From 7140d98e017e46298bc4889183c5608bac1a9fa3 Mon Sep 17 00:00:00 2001 From: DouSam <28208639+DouSam@users.noreply.github.com> Date: Fri, 14 Aug 2026 05:38:23 +0000 Subject: [PATCH] Update translations from SlicerLanguageTranslations Processed tutorials: STC-GEN-101_WelcomeTutorial, STC-GEN-102_FourMinuteTutorial, STC-SEG-103_AIBasedSegmentationIn3DSlicer, STC-VIS-101_VisualizationTutorial Files: STC-GEN-101_ar_SA.ts,STC-GEN-101_de.ts,STC-GEN-101_en-US.ts,STC-GEN-101_es-419.ts,STC-GEN-101_es.ts,STC-GEN-101_fr.ts,STC-GEN-101_hu.ts,STC-GEN-101_hy.ts,STC-GEN-101_pt-BR.ts,STC-GEN-101_pt.ts,STC-GEN-101_pt_PT.ts,STC-GEN-101_ta.ts,STC-GEN-101_zh_Hans.ts,STC-GEN-101_zh_Hant.ts,STC-GEN-102_ar_SA.ts,STC-GEN-102_de.ts,STC-GEN-102_en-US.ts,STC-GEN-102_es-419.ts,STC-GEN-102_es.ts,STC-GEN-102_fr.ts,STC-GEN-102_hu.ts,STC-GEN-102_hy.ts,STC-GEN-102_pt-BR.ts,STC-GEN-102_pt.ts,STC-GEN-102_pt_PT.ts,STC-GEN-102_ta.ts,STC-GEN-102_zh_Hans.ts,STC-GEN-102_zh_Hant.ts,STC-SEG-103_ar-SA.ts,STC-SEG-103_de.ts,STC-SEG-103_en-US.ts,STC-SEG-103_es-419.ts,STC-SEG-103_es.ts,STC-SEG-103_fr.ts,STC-SEG-103_hu.ts,STC-SEG-103_hy.ts,STC-SEG-103_pt-BR.ts,STC-SEG-103_pt.ts,STC-SEG-103_pt_PT.ts,STC-SEG-103_ta.ts,STC-SEG-103_th.ts,STC-SEG-103_uk.ts,STC-SEG-103_zh-Hans.ts,STC-SEG-103_zh-Hant.ts,STC-VIS-101_ar_SA.ts,STC-VIS-101_de.ts,STC-VIS-101_en-US.ts,STC-VIS-101_es-419.ts,STC-VIS-101_es.ts,STC-VIS-101_fr.ts,STC-VIS-101_hu.ts,STC-VIS-101_hy.ts,STC-VIS-101_pt-BR.ts,STC-VIS-101_pt.ts,STC-VIS-101_pt_PT.ts,STC-VIS-101_ta.ts,STC-VIS-101_zh_Hans.ts,STC-VIS-101_zh_Hant.ts --- .../Translations/text_dict_hy.json | 74 +++++++-------- .../Translations/text_dict_hy.json | 92 +++++++++---------- 2 files changed, 83 insertions(+), 83 deletions(-) diff --git a/Tutorials/STC-GEN-102_FourMinuteTutorial/Translations/text_dict_hy.json b/Tutorials/STC-GEN-102_FourMinuteTutorial/Translations/text_dict_hy.json index 188912a0..235776d4 100644 --- a/Tutorials/STC-GEN-102_FourMinuteTutorial/Translations/text_dict_hy.json +++ b/Tutorials/STC-GEN-102_FourMinuteTutorial/Translations/text_dict_hy.json @@ -1,39 +1,39 @@ { - "0_TextBox_0": "Slicer4 Minute\n", - "0_TextBox_1": "Sonia Pujol, Ph.D.", - "0_TextBox_3": "Assistant Professor of Radiology\nBrigham and Women’s Hospital\nHarvard Medical School", - "1_TextBox_0": "Slicer4 minute tutorial", - "16_TextBox_0": "Slicer4 minute tutorial", - "1_TextBox_1": "This tutorial is a 4-minute introduction to the 3D visualization capabilities of the Slicer5 software for medical image analysis. ", - "2_TextBox_0": "Slicer5 software & dataset", - "2_TextBox_1": "*Download the Slicer5 software available at http://download.slicer.org\n\n*Download the Slicer4minute dataset available at https://www.slicer.org/wiki/Documentation/4.10/Training", - "3_3DSlicerversion5_title": "3D Slicer version 5", - "4_TextBox_0": "3D Slicer Scene", - "4_TextBox_1": "*A Slicer scene is a MRML (Medical Reality Modeling Language) file that contains a list of elements loaded into Slicer (volumes, models, fiducials, transforms, etc.)