diff --git a/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_es.json b/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_es.json index 13e25e15..a178f81f 100644 --- a/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_es.json +++ b/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_es.json @@ -1,10 +1,10 @@ { - "0_TextBox_0": "AIBasedSegmentationIn3DSlicer", - "0_TextBox_1": "Sonia Pujol, Ph.D.", - "0_TextBox_3": "Segmentación basada en IA en 3D Slicer", + "0_TextBox_0": "AI-based Segmentation in 3D Slicer", + "0_TextBox_1": "Sonia Pujol, Ph. D. \nBrigham and Women's Hospital,\nHarvard Medical School\nBoston, MA", + "0_TextBox_3": "Slicer Ribeirão Preto Workshop\nJune 30, 2025", "1_TextBox_0": "Manual vs. Segmentación proporcionada por IA", "2_TextBox_0": "Manual vs. Segmentación proporcionada por IA", - "1_TextBox_1": "Clic en Agregar datos en el módulo Bienvenido a \tSlicer", + "1_TextBox_1": "Medical images have traditionally been manually segmented, which is a time-consuming process that requires intensive effort by radiologists and is subject to inter-reader variability.", "2_TextBox_1": "En la última década, la segmentación de imágenes se ha visto impulsada por el desarrollo de algoritmos de aprendizaje profundo (p.e., nnUnet del Centro Alemán de Investigación del Cáncer (DKFZ)/Helmholtz Research).\n\n\nLas herramientas de segmentación basadas en IA pueden reducir el tiempo de segmentación y proporcionar resultados más reproducibles.", "3_TextBox_0": "Terminología de IA", "3_TextBox_1": "Un modelo es un algoritmo de IA entrenado para realizar una tarea específica (por ejemplo, un modelo de segmentación de tumores cerebrales).\n\nLos pesos de un modelo de IA son números pequeños que determinan la importancia que el modelo otorga a las diferentes características de la imagen.\n\nDurante la fase de entrenamiento, el modelo aprende patrones a partir de datos etiquetados por expertos y ajusta sus pesos para mejorar sus predicciones.\n\nDurante la fase de validación/prueba, el modelo se evalúa con un conjunto de datos independiente, no utilizado durante el entrenamiento.\n\nDurante la fase de inferencia, el modelo se aplica a nuevos conjuntos de datos para realizar la tarea específica para la que fue entrenado.", @@ -13,20 +13,20 @@ "5_TextBox_0": "Extensión MONAIAuto3DSeg Slicer", "6_TextBox_0": "Extensión MONAIAuto3DSeg Slicer", "5_TextBox_1": "Este tutorial utiliza los modelos pre‐entrenados de la extensión MONAIAuto3DSeg Slicer.\n\n\nLa herramienta está diseñada para funcionar en portátiles o en equipos de sobremesa convencionales sin tarjeta gráfica.", - "6_TextBox_1": "Clic en Crear nueva segmentación en\nAplicar", + "6_TextBox_1": "Multiple modalities Support (CT, MRI).\n\n\nMultiple anatomies (head, thorax, abdomen, pelvis, etc.).\n\n\nMultiple pathologies (tumor, hemorrhage, edema).", "7_TextBox_0": "Tutorial de Slicer AI: Tareas de segmentación", "7_TextBox_1": "Tarea de segmentación n.° 1: Próstata\n\n\nTarea de segmentación n.° 2: Glioma cerebral\n\n\nTarea de segmentación n.° 3: Segmentación de todo el cuerpo", - "8_TextBox_0": "Slicer muestra el resultado de la segmentación prostática basada en AI", + "8_TextBox_0": "AI Segmentation Task #1: Prostate", "9_TextBox_1": "Segmentación mediante IA de la zona periférica (ZP) y la zona de transición (ZT) de la próstata en imágenes de resonancia magnética ponderadas en T2.\n\n\nConjunto de datos:\nmsd_prostate_01-t2\nmsd_prostate_01-adc", - "10_TextBox_1": "Selecciona el modelo Segmentación de Tumor Cerebral\n(BRATS) GLI", - "11_TextBox_0": "Ingrese los volúmenes de entrada de la siguiente manera:\nVolumen de entrada T2F: BraTS-GLI_00005-000-t12f\nVolumen de entrada T1C: BraTS-GLI_00005-000-t1c\nVolumen de entrada T1N: BraTS-GLI_00005-000-t1n\nVolumen de entrada T2W: BraTS-GLI_00005-000-t2w\nClic en Crear nueva segmentación al Aplicar\nClic en Aplicar para iniciar la segmentación", - "12_TextBox_0": "Slicer comienza a ejecutar la tarea de inferencia", + "10_TextBox_1": "Click