NV-Segment-CTMR 医学影像分割
在 CT 或 MRI NIfTI 体数据上运行分割并生成可核查证据。
文档明确限定工程验证用途，披露输出目录、缓存、GitHub/Hugging Face 网络访问、GPU 和环境修改，并禁止临床解释；但未要求执行前用户确认，默认可修改当前 Python 环境，可能处理敏感医疗影像，缺少隐私处理、权限隔离、回滚和输出覆盖恢复机制，因此扣分。
入口、参数、依赖、错误场景、超时和若干单元测试均有说明，且测试覆盖命令构造、输出发现、标签和几何检查；但本次为静态审查，未执行关键路径，外部 bundle、模型和 GPU 依赖不可由文件单独复现，子进程失败后包装器仍以退出码 0 结束，因此扣分并受静态上限约束。
目标用户、NIfTI 输入、CT_BODY/MRI_BODY/MRI_BRAIN 模态、输出以及非临床边界较清楚，MRI_BRAIN 的预处理限制也已声明；但触发条件和非适用输入覆盖仍有限，缺少中文说明，核心初始化依赖 GitHub/Hugging Face，可能受中国大陆网络可达性影响，因此扣分。
SKILL.md 具有目的、指令、前置条件、限制、故障排查和用法，manifest 固定了版本、依赖、输入输出、上游提交和验证器，许可证也明确；但缺少推荐的 Examples 章节，维护责任和变更日志不够具体，安装命令与运行时约束存在隐藏复杂性，因此扣分。
技能能把 NIfTI 分割调用和标签图、几何、体积及运行证据整理为 JSON，并明确不计算 Dice、临床质量需配套验证器；提交的 benchmark 报告显示两项任务通过且有一定正确性和有效性提升，但样本少、无负向任务，且缺少本次独立复现证据，因此扣分。
存在固定上游提交、模型 revision、输出 schema、实现代码、单元测试和 benchmark 报告，提供了可审计材料；但本审查未执行测试，benchmark 仅为汇总且缺少原始运行产物和独立交叉证据，因此仅给静态证据范围内的有限分数。
- 不要将输出用于诊断、治疗、临床部署或监管结论；MRI_BRAIN 必须先满足上游脑部预处理要求。
- 建议在隔离环境中运行并事先确认网络访问、模型缓存、GPU 资源和当前 Python 环境修改；不要把患者数据、凭据或敏感日志发送到外部服务。
- 应修复子进程失败仍返回成功退出码的问题，并补充真实运行产物、负向触发测试和覆盖关键模态的验证。
这个 Skill 能做什么，适合哪些场景？
这是 NVIDIA Medical AI Skills 中用于 CT 和 MRI NIfTI 体数据分割的 Agent Skill。它通过固定包装脚本调用上游 MONAI NV-Segment-CTMR bundle，支持 CT_BODY、MRI_BODY 和 MRI_BRAIN 自动分割。运行结果包括 NIfTI 标签图和 JSON 证据，记录标签、体素计数、物理体积、几何检查及运行信息。它明确不用于临床解读、诊断、治疗规划或监管提交。
读取用户提供的 CT 或 MRI NIfTI 文件，读取 skill_manifest.yaml 中的运行约束，通过 scripts/run_ctmr.py 调用上游 monai.bundle run 入口，向指定输出目录写入分割结果；可接受 CT_BODY、MRI_BODY、MRI_BRAIN 模态和可选的上游标签 ID，检查输出 JSON 与标签图，并记录输入几何、输出路径、观测标签 ID、异常标签、各类别体素数、基于头部间距计算的物理体积、运行时间、上游命令、模型清单和几何检查。也可记录 ground-truth 路径，但不计算 Dice。
- 医学影像工程师需要对 CT_BODY NIfTI 体数据运行自动分割并保存标签图与证据 JSON。
- 研究人员需要对 MRI_BODY 数据执行上游模型分割，并保留输入输出几何和类别统计。
- 脑部 MRI 工作流已经完成上游要求的预处理，需要将预处理后的 MRI_BRAIN 输入 bundle 推理。
- 评测人员需要记录参考标签图路径，并交由配套 verifier 计算 CT-body 输出的可选 Dice/IoU。
这个 Skill 有哪些优点和局限？
- 支持 CT_BODY、MRI_BODY 和 MRI_BRAIN 三种自动分割模态。
- 输出标签图及面向证据的 JSON，包含几何、标签和运行元数据。
- 通过上游固定 commit 的 MONAI bundle 执行推理，包装器不重新实现推理逻辑。
- README 提供 NVIDIA skills CLI 安装、每日同步和签名验证流程。
- 需要 NVIDIA GPU 与 CUDA；运行还依赖多项 Python 包。
- 初始化或运行设置可能访问 GitHub 或 Hugging Face，并使用本地缓存。
- MRI_BRAIN 输入必须满足上游脑部预处理要求。
- 不提供临床解释、诊断、治疗规划或监管提交支持，也不自行计算 Dice。
如何安装这个 Skill？
从 NVIDIA/skills 安装指定技能：npx skills add nvidia/skills --skill nv-segment-ctmr --yes。也可以使用 npx skills add nvidia/skills --list 查看目录，或通过 --agent codex、--agent claude-code 等参数安装到特定 Agent。README 未规定手工复制目录的必要步骤。
如何使用这个 Skill？
在仓库根目录、具备上游 bundle 和模型缓存的环境中运行：export NV_SEGMENT_CTMR_ROOT="${NV_SEGMENT_CTMR_ROOT:-$HOME/.cache/nvidia-skills/upstreams/NV-Segment-CTMR-f9f5f51/NV-Segment-CTMR}" && python -m pip install "monai>=1.5,<1.6" "numpy<2" nibabel scipy typer PyYAML fire huggingface_hub pytorch-ignite einops && python skills/nv-segment-ctmr/scripts/run_ctmr.py PATH_TO_IMAGE.nii.gz --modality CT_BODY --output-dir runs/nv_segment_ctmr_demo。将 PATH_TO_IMAGE.nii.gz 替换为实际输入；MRI 可将 --modality 改为 MRI_BODY 或 MRI_BRAIN。可用 --label-prompts "3,14" 指定类别，也可用 --ground-truth PATH 记录参考标签图。先阅读 skill_manifest.yaml，并检查输出 JSON 及 verifier 指导。