\n*In the following example, we use a scene 'Slicer4minute.mrml' composed of an MRI scan and 3D models of the head. \n*The scene file and datasets have been saved as a MRB (Medical Reality Bundle) file. \n*The MRB file format is Slicer's archive file format.", - "5_LoadingtheSlicer4minutedataset_title": "Loading the Slicer4minute dataset", - "5_TextBox_1": "Drag and drop the slicer4minute.mrb to load the scene in Slicer", - "6_Slicer4minuteScene_title": "Slicer4minute Scene", - "6_TextBox_1": "Slicer displays the elements of the slicer4minute scene. The scene contains and MRI scan and 3D surface models of the brain.", - "7_3DVisualization_title": "3D Visualization", - "9_3DVisualization_title": "3D Visualization", - "10_3DVisualization_title": "3D Visualization", - "11_3DVisualization_title": "3D Visualization", - "13_3DVisualization_title": "3D Visualization", - "14_3DVisualization_title": "3D Visualization", - "15_3DVisualization_title": "3D Visualization", - "7_TextBox_0": "Select the module Models", - "8_3Dvisualization_title": "3D visualization", - "8_TextBox_0": "Click on the pin icon on the top left corner of the red slice to display the slice Viewer menu.\nClick on the eye to display the axial slice in the 3D viewer", - "9_TextBox_1": "Use the slider of the red viewer to browse through the axial MR slices. \n\nSlicer simultaneously displays the axial slice in the 3D viewer", - "10_TextBox_0": "Select the Skin model and lower its opacity using the Opacity slider in the 3D Display tab", - "10_TextBox_1": "The skull_bone.vtk model appears through the skin.", - "11_TextBox_0": "Position the mouse in the 3D viewer, click on the left-mouse button to drag and rotate the model. \nClick on the right-mouse button to zoom in and out", - "12_AnatomicalViews_title": "Anatomical Views", - "12_TextBox_0": "Click on the pin icons in the top left corner of the red and green viewer to display the slice viewer menu\n\nClick on the eye icon to display the axial and coronal slice in the 3D viewer", - "13_TextBox_0": "Turn off the visibility of the skull to display the brain white matter model", - "14_TextBox_0": "The white matter surface, as well as the left and right optic nerves, appear in the viewer", - "15_TextBox_0": "Select the hemispheric_white_matter.vtk model\n\nCheck Clipping in the 3D Display tab\n\nIn the Clipping Planes tab, select the option 'Green Slice Clipping' and check 'Negative'", - "16_TextBox_1": "*This tutorial was a short introduction on interactive 3D visualization of MRI data and 3D models in Slicer.\n\n*The Slicer5 training compendium contains a series of tutorials and pre-computed datasets to learn how to use the software.", - "17_TextBox_0": "Acknowledgements", - "17_TextBox_1": "National Alliance for Medical Image\nComputing\nNIH U54EB005149\n\nNeuroimage Analysis Center\nNIH P41EB015902\n" + "0_TextBox_0": "Slicer4 րոպե\n", + "0_TextBox_1": "Սոնյա Պուժոլ, փ.դ.", + "0_TextBox_3": "Ռադիոլոգիայի ասիստենտ պրոֆեսոր\nԲրիգհեմի և կանանց հիվանդանոց\nՀարվարդի բժշկական դպրոց", + "1_TextBox_0": "Slicer. 4 րոպե տևողությամբ ուսուցողական տեսանյութ", + "16_TextBox_0": "Slicer. 