CT-PrepAgent：自适应CT数据准备中的有限策略与受控执行

异构CT采集与多样化下游任务要求，限制了固定数据准备流程跨数据源、跨任务的迁移能力。现有方法通常依赖人工设计或数据集专用规则，难以在无需人工干预的情况下适应采集条件和分析目标变化。基于LLM的Agent在医疗流程自动化中展现潜力，但自适应CT数据准备仍少有探索。我们提出CT-PrepAgent，以有界策略及受控确定性执行完成自适应准备。确定性检查构建结构化的数据—任务特征，策略据此选择符合条件的DICOM序列或预定义预处理方案；受控执行流程对决策进行防护、解析、执行与验证，在启用恢复时进行有界恢复，否则安全隔离。三个公开CT分割任务中，系统做出适应数据与任务的预处理决策，取得最高宏平均Dice。在两个私有原始DICOM队列上，经验证的输出产出率由61.7%升至70.0%，共同验证通过的输出具有相近的配准指标。受控故障与回放测试在被测故障和漂移条件下验证了有界恢复、安全隔离与无需策略参与的回放。