NV 脑部 MRI 扩散模型微调
从 NIfTI 脑部 MRI 数据微调 NV-Generate-CTMR 的扩散 UNet。
明确限制为工程研发用途，说明输出、网络端点、缓存、GPU训练及目录写入，并记录上游提交；但允许调用Bash、安装依赖、访问GitHub/Hugging Face、修改用户Python环境和写入家目录，缺少逐次用户确认、敏感MRI数据处理说明、权限隔离与回滚机制，因此扣分。
入口脚本、配置分层、输入校验、阶段化命令、退出码和stderr尾部反馈较清楚，且有单元测试文件；但未提供可核实的运行结果或CI覆盖，真实路径依赖上游仓库、CUDA、权重和依赖版本，部分异常场景和失败后的恢复不足，按静态上限保守评分。
目标用户、NIfTI/MONAI datalist格式、模态选项、预检与训练边界说明较明确，也明确非临床用途；但仅面向具备CUDA和上游环境的研发场景，未说明中文交互支持，且核心依赖GitHub/Hugging Face，面向中国大陆网络环境的可达性和替代方案未交代，因此扣分。
SKILL.md包含目的、前置条件、命令、配置、监控、调参、限制和故障排查；manifest提供版本、输入输出、依赖、上游固定提交和副作用，Apache-2.0及作者信息明确。但缺少正式变更记录、长期维护责任和更新流程，skill-card中的版本信息与评审修订存在不一致，目录规范检查还报告作者格式问题。
包装器覆盖数据预检、配置暂存、嵌入生成、训练、可选推理和结果摘要，预检优先流程对核心任务有直接帮助；但实际训练与生成依赖外部仓库、模型权重、CUDA和用户数据，默认两轮训练仅用于验证，且没有静态可验证的代表性产物或质量评估，因此不能给出高于静态上限的分数。
代码、manifest、测试、评测报告和固定上游提交提供了一定审计线索，输出还记录命令、提交和stderr；但本次只能静态阅读，评测报告仅含小样本、无负向任务，未提供可独立复现的CI证据或真实训练结果，因此证据覆盖有限。
- 执行前应在隔离环境中明确确认Bash、依赖安装、网络访问、家目录缓存和输出目录写入范围。
- 不要把生成的MRI或检查点用于临床、监管、生产训练数据批准或未经专家审查的模型结论。
- 应核验上游仓库、模型权重、依赖版本及网络可达性，并为敏感影像数据制定本地化存储和日志脱敏策略。
这个 Skill 能做什么，适合哪些场景？
该技能用于使用用户提供的 NIfTI 训练体数据微调 NV-Generate-CTMR 的 rflow-mr-brain 扩散 UNet。它通过 Python 包装脚本准备配置、生成潜变量嵌入并调用上游训练脚本，也可执行可选推理。推荐先运行无 GPU 训练的 preflight 检查。该技能不适用于临床解读、监管用途、自动诊断或批准合成数据用于生产训练。
读取 MONAI 风格 datalist JSON 和数据根目录，校验相对图像路径及模态信息；运行 scripts/run_mr_brain_finetune.py；暂存配置和 datalist，调用 scripts.diff_model_create_training_data 生成嵌入，写入嵌入 sidecar，并调用 scripts.diff_model_train；可选调用 scripts.diff_model_infer。它在输出目录生成嵌入、检查点、日志、工作流摘要和可选推理图像，并将结果 JSON 输出到标准输出。运行时可能从 Hugging Face 和 GitHub 获取模型资产或上游代码。
- 医疗 AI 研究人员希望用自有 NIfTI 脑部 MRI 训练体快速验证微调流程时。
- 模型开发者需要针对 mri_t1、mri_t2、mri_flair 等支持的脑部 MRI 模态调整扩散 UNet 时。
- 工程师希望在正式 GPU 训练前检查 datalist、数据路径和配置是否完整时。
- 研究团队需要生成微调检查点并通过内置推理或 nv-generate-mr-brain 技能进行定性检查时。
这个 Skill 有哪些优点和局限？
- 提供从 datalist 校验、嵌入生成到检查点输出的完整包装流程。
- 支持 preflight、混合精度、多 GPU 和可选推理。
- 支持通过配置 JSON 调整学习率、批大小、缓存率和推理参数。
- 记录检查点、嵌入 sidecar、推理输出及命令结果，便于运行追踪。
- 真实训练需要 NVIDIA CUDA GPU、上游依赖和下载的 MR-brain 权重。
- 首次运行会预计算潜变量嵌入，训练成本和启动时间可能较高。
- 训练结果可能因硬件、CUDA 和软件包版本而不具确定性。
- 技能只管理文件记录和命令来源，不验证解剖真实性或下游模型效用，也没有提供临床或生产批准依据。
如何安装这个 Skill？
安装 NVIDIA 技能集合：npx skills add nvidia/skills --skill nv-generate-mr-brain-finetune --yes。README 未说明该单个技能的独立手工安装步骤；运行时还需要从 Medical AI Skills 仓库根目录执行脚本，并准备 NV-Generate-CTMR 上游 checkout。
如何使用这个 Skill？
先运行 preflight：export NV_GENERATE_ROOT="${NV_GENERATE_ROOT:-$HOME/.cache/nvidia-skills/upstreams/NV-Generate-CTMR-61c4ec7}" && python skills/nv-generate-mr-brain-finetune/scripts/run_mr_brain_finetune.py PATH_TO_DATALIST.json --data-base-dir PATH_TO_DATA_ROOT --output-dir runs/nv_generate_mr_brain_finetune_preflight --preflight。确认输入有效后，安装上游 requirements.txt，再移除 --preflight 并按需加入 --epochs、--modality、--num-gpus 或 --run-inference。不要使用 fixture datalist 进行真实训练。