EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Deep learning segmentation of soil constituents in 3D X-ray CT images

Maxime Phalempin, Lars Krämer, Maik Geers-Lucas, Fabian Isensee, Steffen Schlüter

Geoderma · 2025-06 · 458 · 117321

DOI: 10.1016/j.geoderma.2025.117321 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Geoderma, 2025-06. Verfasst von Maxime Phalempin und 4 weiteren Autor:innen. Die Arbeit wurde bisher 22-mal zitiert (Crossref) und nennt 38 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Phalempin, M., Krämer, L., Geers-Lucas, M., Isensee, F., & Schlüter, S. (2025). Deep learning segmentation of soil constituents in 3D X-ray CT images. Geoderma, 458, 117321. https://doi.org/10.1016/j.geoderma.2025.117321

Vancouver

Phalempin M, Krämer L, Geers-Lucas M, Isensee F, Schlüter S. Deep learning segmentation of soil constituents in 3D X-ray CT images. Geoderma. 2025;458:117321. doi:10.1016/j.geoderma.2025.117321

BibTeX
@article{Phalempin2025,
  author = {Phalempin, Maxime and Krämer, Lars and Geers-Lucas, Maik and Isensee, Fabian and Schlüter, Steffen},
  title = {Deep learning segmentation of soil constituents in 3D X-ray CT images},
  journal = {Geoderma},
  year = {2025},
  volume = {458},
  pages = {117321},
  doi = {10.1016/j.geoderma.2025.117321}
}
Kostenlos starten →