KOMPYUTER TARMOQLARIDAN FOYDALANGAN HOLDA MOBIL EKG SENSORLARIDAN OLINGAN MA'LUMOTLARNI REAL VAQTLİ UZATISH VA AI ASOSIDA YURAK KASALLIKLARINI ANIQLASH ALGORITMLARI

ILM FAN YANGILIKLARI KONFERENSIYASI OKTABR ANDIJON,2025 171 KOMPYUTER TARMOQLARIDAN FOYDALANGAN HOLDA MOBIL EKG SENSORLARIDAN OLINGAN MA’LUMOTLARNI REAL VAQTLİ UZATISH VA AI ASOSIDA YURAK KASALLIKLARINI ANIQLASH ALGORITMLARI Haytboyeva Iroda Zokir qizi Zarmed universiteti, assistent o`qituvchi [email protected] +998 93 821 59 58 Annotatsiya: Ushbu tezisda mobil EKG sensorlari yordamida yurak kasalliklarini aniqlashning zamonaviy usullari tahlil qilinadi. Kompyuter tarmoqlari orqali real vaqt rejimida ma’lumotlarni uzatish va sun’iy intellekt algoritmlari yordamida yurak faoliyatidagi anomaliyalarni aniqlash imkoniyatlari ko‘rib chiqiladi. Mavzuning dolzarbligi yurak-qon tomir kasalliklarining keng tarqalganligi va erta tashxislash zarurati bilan belgilanadi. Kalit so‘zlar: EKG, kompyuter tarmoqlari, sun’iy intellekt, yurak kasalliklari, real vaqt monitoringi Kirish: Yurak-qon tomir kasalliklari hozirgi kunda insoniyatning eng keng tarqalgan sog‘liq muammolaridan biri hisoblanadi. Jahon sog‘liqni saqlash tashkiloti (2023) ma’lumotlariga ko‘ra, dunyo bo‘yicha har yili 17 milliondan ortiq inson ushbu kasalliklardan hayotdan ko‘z yumadi. Shu sababli yurak faoliyatini muntazam kuzatib borish va erta tashxislash zamonaviy tibbiyotning muhim vazifalaridan biridir. Mobil EKG sensorlari va axborot-kommunikatsiya texnologiyalari integratsiyasi telemeditsina uchun keng imkoniyatlar yaratmoqda. Asosiy qism: Mazkur tadqiqotning maqsadi mobil qurilmalardan olinadigan EKG signallarini kompyuter tarmoqlari yordamida real vaqt rejimida uzatish va sun’iy intellekt asosida yurak kasalliklarini aniqlash tizimini ishlab chiqishdan iborat. Metodologiyada EKG signallarini yig‘ish, signalni shovqindan tozalash, IoT protokollari orqali xavfsiz ma’lumot uzatish va AI yordamida analiz qilish bosqichlari amalga oshiriladi. Konvolyutsion neyron tarmoqlar va LSTM modellaridan foydalanish yurak ritmidagi buzilishlarni aniqlashda samarali natijalar ko‘rsatdi. Eksperimental natijalar yurak kasalliklarini aniqlash aniqligi 92-95% oralig‘ida ekanligini ko‘rsatdi. Shuningdek, tizim real vaqt rejimida ishlashi va mobil qurilmalar orqali qulay monitoring imkoniyatini taqdim etishi bilan ajralib turadi. Tadqiqot davomida tizimning samaradorligini oshirish va amaliyotga tatbiq qilish bo‘yicha bir qator qo‘shimcha jihatlar ham ko‘rib chiqildi. Avvalo, mobil EKG sensorlari yordamida yig‘iladigan ma’lumotlarning sifati va ishonchliligini ta’minlash uchun signallarni qayta ishlashning zamonaviy usullari, xususan, raqamli filtratsiya va spektral tahlil usullari qo‘llanildi. Bu usullar yordamida shovqinlar kamaytirildi va yurak faoliyatidagi nozik o‘zgarishlarni aniqroq ko‘rish imkoni yaratildi. Shuningdek, ma’lumotlarni real vaqt rejimida uzatish jarayonida ma’lumotlarni siqish algoritmlaridan foydalanish samarali natija berdi. Bu, ayniqsa, internet tezligi past bo‘lgan hududlarda muhim ahamiyatga ega bo‘lib, signalning aniqligi va uzatish tezligi o‘rtasida optimal muvozanatni ta’minlashga yordam berdi. Tadqiqot jarayonida MQTT protokoli va WebSocket texnologiyalari asosida signal uzatish sinovdan o‘tkazildi va ular samaradorlik jihatidan yuqori ko‘rsatkichlarga ega ekanligi aniqlandi. AI algoritmlarining samaradorligini oshirish maqsadida turli neyron tarmoqlar arxitekturalari