Cilj ovog diplomskog rada je istražiti razne algoritme za analizu informacija prisutnih u stomatološkim rendgenskim snimkama (ortopantomogramima) pomoću dubokog učenja. S naglaskom na implementaciji dubokih umjetnih neuronskih mreža koje su inspirirane biološkim neuronskim mrežama koje tvore mozak, te korištenju predtreniranih detektora značajki. Ortopantomogram ili ortopan je slika kompletne gornje i donje čeljusti s okolnim anatomskim strukturama koji daje opću informaciju o kostima glave, sinusima, čeljustima i zubima. Njegova primjena je u tome što omogućuje procjenu stupnja dozrijevanja zuba, redoslijeda i brzine njihova nicanja te procjenu dentalne dobi pacijenta. Primjenjivost se ispituje na procjeni dentalne dobi pacijenata iz oropantomograma, kao i iz parcijalnih rendgenskih snimaka ljudske čeljusti. Postignuti su rezultati procjene godina s minimalnom prosječnom pogreškom na skupu za testiranje od 4.8 godina. Zbog neuravnoteženosti skupa podataka i velike sličnosti ortopana osoba starijih od 60 godina dolazi do znatnijih pogrešaka u procjeni. Svrha ovog rada, s obzirom da je identifikacija preminulih osoba često dug i težak posao koji obavljaju forenzički stomatolozi, je znatno olakšavanje i ubrzavanje tog procesa čineći ga ujedno znatno jeftinijim. Nadalje, smanjila bi se mogućnost ljudskih pogrešaka koje su izazvane visokom razinom emocionalnog stresa ovog posla. Dodatna prednost jest i jednostavna uporaba ovih metoda bez potrebnog predznanja ili posebne obuke.