用途：从用户提供的 CT 或 MRI NIfTI 训练卷微调 NV-Generate-CTMR MAISI VAE/自编码器。它不执行上游 train_vae_tutorial.ipynb，而是本地暂存所需 config/datalist 胶水代码并调用上游辅助 API。上游目前只记录 VAE 训练 notebook 和配置/辅助函数，未提供 scripts.train_vae 命令行。
主要能力：输入 datalist 与 data_base_dir，输出 autoencoder_checkpoint、discriminator_checkpoint 和 result_json。包装器将上游 config_maisi_vae_train.json 与 environment_maisi_vae_train.json 暂存到 OUT_DIR/workflow/configs/，并把常用调参字段暴露为 CLI 参数，如 --epochs、--batch-size、--patch-size、--lr、--perceptual-weight、--kl-weight、--adv-weight、--recon-loss、--modality、--preflight 等。
使用方式：先设置 NV_GENERATE_ROOT 指向当前 NV-Generate-CTMR 检出版本（内含 configs、scripts/transforms.py、scripts/utils.py），未设置时包装器会搜索 .workbench_data/upstreams/NV-Generate-CTMR。检查新数据列表时先加 --preflight（不启动 GPU、不训练）。真实 GPU 微调前需安装上游 requirements.txt、lpips、tensorboard，并准备 CUDA GPU 和 VAE 权重（除非 --train-from-scratch）。datalist 为 MONAI 风格 JSON，必须含非空 validation[] 或 testing[]，每条含相对 image 路径和可选 ct/mri 类别，缺失类别由 --modality 填充。训练时可用 TensorBoard 查看损失曲线，结果也写入 workflow_summary.json。
限制：仅支持单 GPU，运行器断言恰好一个 CUDA GPU；需要上游检出版本和辅助 API；完整训练成本高且跨硬件、CUDA、包版本不确定；包装器只做文件记账和命令溯源，不代表解剖真实感、重建质量或下游可用性；不用于临床部署、临床解读、自主诊断、监管提交或生产训练数据批准。数据集或价格等信息暂未提供。