Istraživači su razvili i ocijenili algoritme dubokog učenja za klasifikaciju stadija cervikalne vertebralne zrelosti (CVM) na sagitalnim prikazima CBCT snimaka. U studiji je korišteno 364 CBCT snimka ortodontskih pacijenata iz privatnih praksi srednjeg zapada SAD-a, a stadije su odredili dva ortodontista i radiolog maksilofacijalne kirurgije. U osnovnom eksperimentalnom okruženju sa šest klasifikacijskih klasa, model ResNet34 postigao je točnost od 66,76 %. Kada je primijenjena metoda distilacije znanja na podskup od 96 snimaka s pet usklađenih klasa, model ResNet50 dosegao je najvišu točnost od 88,54 % u prosjeku petostruke unakrsne validacije, dok je nedistilirani model postigao 87,10 %. Autori zaključuju da rezultati pokazuju izvodljivost automatizirane CVM klasifikacije pomoću dubokog učenja, ali ističu da su podaci preliminarni i da su potrebni veći, uravnoteženi i vanjske kohorte za kliničku primjenu.