Određivanje dobi pasa važno je za utvrđivanje identiteta prilikom obavljanja razudbe. Od velikog je značaja u prodaji i kupovini životinja kao metoda provjere istinitosti podataka o životinji te u veterinarskoj forenzici. Starost životinje može biti predmet različitih pravnih sporova pa metoda koja se koristi za procjenu dobi mora biti objektivna, što znači pouzdana, precizna i točna. Duboko učenje s konvolucijskim neuronskim mrežama (engl. convolutional neural network, CNN) je model, dizajniran za procesiranje podataka i učenje na temelju podataka koji se automatski izvode iz velikog broja primjera bez izdvajanja značajki prije samog procesa učenja. Cilj istraživanja je uspostavljanje inovativne metode određivanja dobi koja bi se sustavno mogla koristiti u forenzičke i akademske svrhe. U ovom istraživanju pregledano je i fotografirano 123 čeljusti pasa koji su bili predmet obdukcije u razdoblju od 2019. godine do 2020. godine na Veterinarskom fakultetu Sveučilišta u Zagrebu. Obrađene fotografije poslužile su za treniranje neuronske mreže. Računalo je na cjelovitim fotografijama uspješno smjestilo 21 od 30 testiranih fotografija u odgovarajuću dobnu kategoriju što predstavlja točnost od 70%. U nastojanju da se dobe najbolji mogući rezultati, primijenjena je još jedna metoda koje je uključivala fotografije obrađene tako da tvore mozaike na kojima je računalo ostvarilo točnost klasifikacije od 56% što predstavlja lošiji rezultat klasifikacije u usporedbi s cjelovitim fotografijama. Od svih životinjskih vrsta, u pasa nalazimo najširi raspon fenotipske raznolikosti zuba. Kao posljedica toga, pojedini psi iste kronološke dobi mogu pokazivati niz različitih bioloških dobi. CNN korištena u istraživanju trenirana je na relativno malom broju fotografija. Unatoč tome pokazala je zadovoljavajuće rezultate čime je dokazano da je moguće određivati dob pasa uz pomoć CNN-a i dubokog učenja.