaznlashgan qaror qabul qilish algoritmi natijasini boshqa modellar bilan solishtirish.
№
Masala
Taklif
etilayotgan
algoritm
ANN
KNN
Decision
Tree
Logistik
Regression
SVM
1
Saraton bosqichini
tasniflash
C16
(oshqozon
kardiyasi), C17 (12
barmoqli ichak ),
C18 (ko‘r ichak)
95.3
92.5
87.0
87.0
85.2
91.0
2
Saraton bosqichini
tasniflash C44 (teri)
94.7
90.3
86.0
85.0
84.7
89.0
3
Saraton bosqichini
tasniflash C50
96.2
91.3
88.0
86.0
87.3
92.0
4
Saraton bosqichini
tasniflash C00 (lab)
95.1
90.0
85.0
84.0
86.9
90.0
Quyidagi algoritm vaznga asoslangan ansambl o‘rganish algoritmi bo‘lib, turli tanib olish
operatorlarining natijalarini birlashtirish orqali yakuniy qaror qabul qilishni maqsad qiladi.
Algoritm avval har bir operatorning sinfga nisbatan bahosini oladi, keyin yo‘qotish funksiyasi
orqali optimallashtirish maqsadida gradient tushish algoritmi yordamida operatorlarning
vaznlarini yangilaydi. So‘ngra, barcha operatorlardan olingan natijalarni yig‘ib, har bir obyekt
uchun maksimal yig‘ilma qiymatga ega sinfni yakuniy qaror sifatida tanlaydi. Bu usul ansambl
metodlari samaradorligini oshirishga yo‘naltirilgan.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
267
2-rasm.
𝝉
𝒊
koeffitsiyentni hiosblash orqali algoritmlarga vazn berish
Chiziqli tutashuv va vaznlashgan natijalarni birlashtirish orqali qaror qabul qilish mexanizmi
yuqori aniqlik va samaradorlikka ega. Ushbu yondashuv tibbiy diagnostika tizimlarida, ayniqsa,
onkologik kasalliklarni aniqlash va tasniflash jarayonlarida qo‘llash uchun keng imkoniyatlar
yaratadi. Diagramma asosida ishlab chiqilgan yondashuv ilmiy va amaliy jihatdan yuqori
samaradorlikni ta’minlashga xizmat qiladi.
Qismiy pretsedentlik tamoyillariga asoslangan ansambl algoritmlar saraton bosqichlarini
yuqori aniqlikda tasniflash imkonini berdi. Chiziqli tutashuv asosidagi vaznlashgan qaror qabul
qilish mexanizmi turli saraton turlari (C16, C17, C18 - 95.3%, C44 - 94.7%, C50 - 96.2%, C00 -
95.1%) bo‘yicha klassik algoritmlardan 3-10% yuqori natija ko‘rsatdi. Yondashuvning afzalligi
TNM klassifikatorida belgilarning bo‘sag‘a qiymatlarini moslashtirib, har bir tasniflash
operatoriga τ
i
vazn koeffitsiyentini berish orqali umumiy aniqlikni oshirishdir. Taklif etilgan usul
tibbiy diagnostikada, ayniqsa onkologik kasalliklarni aniqlash va bosqichlarga ajratish
jarayonlarida istiqbolli hisoblanib, klinik amaliyotda saraton kasalligini erta aniqlash hamda
to‘g‘ri davolash strategiyasini tanlashda muhim ahamiyatga ega.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
268
Adabiyotlar ro‘yxati
1.
Xudayberdiyev M., Alimqulov N. TNM saratonni ifodalovchi ma’lumotlar asosida
aniqlash masalasini yechish uchun maqbul algoritmni tanlash. Farg‘ona politexnika instituti Ilmiy-
texnika jurnali. 2023 y. Т.27. №3 – 139-144-b.
2.
Alimqulov N., Xudayberdiyev M. Obyektlarni tanib olish operatorlarining tutashuvlar
majmuasini qurish uchun yondashuv. Axborot texnologiyalarning rivojlanish jarayonlarida ta’lim,
ilm va innovatsiya: muammolar va yechimlar: Xalqaro ilmiy-amaliy anjuman. – Qarshi, 15-16-
noyabr, 2024-yil. – 487-494-b.
3.
Kamilov M. Xudayberdiyev M. Alimqulov N. Timsollarni tanib olishning algebraik
yondashuv algoritmlari. Ilmiy xabarnoma. Fizika-matematika tadqiqotlari. 2024/№1(6).122-129b.
4.
Дьяконов А.Г. Алгебра над алгоритмами вычисления оценок: минимальная степень
корректного алгоритма // Ж. вычисл. матем. и матем. физ. 2005. Т. 45. № 6. С. 1134–1145.
5.
Журавлёв Ю.И. Корректные алгоритмы над множествами некорректных
(эвристических) алгоритмов. III // Кибернетика. — 1978. — №2. — С.35-43.
6.
Журавлёв Ю.И. Корректные алгоритмы над множествами-некорректных
(эвристических) алгоритмов. II/ Кибернетика. — 1977. — №6. — С.21—27.
7.
Журавлёв Ю.И. Корректные алгоритмы надножествами некорректных
(эвристических) алгоритмов. I // Кибернетика. — 1977. — №4. — С.5-17.
8.
Журавлёв Ю.И. Об алгебраических методах в.задачах распознавания и
классификации // Распознавание, классификация, прогноз. — 1988. — Т.1. — С.9-16.
ЧУҚУР НЕЙРОН ТАРМОҚ ТЕХНОЛОГИЯЛАРИ ЁРДАМИДА БУЙРАК
ПАТОЛОГИЯЛАРИНИ ФАРҚЛАШ
Маматов Нарзулло Солиджонович
“Рақамли технологиялар ва сунъий интеллект” кафедраси мудири, профессор
“Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари
институти” Миллий тадқиқот университети, Ўзбекистон
Жўраев Исломжон Абдужалилович
“Рақамли технологиялар ва сунъий интеллект” кафедраси ассистенти
“Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари
институти” Миллий тадқиқот университети, Ўзбекистон
Абдуллаева Барно Мўйдинжон қизи
Наманган давлат университети таянч докторанти
Аннотация:
Мазкур тадқиқот иши буйрак компьютер томография тасвирларидаги
патологияларни чуқур нейрон тармоқлар ёрдамида таснифлаш масаласига бағишланган
бўлиб, унда нафақат «нормал/патологик» каби бинар таснифлаш, балки патологиялар
ўртасидаги мураккаб дифференциал ташхис масалалари ҳам таҳлил қилинган. Шунингдек,
ишда патологияларни таснифлаш учун комбинатор ёндашув таклиф этилган бўлиб, бунда
дастлаб тўртлик таснифлаш модели орқали умумий ташхис қўйиш, шубҳали ҳолатларда эса
иккилик ёки учлик моделлар билан қўшимча текширув ўтказиш клиник амалиёт учун
мақбул бўлиши кўрсатиб берилган.
Калит сўзлар:
буйрак касалликлари, ўрамли нейрон тармоқ, компьютер томография
тасвири, precision, recall, f1-score.