4 րոպե տևողությամբ ուսուցողական տեսանյութ", + "1_TextBox_1": "Այս ուսուցողական ձեռնարկը 4 րոպե տևողությամբ ներածություն է բժշկական պատկերների վերլուծության համար նախատեսված Slicer5 ծրագրի 3D վիզուալիզացման հնարավորություններին։ ", + "2_TextBox_0": "Slicer5 ծրագրաշար և տվյալների հավաքածու", + "2_TextBox_1": "*Ներբեռնել Slicer5 ծրագրաշարը՝ հասանելի http://download.slicer.org կայքում\n\n*Ներբեռնել Slicer4minute տվյալների հավաքածուն՝ հասանելի https://www.slicer.org/wiki/Documentation/4.10/Training կայքում", + "3_3DSlicerversion5_title": "3D Slicer տարբերակ 5", + "4_TextBox_0": "3D Slicer տեսարան", + "4_TextBox_1": "*Slicer տեսարանը MRML (Medical Reality Modeling Language) ֆայլ է, որը պարունակում է Slicer-ում բեռնված տարրերի ցուցակ (հատորներ, մոդելներ, ֆիդուցիալներ, փոխարկումներ և այլն)\n*Հաջորդ օրինակում մենք օգտագործում ենք «Slicer4minute.mrml» տեսարանը, որը բաղկացած է ՄՌՏ սկանից և գլխի 3D մոդելներից. \n*Տեսարանի ֆայլը և տվյալների հավաքածուները պահպանվել են որպես MRB (Medical Reality Bundle) ֆայլ. \n*MRB ֆայլի ֆորմատը Slicer-ի արխիվային ֆայլի ֆորմատն է։", + "5_LoadingtheSlicer4minutedataset_title": "Slicer4minute տվյալների հավաքածուի բեռնում", + "5_TextBox_1": "Սլայսերում տեսարանը բեռնելու համար քաշեք և գցեք slicer4minute.mrb ֆայլը։", + "6_Slicer4minuteScene_title": "Slicer4րոպե տեսարան", + "6_TextBox_1": "Slicer-ը ցուցադրում է slicer4minute տեսարանի տարրերը։ Տեսարանը պարունակում է ՄՌՏ սկան և ուղեղի 3D մակերեսային մոդելներ։", + "7_3DVisualization_title": "3D վիզուալիզացիա", + "9_3DVisualization_title": "3D վիզուալիզացիա", + "10_3DVisualization_title": "3D վիզուալիզացիա", + "11_3DVisualization_title": "3D վիզուալիզացիա", + "13_3DVisualization_title": "3D վիզուալիզացիա", + "14_3DVisualization_title": "3D վիզուալիզացիա", + "15_3DVisualization_title": "3D վիզուալիզացիա", + "7_TextBox_0": "Ընտրեք «Մոդելներ» մոդուլը", + "8_3Dvisualization_title": "3D վիզուալիզացիա", + "8_TextBox_0": "Սեղմեք կարմիր շերտի վերին ձախ անկյունում գտնվող գամասեղի պատկերակին՝ շերտի դիտարկիչի մենյուի ցուցադրման համար։\nՍեղմեք աչքի պատկերակին՝ 3D դիտարկիչում առանցքային շերտը ցուցադրելու համար։", + "9_TextBox_1": "Օգտագործեք կարմիր դիտարկիչի սլայդերը՝ առանցքային ՄՌՏ շերտերը դիտելու համար։ \n\nSlicer-ը միաժամանակ ցուցադրում է առանցքային շերտը 3D դիտարկիչում", + "10_TextBox_0": "Ընտրեք Skin մոդելը և 3D Display ներդիրի Opacity սլայդերով նվազեցրեք դրա թափանցիկությունը։", + "10_TextBox_1": "skull_bone.vtk մոդելը երևում է մաշկի միջով։", + "11_TextBox_0": "Դիրքավորեք մկնիկը 3D դիտիչում, սեղմեք ձախ մկնիկի կոճակը՝ մոդելը քաշելու և պտտելու համար։ \nՍեղմեք աջ մկնիկի կոճակը՝ մեծացնելու և փոքրացնելու համար", + "12_AnatomicalViews_title": "Անատոմիական տեսանկյուններ", + "12_TextBox_0": "Սեղմեք կարմիր և կանաչ դիտարկիչի վերին ձախ անկյունում գտնվող փինիկոնների վրա՝ շերտային դիտարկիչի մենյուի ցուցադրման համար\n\nՍեղմեք աչքի պատկերակին՝ 3D դիտարկիչում առանցքային և կորոնալ շերտերի ցուցադրման համար", + "13_TextBox_0": "Մարեք գանգի տեսանելիությունը՝ ուղեղի սպիտակ նյութի մոդելը ցուցադրելու համար։", + "14_TextBox_0": "Դիտորդի մոտ երևում են սպիտակ նյութի մակերեսը, ինչպես նաև ձախ և աջ օպտիկ նյարդերը։", + "15_TextBox_0": "Ընտրեք hemispheric_white_matter.vtk մոդելը\n\n3D ցուցադրման ներդիրում նշեք «Կլիպինգը»\n\nԿլիպինգի հարթակների ներդիրում ընտրեք «Green Slice Clipping» տարբերակը և նշեք «Negative»-ը", + "16_TextBox_1": "*Այս ձեռնարկը կարճ ներածություն էր Slicer-ում ՄՌՏ տվյալների և 3D մոդելների ինտերակտիվ 3D վիզուալիզացիայի վերաբերյալ։\n\n*Slicer5-ի