on Add Data in the Welcome to Slicer module\n\nClick on Choose Directory to Add and browse to the location of the Slicer datasets\n\nSelect the dataset3_ProstateMRI and click on Open", + "11_TextBox_0": "Slicer loads the prostate MRI dataset", + "12_TextBox_0": "Click on Welcome to Slicer in the Modules' menu and browse to the category Segmentation\n\nSelect the MONAIAuto3DSeg module", "13_TextBox_0": "Introduzca el nombre del modelo Próstata en el menú Modelo de segmentación", "13_TextBox_1": "Seleccione el modelo Próstata – Multisecuencia", - "14_TextBox_0": "En el añadir módulo de datos DICOM\nseleccione al Paciente paciente1 y\ndoble clic en la imagen\nCT_Torax_Abdomen para cargarlo en\nSlicer", + "14_TextBox_0": "Enter the Input T2 volume msd-prostate-01-t2 and the Input ADC volume msd-prostate-01-adc", "14_TextBox_1": "Pulse en Crear nueva segmentación en Aplicar", "15_TextBox_0": "Slicer inicia la inferencia", - "16_TextBox_0": "Seleccionar el input Volumen 6: CT_Torax_Abdomen\nClic en Crear nueva Segmentación en Aplicar\nClic en Aplicar para iniciar la segmentación", + "16_TextBox_0": "Slicer shows the results of the AI-based prostate segmentation", "17_TextBox_0": "Tarea de segmentación por IA n.° 2: Glioma cerebral", "18_TextBox_1": "Segmentación de neoplasias, necrosis y edema en imágenes de resonancia magnética cerebral mediante IA.\n\n\nConjuntos de datos:\n1) BraTS-GLI_00005-000-t1n (ponderada en T1)\n2) BraTS-GLI_00005-000-t1c (ponderada en T1 con contraste de gadolinio)\n3) BraTS-GLI_00005-000-t2w (ponderada en T2)\n4) BraTS-GLI_00005-000-t2f (T2-FLAIR)", "19_TextBox_1": "Pulse en «Añadir datos» en el módulo «Bienvenido a Slicer».\n\nPulse en «Elegir archivo(s) para añadir» y busca la ubicación de los conjuntos de datos de Slicer.\n\nEn el subdirectorio «dataset4_BrainMRI_Glioma», selecciona los cuatro conjuntos de datos: BraTS-GLI-00006-t1c.nii.gz, BraTS-GLI-00006-t1n.nii.gz, BraTS-GLI-00006-t2f.nii.gz y BraTS-GLI-00006-t2w.nii.gz.\n\nPulse en «Abrir»", diff --git a/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_fr.json b/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_fr.json index 5e33ee75..f46c43c3 100644 --- a/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_fr.json +++ b/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_fr.json @@ -1,10 +1,10 @@ { - "0_TextBox_0": "AIBasedSegmentationIn3DSlicer", - "0_TextBox_1": "Sonia Pujol, Ph.D.", - "0_TextBox_3": "Segmentation basée sur l'IA dans 3D Slicer", + "0_TextBox_0": "AI-based Segmentation in 3D Slicer", + "0_TextBox_1": "Sonia Pujol, Ph. D. \nBrigham and Women's Hospital,\nHarvard Medical School\nBoston, MA", + "0_TextBox_3": "Slicer Ribeirão Preto Workshop\nJune 30, 2025", "1_TextBox_0": "Segmentation manuelle vs segmentation assistée par IA", "2_TextBox_0": "Segmentation manuelle vs segmentation assistée par IA", - "1_TextBox_1": "Cliquez sur Add Data dans le module Welcome to Slicer", + "1_TextBox_1": "Medical images have traditionally been manually segmented, which is a time-consuming process that requires intensive effort by radiologists and is subject to inter-reader variability.", "2_TextBox_1": "Au cours de la dernière décennie, la segmentation d’images a été révolutionnée par le développement d’algorithmes de deep learning (par exemple nnUnet développé par le German Cancer Research Center (DKFZ)/Helmholtz Research).\n\n\nLes outils de segmentation assistés par IA peuvent réduire le temps de segmentation et fournir des résultats plus reproductibles.", "3_TextBox_0": "Terminologie de l’IA", "3_TextBox_1": "Un modèle est un algorithme d’IA entraîné pour accomplir une tâche spécifique (par exemple, un modèle de segmentation de tumeur cérébrale).\n\nLes poids d’un modèle d’IA sont de petits nombres qui déterminent l’importance que le modèle attribue aux différentes caractéristiques de l’image.\n\nLors de la phase d’entraînement, un modèle apprend des motifs à partir de données étiquetées par des experts et ajuste ses poids pour améliorer ses prédictions.