数据来源:状态转换——季节性物种的主要死亡风险
该数据集来自 Dryad,对应一项关于季节性物种状态转换与死亡风险的研究。研究以圈养小型灵长类为对象,检验实验性增加季节转换频率是否导致个体更早死亡

基本信息
资源简介
数据来源:状态转换——季节性物种的主要死亡风险
Data from: State transitions: a major mortality risk for seasonal species
该数据集来自 Dryad,对应一项关于季节性物种状态转换与死亡风险的研究。研究以圈养小型灵长类为对象,检验实验性增加季节转换频率是否导致个体更早死亡。结果显示,每年多经历一个季节会使死亡风险增加 3 至 4 倍,而预期经历的季节数受季节节律影响较小。数据可用于生存分析、生理状态转换与寿命关系等研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):衰老源于多种因素造成的损伤随时间累积。然而,这种损伤的时间分布仍不清楚。在季节性物种中,季节之间的转换是大量生理重塑的关键时期。我们假设,这些反复出现的生理重塑高峰在生存方面代价高昂。我们检验了暴露于实验性增加的季节转换频率下的圈养小型灵长类是否比生活在自然季节性下的个体更早死亡。结果表明,每年多经历一个季节会使死亡风险增加 3 至 4 倍,而预期经历的季节数仅受季节节律的轻微影响。这些结果表明,高代谢活动期与低代谢活动期之间的生理转换是季节性物种的主要死亡风险,或
【主题与分类】
主题标签:primate、Microcebus murinus、Biological rhythm、Physiological state transition、life stages、Survival analyses、Holocene。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.km2s0
使用许可:Creative Commons Zero v1.0 Universal。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5061/dryad.km2s0
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 345.1 KB。
数据说明
衰老源于多种因素造成的损伤随时间累积。然而,这种损伤在时间上的分布仍不清楚。在季节性物种中,季节之间的过渡是发生大规模生理重塑的关键时期。我们假设,这些反复出现的生理重塑高峰在生存方面代价高昂。我们检验了暴露于实验性增加的季节转换频率下的圈养小型灵长类动物,是否比生活在自然季节性条件下的个体死亡更早。结果表明,每年多经历一个季节会使死亡风险增加3至4倍,而预期经历的季节数量受季节节律的影响却很小。这些结果表明,高代谢活动期与低代谢活动期之间的生理过渡是季节性生物的主要死亡风险,而这一点迄今一直被忽视。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




