用途：从用户提供的 NIfTI 训练体数据微调 NV-Generate-CTMR 的 rflow-mr-brain 扩散 UNet。该技能不执行 notebook，而是本地暂存配置胶水并调用上游脚本 scripts.diff_model_create_training_data、scripts.diff_model_train，可选 scripts.diff_model_infer。
主要能力：输入为 datalist 与 data_base_dir，输出为 finetuned_checkpoint、可选 inference_outputs 与 result_json。运行分四步：暂存三份配置 JSON 并改写运行相关路径与 n_epochs；生成潜在 *_emb.nii.gz 嵌入；写入每个嵌入的 sidecar JSON（含 spacing/modality，diff_model_train 必需）；执行训练，可选推理。
使用方式：先阅读 skill_manifest.yaml。从 Medical AI Skills 仓库根目录运行 scripts/run_mr_brain_finetune.py。检查新 datalist 时先用 --preflight，仅在明确要启动 GPU 微调时去掉。示例：export NV_GENERATE_ROOT="${NV_GENERATE_ROOT:-.workbench_data/upstreams/NV-Generate-CTMR}" && python skills/nv-generate-mr-brain-finetune/scripts/run_mr_brain_finetune.py INPUT_BUNDLE/preflight_datalist.json --data-base-dir INPUT_BUNDLE/preflight_dataset --output-dir OUT_DIR --modality mri_t1 --preflight。真实训练需安装上游 requirements.txt 并下载 MR-brain 权重。
参数：DATALIST.json --data-base-dir DATA_DIR --output-dir OUT_DIR [--epochs N] [--modality mri_t1] [--num-gpus N] [--no-amp] [--model-config FILE] [--run-inference] [--preflight]。超参数通过编辑 config_maisi_diff_model_rflow-mr-brain.json 调整，而非加标志。
适用场景：脑部 MRI 扩散模型微调与快速预检、生成体数据做定性审查。
限制：需当前 NV-Generate-CTMR 检出；完整训练昂贵且跨硬件不确定；仅把关文件记账与命令来源，不判断解剖真实性；不用于临床部署、解读、自主诊断、监管提交或生产训练数据批准。首次运行较慢，可复用同一 --output-dir 避免重算嵌入。