sinovdan o‘tkazildi. Jumladan, CNN (Convolutional Neural Network) EKG signallarini vaqt bo‘yicha qisqa segmentlarga ajratib tahlil qilishda yaxshi natija ko‘rsatdi. Shu bilan birga, RNN (Recurrent Neural Network) va uning takomillashgan shakli bo‘lgan LSTM (Long Short-Term Memory) modellaridan foydalanish yurak ritmidagi uzoq muddatli ketma-ketliklarni aniqlash ILM FAN YANGILIKLARI KONFERENSIYASI OKTABR ANDIJON,2025 172 imkonini berdi. Ushbu modellar birgalikda qo‘llanganda yurak aritmiyasini aniqlashda yuqori aniqlik ko‘rsatkichlariga erishildi. Tadqiqotning muhim jihatlaridan yana biri shuki, AI tizimi nafaqat tashxislash, balki kasallikning rivojlanish ehtimolini bashorat qilish imkoniyatini ham taqdim etdi. Masalan, bemorlarning uzoq muddatli EKG yozuvlari asosida kelajakda yuzaga kelishi mumkin bo‘lgan aritmiyalarni oldindan ko‘rsatib berish imkoniyati yaratildi. Bu esa profilaktik tibbiyot uchun juda katta amaliy ahamiyatga ega. Tizimni amaliyotga joriy qilish jarayonida foydalanuvchilar uchun mobil ilova ishlab chiqildi. Ushbu ilova yordamida bemor o‘z yurak faoliyatini muntazam kuzatib borishi, natijalarni shifokorga yuborishi va zarurat tug‘ilganda masofadan maslahat olishi mumkin. Ilovaning interfeysi soddalashtirilgan bo‘lib, turli yoshdagi foydalanuvchilar uchun qulay foydalanish imkoniyatini yaratadi. Bundan tashqari, telemeditsina imkoniyatlarini kengaytirish uchun tizimni bulutli hisoblash platformalari bilan integratsiya qilish yo‘lga qo‘yildi. Bu yondashuv katta hajmdagi ma’lumotlarni tezkor saqlash va qayta ishlash imkonini beradi. Shuningdek, shifokorlar turli hududlardan turib bir vaqtning o‘zida ma’lumotlarga kirish imkoniyatiga ega bo‘ladilar. Eksperimental sinovlar davomida turli yosh guruhlari va turli xil yurak kasalliklariga chalingan 200 dan ortiq bemorlarning ma’lumotlari yig‘ildi. Ushbu ma’lumotlar asosida AI modellar qayta o‘qitildi va natijada tashxis aniqligi sezilarli darajada oshdi. Shuningdek, tizimning ishlash tezligi, ma’lumotlarni uzatishdagi kechikishlar va turli tarmoq sharoitlarida samaradorlik darajalari tahlil qilindi. Natijalar shuni ko‘rsatdiki, yuqori tezlikdagi internet tarmoqlarida tizim uzluksiz va barqaror ishladi. Internet tezligi past hududlarda esa ma’lum darajadagi kechikishlar qayd etildi, ammo ular bemorning umumiy monitoring jarayoniga sezilarli ta’sir ko‘rsatmadi. Bu masalani yanada optimallashtirish uchun ma’lumotlarni yanada ixcham siqish texnologiyalaridan foydalanish zarurligi aniqlandi. Xulosa: Tadqiqot natijalari shuni ko‘rsatdiki, mobil EKG sensorlari, kompyuter tarmoqlari va sun’iy intellekt algoritmlarining integratsiyasi yurak kasalliklarini erta aniqlash va real vaqt monitoringi uchun samarali yechim hisoblanadi. Kelgusida tizimni kengaytirish, ma’lumotlar xavfsizligini yanada kuchaytirish va mobil ilovalar bilan integratsiyalash bo‘yicha ishlar olib borilishi tavsiya etiladi. Foydalanilgan adabiyotlar: 1.World Health Organization. (2023). Cardiovascular diseases (CVDs). Retrieved from https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) 2.Pan, J., & Tompkins, W. J. (1985). A real-time QRS detection algorithm. IEEE Transactions on Biomedical Engineering, (3), 230-236. 3.Rajpurkar, P., et al. (2019). Cardiologist-level arrhythmia detection with convolutional neural networks. Nature Medicine, 25(1), 65–69. 4.Zhang, Z., et al. (2022). Heart Disease Diagnosis Using Deep Learning and EKG Data. IEEE Transactions on Biomedical Engineering