はじめに
今回は、「新米データサイエンティストの日常」シリーズの第４弾になります。
新米データサイエンティストが躓きがちなテーマについて、先輩データサイエンティストと会話しているシーンをChatGPTに生成してもらいました。
第３弾はこちら↓
登場人物（架空）
- 佐藤：新卒１年目の新米データサイエンティスト。Kaggleは初心者で、2D画像コンペの経験もなし。
- 田中：入社５年目の先輩データサイエンティスト。Kaggle GrandMaster
Kaggleの3D画像コンペに挑戦！
1. コンペの選定と基本情報の確認
佐藤：「田中さん、Kaggleの3D画像コンペに挑戦しようと思うんですが、何から始めたらいいですか？そもそも3D画像ってどう扱うんでしょうか？」
田中：「いいね！まずは Kaggleのコンペページ をしっかり読もう。3D画像コンペは例えば RSNA Intracranial Hemorrhage Detection や Shin MRI Segmentation Challenge みたいな医療系が多いよ。対象がCTやMRIのことも多いから、データ形式やタスクを把握するのが最初のステップだね。」
佐藤：「Kaggleページではどこを重点的に読めばいいですか？」
田中：「Overview, Evaluation, Data の3つだね。
- Overview でタスクの目的を確認（分類なのか、検出なのか、セグメンテーションなのか）
- Evaluation で評価指標を把握（AUCなのか、Dice係数なのか）
- Data でデータ形式を確認（DICOMやNIfTI、.npz形式など）」
佐藤：「なるほど… 3Dデータの形式って見たことないですが、普通の画像と何が違うんですか？」
田中：「3Dデータはボリュームデータ（Voxel） で構成されているんだ。2D画像はH×W（高さ×幅）だけど、3Dは H×W×D（奥行き）になる。例えば、CTスキャンなら スライス画像の集合 になるし、MRIならボクセルデータ で3D空間を表現しているんだ。」
2. 環境構築とデータの可視化
佐藤：「3Dデータの確認ってどうやるんですか？普通の画像みたいに plt.imshow() で表示できるんですか？」
田中：「うーん、それだと1スライス（2D）しか見れないね。3Dデータの可視化には SimpleITK や nibabel を使うと便利だよ。」
import nibabel as nib
import matplotlib.pyplot as plt
# NIfTIデータの読み込み
img = nib.load("sample.nii")
data = img.get_fdata()
# スライスを表示
plt.imshow(data[:, :, data.shape[2]//2], cmap="gray")
plt.show()
佐藤：「なるほど！スライスごとに確認するんですね。でも3D全体を見たい場合はどうすればいいですか？」
田中：「plotly を使ってインタラクティブに3Dボリュームを確認できるよ。」
import plotly.figure_factory as ff
fig = ff.create_trisurf(data=data[:, :, ::2]) # スライスを間引く
fig.show()
佐藤：「おお、直感的にデータを見られますね！」
3. 前処理
佐藤：「3Dデータの前処理ってどんなことをするんですか？」
田中：「2Dと似ている部分もあるけど、違いもある。例えば…
- リサンプリング（ボクセルサイズを統一）
- ノイズ除去（MRIならN4ITK補正）
- 強度正規化（Zスコア正規化）
- スライス選択（不要な部分を除外）
- データ拡張（3D回転、スケーリング）
例えば、リサンプリングは SimpleITK でできるよ。」
import SimpleITK as sitk
def resample_image(image, new_spacing=[1.0, 1.0, 1.0]):
spacing = image.GetSpacing()
resample = sitk.ResampleImageFilter()
resample.SetOutputSpacing(new_spacing)
resample.SetSize([int(round(s * old / new)) for s, old, new in zip(image.GetSize(), spacing, new_spacing)])
return resample.Execute(image)
resampled_img = resample_image(img)
佐藤：「これは2Dのリサイズみたいなものですか？」
田中：「そうそう。でも、3Dは異なる解像度のデータが混在しがち だから、統一しないとモデルがうまく学習できないんだ。」
4. モデルの選定
佐藤：「3Dデータを扱うには、どんなモデルを使えばいいですか？」
田中：「代表的なものは 3D CNN だね。例えば 3D U-Net や V-Net が有名。PyTorchなら torchio や MONAI が便利。」
import torch
import torch.nn as nn
class Simple3DCNN(nn.Module):
def __init__(self):
super(Simple3DCNN, self).__init__()
self.conv1 = nn.Conv3d(1, 16, kernel_size=3, padding=1)
self.pool = nn.MaxPool3d(2)
self.fc = nn.Linear(16 * 32 * 32 * 32, 2) # 32x32x32に縮小
def forward(self, x):
x = self.pool(F.relu(self.conv1(x)))
x = torch.flatten(x, start_dim=1)
x = self.fc(x)
return x
佐藤：「これは2D CNNと同じ構造ですが、3D版になった感じですね！」
田中：「その通り！でも計算コストが高い から、メモリ管理が重要になるよ。」
5. モデル学習と評価
佐藤：「学習と評価のポイントは何ですか？」
田中：「ポイントは3つ！
- 適切なロス関数を選ぶ（Dice損失やBCE）
- 適切なデータ拡張（3D回転やランダムスライス）
- 学習率スケジューリング（Cosine Annealingなど）
また、評価指標には AUC, Dice, IoU などを確認するといいね。」
まとめ
佐藤：「3Dデータの扱いは奥が深いですね…！」
田中：「そうだね。でも、基本はデータをよく観察し、適切な前処理をし、適切なモデルを選ぶ こと。最初はシンプルなモデルから試して、徐々に精度を上げていこう！」
佐藤：「はい！まずはデータの可視化と前処理から頑張ります！」