Abstract
В работе представлен подход к автоматической классификации состояния мениска коленного сустава на основе текстурного анализа МРТ-изображений с применением методов машинного обучения. Для извлечения признаков использовалось программное обеспече-ние MaZda 4.6, включающее показатели гистограмм, матрицы совместного появления уровней серого (GLCM), матрицы длин серий (GLRLM) и вейвлет-признаки. Отбор наиболее информа-тивных признаков выполнялся методами RFE, ANOVA и Fisher, что позволило сократить исходный набор с 297 до 16 признаков. Для бинарной классификации классов normal и tear применялись алгоритмы MLP и SVM, показавшие высокую точность (до 95%) при использовании оптимальных подмножеств признаков. Полученные результаты подтверждают диагностическую значимость текстурных характеристик и демонстрируют эффективность их использования для автоматизированного выявления разрывов мениска, что может быть полезно для поддержки клинической диагностики и прогностической оценки состояния коленного сустава.