用途：在 CT NIfTI 标签上对 NV-Segment-CT VISTA3D 进行冒烟测试或数据集微调，属于对上游 MONAI bundle 入口的薄封装，禁止用手写训练或推理代码替代。不适用于临床验证、解读、自主诊断或监管提交。
主要能力：脚本 scripts/run_finetune.py 负责准备配置、运行 MONAI 并写出 output.json，输出 finetuned_ckpt 与经 schema 校验的 result_json。清单输入含 dataset_dir、datalist、target_anatomy、label_mapping、smoke、sanity、auto_seg、skip_formal_eval。结果字段含 formal_pretrained_val_dice、formal_finetuned_val_dice、training_best_val_dice、recommended_ckpt、runtime.oom 等，决策时优先采用原始 spacing 的正式前后评分。
使用方式：先安装依赖 python -m pip install "monai==1.4.0" "numpy<2" pytorch-ignite einops nibabel scipy typer PyYAML fire huggingface_hub，再从仓库根目录原地运行脚本。冒烟用 --smoke，Task06 复现用 --sanity，用户数据微调传 --dataset-dir、--datalist、--target-anatomy、--auto-seg 等，必要时用 --label-mapping '[[1, 23]]'。可选环境变量 CUDA_VISIBLE_DEVICES、NPROC_PER_NODE（≥2 启用多 GPU，sanity 除外）。
数据契约：优先 layout 为 dataset/imagesTr/.nii.gz 与 dataset/labelsTr/.nii.gz，按 basename 一一对齐；目标标签值须存在于训练标签中，且每个前景标签须映射到 bundle/label_dict.json 中已有的 VISTA3D 全局类别，不能新建类别。bundle 默认 fold 为 0，fold: 0 为验证。
限制：属薄封装，训练与验证委托上游 bundle；自动计划为启发式，调用方传入的 patch-size、cache-rate、epochs、learning-rate 优先；Task06 sanity 强制单 GPU；配对验证器仅 CPU 审计证据包，不重跑 GPU 分割。需使用精确 monai==1.4.0，1.5.x 可能在布尔标签上导致上游损失崩溃。GPU 显存不足可降低 patch-size 或 cache-rate。