Количественная обработка оптоакустических ангиограмм — одна из важных задач, решение которой в перспективе позволит диагностировать сосудистые заболевания на ранних стадиях. Целью исследования было провести доработку и медико-биологическую валидацию программного инструмента для анализа оптоакустических ангиограмм с фокусом на применение методов машинного обучения. Работу проводили на открытом наборе данных, содержащем трехмерные оптоакустические ангиограммы экспериментального животного (мыши) в трех температурных состояниях: температура холодной воды (16 °C), комнатная температура (23 °C) и температура тела (30 °C), а также датасет с базовыми параметрами сосудов, полученных при обработке программным обеспечением общего назначения для визуализации и анализа научных и промышленных данных Amira/Avizo (Thermo Fisher Scientific). Были разработаны и посчитаны различные параметры сосудов, отсутствующие в предыдущей работе, после чего применены основные методы неконтролируемой/контролируемой кластеризации и контролируемой классификации для определения принадлежности сегментов сосудов к разным температурным состояниям. Методы контролируемой классификации показали высокую общую точность: CatBoost — 98,9%, SGDClassifier — 95,7%, логистическа регрессия — 99,7%. Полученные результаты согласуются с существующими описаниями изменений сосудов при температурных тестах. Примененная методология универсальна, а значит при небольшой модификации может быть адаптирована для пациентов. Таким образом, полученные результаты в перспективе позволят улучшить диагностику сосудистых патологий.