ուսուցողական ժողովածուն պարունակում է մի շարք ձեռնարկներ և նախահաշվարկված տվյալների հավաքածուներ՝ ծրագրաշարը օգտագործել սովորելու համար։", + "17_TextBox_0": "Շնորհակալագրեր", + "17_TextBox_1": "Բժշկական պատկերների հաշվարկման ազգային դաշինք\nNIH U54EB005149\n\nՆյարդապատկերային վերլուծության կենտրոն\nNIH P41EB015902\n" } \ No newline at end of file diff --git a/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_hy.json b/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_hy.json index f7d01c66..b3aae6f5 100644 --- a/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_hy.json +++ b/Tutorials/STC-SEG-103_AIBasedSegmentationIn3DSlicer/Translations/text_dict_hy.json @@ -1,49 +1,49 @@ { "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 AI-powered Segmentation", - "2_TextBox_0": "Manual vs AI-powered Segmentation", - "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": "In the past decade, image segmentation has been powered by the development of deep learning algorithms (e.g. nnUnet by the German Cancer Research Center (DKFZ)/Helmholtz Research).\n\n\nAI-powered segmentation tools can reduce the segmentation time and provide more reproducible results.", - "3_TextBox_0": "AI Terminology", - "3_TextBox_1": "A Model is an AI algorithm that was trained to perform a specific task (e.g. brain tumor segmentation model).\n\nThe Weights of an AI model are small numbers that determine how much importance the model gives to different image features.\n\nDuring the Training phase, a model learns patterns from data labelled by experts and adjusts its weights to improve its predictions.\n\nDuring the Validation/Test phase, the model is evaluated on a separate set of data not used during the Training phase.\n\nDuring Inference, the model is applied to new datasets to perform the specific task it was trained for.", - "4_TextBox_0": "3D Slicer AI Tutorial", - "4_TextBox_1": "This tutorial focuses on running inference tasks using various pre-trained AI models for automated segmentation of anatomical and pathological structures.", - "5_TextBox_0": "MONAIAuto3DSeg Slicer extension", - "6_TextBox_0": "MONAIAuto3DSeg Slicer extension", - "5_TextBox_1": "This tutorial uses the pre-trained models of the MONAIAuto3DSeg Slicer extension.\n\n\nThe tool is designed to work on laptops or on average desktop computer without a 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).", - "7_TextBox_0": "Slicer AI Tutorial: Segmentation Tasks", - "7_TextBox_1": "Segmentation Task #1: Prostate \n\n\nSegmentation Task #2: Brain Glioma \n\n\nSegmentation Task #3: Whole Body Segmentation", - "8_TextBox_0": "AI Segmentation Task #1: Prostate", - "9_TextBox_1": "AI-based Segmentation of Peripheral Zone (PZ) and Transition Zone (TZ) of the prostate on T2-weighted MRI Images.\n\n\nDataset:\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", - "13_TextBox_0": "Enter the model's name Prostate in the Segmentation model menu", - "13_TextBox_1": "Select the model Prostate - Multisequence", - "14_TextBox_0": "Enter the Input T2 volume msd-prostate-01-t2 and the Input ADC volume msd-prostate-01-adc", - "14_TextBox_1": "Click on Create new segmentation on Apply", - "15_TextBox_0": "Slicer starts the inference", - "16_TextBox_0": "Slicer shows the results of the AI-based prostate segmentation", - "17_TextBox_0": "AI Segmentation Task #2: Brain Glioma", - "18_TextBox_1": "AI-based Segmentation of Neoplasm, Necrosis and Edema in Brain MRI images.