Asosiy kontentga oʻtish
Maqola

CHUQUR O‘RGANISH ALGORITMLARI ASOSIDA TIBBIY TASVIRLARNI AVTOMATIK KLASSIFIKATSIYA QILISH VA IZOHLANUVCHAN TAHLIL QILISH USULLARI

Xalilov MirzohidOrental universiteti magistranti, Samarqand davlat universitetiMaxmudov Zaynidindotsent Samarqand davlat universiteti
2026en
ABI

Annotatsiya

Dolzarblik: Kompyuter ko‘rishi usullari va texnologiyalarining jadal rivojlanishi zamonaviy tibbiy tasvirlash va diagnostika sohasini tubdan o‘zgartirmoqda. Biroq, standart chuqur o‘rganish modellarining shaffof emasligi (qora quti muammosi) shifokorlar tomonidan ularni kundalik amaliyotga joriy etishda ikkilanishlar va ishonchsizlikni keltirib chiqarmoqda. Maqsad: Ushbu tadqiqotning maqsadi Transfer Learning yondashuvi yordamida tibbiy tasvirlarni klassifikatsiya qilish uchun zamonaviy CNN arxitekturalari (ResNet-50, DenseNet-121 va EfficientNet-B0) samaradorligini baholash hamda Grad-CAM texnologiyasi asosida izohlanuvchan diagnostika modelini ishlab chiqish va asoslashdan iborat. Metodlar: Tasvirlarni oldindan qayta ishlashda CLAHE va shovqinlarni kamaytirish usullari qo‘llanildi. O‘qitish bosqichida ImageNet og‘irliklaridan hamda Binary Cross-Entropy yo‘qotish funksiyasidan foydalanildi. Model qarorlarini izohlash uchun Grad-CAM orqali aktivatsiya xaritalari shakllantirildi. Natijalar: Har tomonlama metodologik asos va eksperimental baholash rejasi ishlab chiqildi. Arxitekturalarning nazariy imkoniyatlari hamda Grad-CAM vizualizatsiya samaradorligi asoslab berildi. Amaliy ahamiyati: Taklif etilayotgan yondashuv shifokorlar uchun qaror qabul qilishni qo‘llab-quvvatlovchi ishonchli, shaffof va axloqiy standartlarga mos yordamchi vosita bo‘lib xizmat qiladi.

Hali tarjima qilinmagan

Iqtiboslar va manbalar