Estudios neurológicos recientes han demostrado la importancia de las dendritas en la computación neuronal. En este documento, se propone un modelo de neurona con morfología dendrítica, llamado modelo de neurona dendrítica lógica (LDNM), para la clasificación. Este modelo consta de cuatro capas: una capa sináptica, una capa dendrítica, una capa de membrana y un cuerpo soma. Después del entrenamiento, el LDNM se simplifica mediante mecanismos de poda propietarios y se transforma en un clasificador de circuitos lógicos. Además, para abordar el desafío de alta dimensionalidad, se emplea la selección de características como método de reducción de dimensiones antes de entrenar el LDNM. Además, se lleva a cabo el esfuerzo de emplear un algoritmo de optimización heurística como método de aprendizaje para acelerar la convergencia. Finalmente, el rendimiento del modelo propuesto se evalúa mediante cinco problemas de clasificación de alta dimensionalidad de referencia. En comparación con los otros seis clasificadores clásicos, el LDNM logra el mejor rendimiento de clasificación en dos (de cinco) problemas de clasificación. Los resultados experimentales demuestran la efectividad del modelo propuesto. Se proporciona una nueva perspectiva para resolver problemas de clasificación mediante el LDNM propuesto en el documento.