JBT Journal
Advanced

Raqamli Transformatsiya va Sun’iy Intellekt

INTERVAL USULI BILAN GEPATIT KASALLIGI NAZALOGIYASIDA KO‘RSATKICHLARNING MUHIMLIK DARAJASINI ANIQLASH

Xurramov Alisher1

1 Raqamli texnologiyalar va sun’iy intellektni rivojlantirish ilmiy-tadqiqot instituti

Zenodo DOI: 10.5281/zenodo.24192295

Keywords

Surunkali gepatit (HBV) alomat muhimlik darajasi alomat turg‘unligi qat’iymas qoidalar kasallik nazalogiyasi ustunlik intervalari

Abstract

Maqolada surunkali gepatit (HBV), sirroz va karsinoma bilan kasallangan bemorlar tavsiflangan tanlanma asosida gepatit kasalligini kechishida ko‘rsatgichlarning (alomatlarning) muhimlik darajalarini aniqlash masalasi qaraladi. Tadqiqotda boshlang‘ich tanlanma uchta sinfga - surunkali gepatit, sirroz, karsinoma sinfga bo‘lingan holda har bir sinflar juftliklari bo‘yicha alomatlar qiymatlarining tartiblangan ketma-ketligi ustunlik intervallariga bo‘linadi va ularda ichki qonuniyatlar izlanadi. Har bir interval uchun tegishlilik funksiyasi hisoblanadi va shu asosda alomat turg‘unlik hisoblangan. Alomat turg‘unligining qiymati, shu alomat bo‘yicha qiymatlarning ustunlik intervallarida sinf vakillari uchrashlarining nisbatlariga tug‘ri proporsional bo‘ladi, y’ani nisbat qancha katta bo‘lsa, turg‘unlik ham yuqori bo‘ladi. Ustunlik intervallar tahlili va turgunlik qiymati asosida har alomatning gepatit kasalligi nazalogiyasidagi muhimlik darajasi aniqlangan va ularga izohlar beriladi.

Views: 56 Published: 2026-10-28 Pages: 151-159 Volume: 4 Issue: 5-Special-Issues

References

  1. Нестеров К. В., Маннанова И. В., Понежева Ж. Б., Горелов А. В. Интегративный подход к прогнозированию гепатоцеллюлярной карциномы при вирусных гепатитах B и C: возможности мультиомики и машинного обучения // Russian Medical Inquiry. – 2025. – Т. 9. – № 12. – С. 881–884.
  2. Згуральская Е. Н. Устойчивость разбиения данных на интервалы в задачах распознавания и поиск скрытых закономерностей, Известия Самарского науч. центра Рос. акад. наук. 20, № 4(3). – С. 451-455.
  3. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику / С. Д. Штовба. Сеть Интернет, адрес: http: // matlab.exponenta.ru / fuzzy-logic / bookl / index.php.
  4. M. Nilashi, H. Ahmadi, L. Shahmoradi, O. Ibrahim, and E. Akbari, “A predictive method for hepatitis disease diagnosis using ensembles of neuro- fuzzy technique,” Journal of Infection and Public Health, vol. 12, no. 1, pp. 13– 20, 2019.
  5. Тургунов А. М. Применение информационных технологий для математического моделирования процессов развития вирусного гепатита B // Digital Transformation and Artificial Intelligence. – 2024. – Т. 3. – № 4.
  6. R. Wei et al., “Clinical prediction of HBV and HCV related hepatic fi brosis using machine learning,” EBioMedicine, 2018.
  7. Sh. F. Madrakhimov, G. A. Rozikhodjaeva and K. T. Makharov. Construction of fuzzy inference rules for medicine diagnostics problems. Journal of Physics: Conf. Ser. 2032 012032, 2021. https://doi.org/10.1088/1742-6596/2032/1/012032
  8. Рахманова А.М., Касимова Р.И., Мадрахимов Ш.Ф., Хуррамов А.Х., Рахманов М.И. Информативность клинических и лабораторных показателей в разграничении больных с вгв по количественному содержанию hbsa// Tibbiyotda yangi kun, jurnali, 4(66) 2024, 841-845 betlar.
  9. Y. Chen et al., “Machine-learning-based classification of real-time tissue elastography for hepatic fi brosis in patients with chronic hepatitis B,” Computers in biology and medicine, vol. 89, no. January, pp. 18–23, 2017.
  10. Васильев Ю. А., Нанова О. Г., Владзимирский А. В. и др. Опыт использования технологий искусственного интеллекта в лабораторной медицине: систематический обзор // Digital Diagnostics. – 2025. – Т. 5. – № 1.
  11. Z. Y. Tang and X. W. Wang, “Predicting hepatitis B virus–positive metastatic hepatocellular carcinomas using gene expression profiling and supervised machine learning,” Nature Medicine, vol. 9, no. 4, pp. 416–423, 2003.
  12. S. Khan, R. Ullah, A. Khan, R. Ashraf, H. Ali, M. Bilal, and M. Saleem, “Analysis of hepatitis B virus infection in blood sera using Raman spectroscopy and machine learning,” Photodiagnosis and Photodynamic Therapy, vol. 23, pp. 89–93, 2018.
  13. M. Thakur, “DESIGNING OF APPLIED ARTIFICIAL INTELLIGENCE BASED INTELLIGENT SYSTEM FOR DIAGNOSIS OF HEPATITIS B,” Journal on Intelligent Systems & Robotics Insights & Transformations [ISSN: 2581-5636 (online)], vol. 2, no. 1, 2018.
  14. Игнатьев Н.А., Рахимова М.А., Лолаев М.Я. Особенности отбора информативных наборов признаков на данных с пропусками // Проблемы вычислительной и прикладной математики. – 2021. – № 6/1(37). – С. 113-122.