Аннотация. В современной медицине анализ текстурных признаков изображений играет важную роль в диагностике различных заболеваний. Данное исследование посвящено методам классификации текстурных признаков изображений ожоговых поражений, позволяющим выделять информативные характеристики и повышать точность диагностики. Рассмотрены современные алгоритмы машинного обучения, применяемые для автоматизированного анализа изображений. Проведен сравнительный анализ различных методов классификации, выявлены наиболее эффективные подходы к обработке текстурных признаков. Результаты исследования могут быть использованы для разработки интеллектуальных систем поддержки принятия врачебных решений. В исследовании использован набор данных, включающий 1500 изображений ожоговых поражений, полученных из открытых источников Roboflow и Kaggle. Для выделения текстурных признаков применена программа MaZda, обеспечивающая детальный анализ изображений. Исходный массив, содержащий 279 признаков, был оптимизирован путем выбора наиболее информативных характеристик с использованием шести методов: ANOVA, Fisher, Relief, SBS, SFS и RFE, что позволило сократить их количество до 21. Проведен обзор современных подходов к автоматизированному анализу ожогов, включая методы обработки изображений и машинного обучения, опубликованных за последние пять лет. Работа демонстрирует перспективность применения машинного обучения в медицине и необходимость дальнейших исследований для повышения точности классификации и практического внедрения разработанных алгоритмов.

Ключевые слова: текстурные признаки, MaZda, автоматизированный анализ ожогов, медицинская диагностика, обработка изображений, классификация ожогов.