NeuroPilot：用于处理、质量控制和管理神经图像的代理驱动的智能管道

将原始神经图像档案转换为可供分析的衍生品依赖于三个脆弱阶段：数据标准化、特定模态预处理和质量控制 (QC)。虽然各个神经影像工具已经开发得很好，但它们的编排需要特定于项目的脚本、环境自适应调整和劳动密集型手动质量控制。为了解决这个问题，我们引入了 NeuroPilot，这是一个多智能体系统，它将神经图像处理、质量控制和数据管理的专业知识数字化为三个 LLM 可调用的技能：dcm2bids-skill、neuroimage-pre-skill 和 qc-agent-skill。 LLM 驱动的代理可自主编排工作流程，将各种基础设施设置概括为单一配置，以实现最高的可扩展性。为了证明系统的普遍性，我们在 17 个队列（> 123,000 名受试者）中部署了 NeuroPilot，涵盖婴儿到老年人群和多种 MRI 模式（结构、扩散、功能）。在实践中，通过 dcm2bids-skill 标准化数据后，代理根据可用模式和队列特征动态地将数据集路由到最佳神经图像预技能（例如，将 T1w 和 fMRI 数据发送到 fMRIPrep，或为婴儿队列选择专门的管道）。然后，qc-agent-skill 通过 3D 浏览器仪表板驱动基于证据的半自动质量控制，利用多层验证系统来优化失败案例并升级复杂问题以供主管检查。从数量上讲，我们的 QC 代理筛选了 558 个生产主题，根据 FreeSurfer 的拓扑缺陷指标验证其自动标记。婴儿加工流程在经过 QC 验证的输入上实现了 100% (201/201) 的完成率。重要的是，NeuroPilot 将训练员工和处理完整数据集的传统 2--3 个月时间压缩为一周。 NeuroPilot 部署在 https://wanda-cyberbench.com/ 中。