five

Data from: Controlled feeding experiments with diets of different abrasiveness reveal slow development of mesowear signal in goats (Capra aegagrus hircus)|动物学数据集|牙齿磨损数据集

收藏
DataONE2018-09-06 更新2024-06-08 收录
动物学
牙齿磨损
下载链接:
https://search.dataone.org/view/null
下载链接
链接失效反馈
资源简介:
Dental mesowear is applied as a proxy to determine the general diet of mammalian herbivores based on tooth-cusp shape and occlusal relief. Low, blunt cusps are considered typical for grazers and high, sharp cusps typical for browsers. However, how internal or external abrasives impact mesowear, and the time frame the wear signature takes to develop, still need to be explored. Four different pelleted diets of increasing abrasiveness (lucerne, grass, grass and rice husks, grass, rice husks and sand) were fed to four groups of a total of 28 adult goats in a controlled feeding experiment over a six-month period. Tooth morphology was captured by medical CT scans at the beginning and end of the experiment. These scans, as well as the crania obtained postmortem, were scored using the mesowear method. Comparisons between diet groups only showed few significant differences after six months, irrespective of whether CT scans or the real teeth were scored. Only when assessing the difference in signal between start and end did relevant, significant diet-specific effects emerge. Diets containing lower phytolith content caused a more pronounced change in mesowear towards sharper cusps/higher reliefs, while the feed containing sand did not result in more extreme changes in mesowear when compared to the same feed without sand. Our experiment suggests that the formation of a stable and hence reliable mesowear signal requires more time to develop than six months.
创建时间:
2018-09-06
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

LIDC-IDRI

LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。

OpenDataLab 收录

Materials Project 在线材料数据库

Materials Project 是一个由伯克利加州大学和劳伦斯伯克利国家实验室于 2011 年共同发起的大型开放式在线材料数据库。这个项目的目标是利用高通量第一性原理计算,为超过百万种无机材料提供全面的性能数据、结构信息和计算模拟结果,以此加速新材料的发现和创新过程。数据库中的数据不仅包括晶体结构和能量特性,还涵盖了电子结构和热力学性质等详尽信息,为研究人员提供了丰富的材料数据资源。相关论文成果为「Commentary: The Materials Project: A materials genome approach to accelerating materials innovation」。

超神经 收录

FlowBench

FlowBench是由爱荷华州立大学创建的一个大规模流体模拟数据集,包含超过10,000个样本,旨在评估神经PDE求解器在复杂几何形状上的性能。数据集涵盖了多种复杂几何形状(参数化和非参数化)和流体条件(雷诺数和格拉晓夫数),捕捉了从稳态到瞬态的各种流体现象。每个样本都包含速度、压力和温度场的数据,以及升力、阻力和努塞尔数等工程特征。FlowBench的创建过程包括使用高保真模拟器进行直接数值模拟,确保数据的准确性和可靠性。该数据集主要应用于工程领域,如航空航天、汽车设计和生物流体学,旨在解决复杂几何形状上的流体动力学问题。

arXiv 收录

PASCAL VOC 2007

这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象(即不是预先分割的对象)。它基本上是一个监督学习问题,因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是: 人:人 动物:鸟、猫、牛、狗、马、羊 交通工具:飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内:瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容:提供的训练数据由一组图像组成;每个图像都有一个注释文件,为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意,来自多个类的多个对象可能出现在同一图像中。

OpenDataLab 收录

SWaT Dataset

SWaT Dataset是一个用于工业控制系统(ICS)安全研究的数据集,包含了模拟的网络攻击和正常操作的数据。该数据集由新加坡科技设计大学(Singapore University of Technology and Design)发布,旨在帮助研究人员开发和测试用于检测工业控制系统中网络攻击的算法和模型。

itrust.sutd.edu.sg 收录