\n\nLors de la phase de Validation/Test, le modèle est évalué sur un ensemble de données distinct, non utilisé pendant l’entraînement.\n\nLors de l’inférence, le modèle est appliqué à de nouveaux jeux de données pour réaliser la tâche spécifique pour laquelle il a été entraîné.", @@ -13,20 +13,20 @@ "5_TextBox_0": "Extension Slicer MONAIAuto3DSeg", "6_TextBox_0": "Extension Slicer MONAIAuto3DSeg", "5_TextBox_1": "Ce tutoriel utilise les modèles pré-entraînés de l’extension Slicer MONAIAuto3DSeg.\n\n\nL’outil est conçu pour fonctionner sur des ordinateurs portables ou des ordinateurs de bureau standards sans GPU.", - "6_TextBox_1": "Cliquez sur Create new segmentation sur Apply", + "6_TextBox_1": "Multiple modalities Support (CT, MRI).\n\n\nMultiple anatomies (head, thorax, abdomen, pelvis, etc.).\n\n\nMultiple pathologies (tumor, hemorrhage, edema).", "7_TextBox_0": "Tutoriel IA Slicer : Tâches de segmentation", "7_TextBox_1": "Tâche de segmentation #1 : Prostate\n\n\nTâche de segmentation #2 : Gliome cérébral\n\n\nTâche de segmentation #3 : Segmentation du corps entier", - "8_TextBox_0": "Slicer affiche le résultat de la segmentation de la prostate basée sur l’IA", + "8_TextBox_0": "AI Segmentation Task #1: Prostate", "9_TextBox_1": "Segmentation assistée par IA de la zone périphérique (PZ) et de la zone de transition (TZ) de la prostate sur des images IRM pondérées en T2.\n\n\nJeux de données :\nmsd_prostate_01-t2\nmsd_prostate_01-adc", - "10_TextBox_1": "Sélectionner le modèle Brain Tumor Segmentation\n(BRATS) GLI", - "11_TextBox_0": "Saisissez les volumes d’entrée comme suit :\nVolume T2F d’entrée : BraTS-GLI_00005-000-t12f\nVolume T1C d’entrée : BraTS-GLI_00005-000-t1c\nVolume T1N d’entrée : BraTS-GLI_00005-000-t1n\nVolume T2W d’entrée : BraTS-GLI_00005-000-t2w\nCliquez sur Create new Segmentation dans Apply\nCliquez sur Apply pour démarrer la segmentation", - "12_TextBox_0": "Slicer commence l’exécution de la tâche d’inférence", + "10_TextBox_1": "Click on Add Data in the Welcome to Slicer module\n\nClick on Choose Directory to Add and browse to the location of the Slicer datasets\n\nSelect the dataset3_ProstateMRI and click on Open", + "11_TextBox_0": "Slicer loads the prostate MRI dataset", + "12_TextBox_0": "Click on Welcome to Slicer in the Modules' menu and browse to the category Segmentation\n\nSelect the MONAIAuto3DSeg module", "13_TextBox_0": "Saisissez le nom du modèle Prostate dans le menu Segmentation model", "13_TextBox_1": "Sélectionner le modèle Prostate - Multiséquence", - "14_TextBox_0": "Dans le module Add DICOM Data, sélectionnez le patient patient1 et double-cliquez sur l’image CT_Thorax_Abdomen pour la charger dans Slicer", + "14_TextBox_0": "Enter the Input T2 volume msd-prostate-01-t2 and the Input ADC volume msd-prostate-01-adc", "14_TextBox_1": "Cliquez sur Créer une nouvelle segmentation puis sur Appliquer", "15_TextBox_0": "Slicer démarre l’inférence", - "16_TextBox_0": "Sélectionnez le volume d’entrée 6 : CT_Thorax_Abdomen\nCliquez sur Create new Segmentation dans Apply \nCliquez sur Apply pour démarrer la segmentation", + "16_TextBox_0": "Slicer shows the results of the AI-based prostate segmentation", "17_TextBox_0": "Segmentation IA Tâche #2 : Gliome cérébral", "18_TextBox_1": "Segmentation assistée par IA des néoplasmes, de la nécrose et de l’œdème dans les images IRM cérébrales.\n\n\nJeux de données :\n1) BraTS-GLI_00005-000-t1n (pondérée en T1)\n2) BraTS-GLI_00005-000-t1c (pondérée en T1 post-Gd)\n3) BraTS-GLI_00005-000-t2w (pondérée en T2)\n4) BraTS-GLI_00005-000-t2f (T2-FLAIR)", "19_TextBox_1": "Cliquez sur Ajouter données dans le module Bienvenue sur Slicer.\n\nCliquez sur Choisir Fichier(s) à Ajouter et naviguez jusqu’à l’emplacement des jeux de données Slicer.\n\nDans le sous-répertoire dataset4_BrainMRI_Glioma, sélectionnez les quatre jeux de données : BraTS-GLI-00006-t1c.nii.gz, BraTS-GLI-00006-t1n.nii.gz, BraTS-GLI-00006-t2f.nii.gz, BraTS-GLI-00006-t2w.nii.gz.\n\nCliquez sur Ouvrir",