\n\n\nDatasets:\n1) BraTS-GLI_00005-000-t1n (T1-weighted)\n2) BraTS-GLI_00005-000-t1c (T1-weighted post-Gd)\n3) BraTS-GLI_00005-000-t2w (T2-weighted)\n4) BraTS-GLI_00005-000-t2f (T2-FLAIR )", - "19_TextBox_1": "Click on Add Data in the Welcome to Slicer module\n\nClick on Choose File(s) to Add and browse to the location of the Slicer datasets\n\nIn the subdirectory dataset4_BrainMRI_Glioma, select the four datasets 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\nClick on Open", - "20_TextBox_0": "Select the module MONAIAuto3DSeg and enter the model's name Brain Tumor Segmentation in the Segmentation model menu", - "20_TextBox_1": "Select the model Brain Tumor Segmentation (BRATS) GLI", - "21_TextBox_0": "Enter the input volumes as follows:\n\nInput T2F volume: BraTS-GLI_00005-000-t2f\nInput T1C volume: BraTS-GLI_00005-000-t1c\nInput T1N volume: BraTS-GLI_00005-000-t1n\nInput T2W volume: BraTS-GLI_00005-000-t2w\n\n\nClick on Create new Segmentation on Apply\n\nClick on Apply to start the segmentation", - "22_TextBox_1": "Slicer starts running the inference task\n\nOnce the segmentation is done, 'Processing finished' appears in the Slicer GUI", - "23_TextBox_1": "Click on Show 3D to display the 3D segments in the 3D Viewer", - "24_TextBox_0": "AI Segmentation Task #3: Whole Body Segmentation", - "25_TextBox_1": "AI-based Segmentation of the whole body.\n\n\nDataset:\nCT_ThoraxAbdomen", - "26_TextBox_0": "In the Add DICOM Data module, select the Patient patient1 and double click onthe image CT_Thorax_Abdomen to load it in Slicer", - "27_TextBox_0": "Select the module MONAIAuto3DSeg and enter the model's name Whole Body Segmentation in the Segmentation model menu", - "27_TextBox_1": "Select the model Whole Body Segmentation TS1-quick", - "28_TextBox_0": "Select the input Volume 6:CT_Thorax_Abdomen,\n\nClick on Create new Segmentation on Apply\n\nClick on Apply to start the segmentation", - "29_TextBox_0": "Slicer displays the results of the AI-based segmentation using the Whole Body Segmentation TS1-quick", - "30_TextBox_0": "Conclusion", - "30_TextBox_1": "The 3D Slicer MONAIAuto3DSeg extension provides fast AI-based segmentation of anatomical and pathological structures.\n\n\nThe module can run on standard laptop and desktop computers with no GPU.", - "31_TextBox_0": "Acknowledgements", - "31_TextBox_1": "The 3D Slicer internationalization project and the 3D Slicer for Latin America project have been made possible through funding by the Chan Zuckerberg Initiative." + "0_TextBox_1": "Սոնյա Պուջոլ, Ph.D.