Update translations from SlicerLanguageTranslations

Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_fr.json

@@ -1,10 +1,10 @@
 {
-  "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",
+  "0_TextBox_0": "Segmentation basée sur l'IA dans 3D Slicer",
+  "0_TextBox_1": "Sonia Pujol, Ph.D., Brigham and Women's Hospital, Harvard Medical School, Boston, MA",
+  "0_TextBox_3": "Slicer Ribeirão Preto Workshop, 30 Juin 2025",
   "1_TextBox_0": "Segmentation manuelle vs segmentation assistée par IA",
   "2_TextBox_0": "Segmentation manuelle vs segmentation assistée par IA",
-  "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.",
+  "1_TextBox_1": "Les images médicales ont traditionnellement été segmentées manuellement, ce qui est un processus fastidieux qui nécessite un effort intensif de la part des radiologues et est sujet à la variabilité inter-observateurs.",
   "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": "Multiple modalities Support (CT, MRI).\n\n\nMultiple anatomies (head, thorax, abdomen, pelvis, etc.).\n\n\nMultiple pathologies (tumor, hemorrhage, edema).",
+  "6_TextBox_1": "Support de multiples modalités (CT, IRM).\n\nAnatomies multiples (tête, thorax, abdomen, pelvis, etc.).\n\nPathologies multiples (tumeur, hémorragie, œdème).",
   "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": "AI Segmentation Task #1: Prostate",
+  "8_TextBox_0": "Tâche de segmentation par IA n°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": "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",
+  "10_TextBox_1": "Cliquez sur Add Data dans le module Welcome to Slicer\n\nCliquez sur Choose Directory to Add et parcourez vos fichiers jusqu'à l'emplacement des jeux de données Slicer\n\nSélectionnez le dossier dataset3_ProstateMRI et cliquez sur Open",
+  "11_TextBox_0": "Slicer charge le jeu de données de l'IRM de la prostate",
+  "12_TextBox_0": "Cliquez sur Welcome to Slicer dans le menu des modules et parcourez la liste jusqu'à la catégorie Segmentation\n\nSélectionnez le module MONAIAuto3DSeg",
   "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": "Enter the Input T2 volume msd-prostate-01-t2 and the Input ADC volume msd-prostate-01-adc",
+  "14_TextBox_0": "Saisissez le volume d'entrée T2 msd-prostate-01-t2 et le volume d'entrée ADC 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": "Slicer shows the results of the AI-based prostate segmentation",
+  "16_TextBox_0": "Slicer affiche les résultats de la segmentation de la prostate par l'IA",
   "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",