\nԲրիգհեմ և կանանց հիվանդանոց,\nՀարվարդի բժշկական դպրոց\nԲոստոն, Մասաչուսեթս", + "0_TextBox_3": "Slicer Ribeirão Preto աշխատաժողով\n30 հունիս 2025 թ.", + "1_TextBox_0": "Ձեռքով ընդդեմ արհեստական բանականության վրա հիմնված սեգմենտացիա", + "2_TextBox_0": "Ձեռքով ընդդեմ արհեստական բանականության վրա հիմնված սեգմենտացիա", + "1_TextBox_1": "Բժշկական պատկերները ավանդաբար ձեռքով են սեգմենտացվել, ինչը ժամանակատար գործընթաց է, պահանջում է ռադիոլոգների ինտենսիվ ջանքեր և ենթակա է ընթերցողների միջև փոփոխականության։", + "2_TextBox_1": "Վերջին տասնամյակում պատկերների սեգմենտացիան զարգացել է խորը ուսուցման ալգորիթմների (օրինակ՝ nnUnet, Գերմանիայի քաղցկեղի հետազոտական կենտրոն (DKFZ)/Հելմհոլցի հետազոտական ինստիտուտ) զարգացման շնորհիվ։\n\n\nAI-ով աշխատող սեգմենտացիոն գործիքները կարող են կրճատել սեգմենտացիայի ժամանակը և ապահովել ավելի վերարտադրվող արդյունքներ։", + "3_TextBox_0": "ՀԱ տերմինաբանություն", + "3_TextBox_1": "Մոդելը արհեստական բանականության ալգորիթմ է, որը ուսուցվել է կոնկրետ առաջադրանք կատարելու համար (օրինակ՝ ուղեղի ուռուցքի սեգմենտացիայի մոդել)։\n\nԱրհեստական բանականության մոդելի կշիռները փոքր թվեր են, որոնք որոշում են, թե որքան կարևորություն է մոդելը տալիս պատկերի տարբեր առանձնահատկություններին։\n\nՈւսուցման փուլում մոդելը սովորում է փորձագետների կողմից պիտակավորված տվյալներից օրինաչափություններ և հարմարեցնում է իր կշռերը կանխատեսումները բարելավելու համար։\n\nՎավերացման/թեստավորման փուլում մոդելը գնահատվում է տվյալների առանձին հավաքածուի վրա, որը չի օգտագործվել ուսուցման փուլում։\n\nԵզրակացության (Inference) փուլում մոդելը կիրառվում է նոր տվյալների հավաքածուների վրա՝ կատարելու այն հատուկ առաջադրանքը, որի համար այն ուսուցվել է։", + "4_TextBox_0": "3D Slicer AI-ի ուսուցողական ձեռնարկ", + "4_TextBox_1": "Այս ձեռնարկը կենտրոնացած է տարբեր նախապես ուսուցված արհեստական բանականության մոդելների օգտագործմամբ եզրակացության առաջադրանքների իրականացման վրա՝ անատոմիական և պաթոլոգիական կառուցվածքների ավտոմատ սեգմենտացման համար։", + "5_TextBox_0": "MONAIAuto3DSeg Slicer ընդլայնում", + "6_TextBox_0": "MONAIAuto3DSeg Slicer ընդլայնում", + "5_TextBox_1": "Այս ուսուցողական ձեռնարկը օգտագործում է MONAIAuto3DSeg Slicer ընդլայնման նախապատրաստված մոդելները։\n\n\nԳործիքը նախատեսված է աշխատելու նոութբուքերում կամ միջին հզորության աշխատասեղանի համակարգիչներում առանց GPU-ի։", + "6_TextBox_1": "Մի քանի մոդալությունների աջակցություն (ԿՏ, ՄՌՏ):\n\n\nՄի քանի անատոմիական հատվածներ (գլուխ, կրծքավանդակ, որովայն, կոնք և այլն):\n\n\nՄի քանի պաթոլոգիաներ (ուռուցք, արյունահոսություն, այտուց):", + "7_TextBox_0": "Slicer AI-ի ուսուցում. Սեգմենտացիոն առաջադրանքներ", + "7_TextBox_1": "Սեգմենտացիայի առաջադրանք #1: Պրոստատա\n\n\nՍեգմենտացիայի առաջադրանք #2: Գլխուղեղի գլիոմա\n\n\nՍեգմենտացիայի առաջադրանք #3: Ամբողջ մարմնի սեգմենտացիա", + "8_TextBox_0": "Բացարձակ արհեստական բաժանման առաջադրանք #1: Պրոստատ", + "9_TextBox_1": "Պրոստատի պերիֆերիական գոտու (PZ) և անցումային գոտու (TZ) արհեստական բանականության վրա հիմնված սեգմենտացիա T2-քաշված ՄՌՏ պատկերներում։\n\nՏվյալների հավաքածու:\nmsd_prostate_01-t2\nmsd_prostate_01-adc", + "10_TextBox_1": "Սեղմեք «Add Data»՝ «Welcome to Slicer» մոդուլում\n\nՍեղմեք «Choose Directory to Add» և ընտրեք Slicer տվյալների հավաքածուների գտնվելու վայրը\n\nԸնտրեք dataset3_ProstateMRI և սեղմեք «Open»", + "11_TextBox_0": "Սլայսերը բեռնում է պրոստատի ՄՌՏ տվյալների հավաքածուն։", + "12_TextBox_0": "Մոդուլների մենյուում սեղմեք «Բարի գալուստ Slicer»-ի վրա և զննեք «Segmentation» կատեգորիան։\n\nԸնտրեք MONAIAuto3DSeg մոդուլը։", + "13_TextBox_0": "Մուտքագրեք մոդելի անունը՝ «Prostate», Սեգմենտացիայի մոդելի մենյուում։", + "13_TextBox_1": "Ընտրեք մոդելը՝ Պրոստատա - Բազմահաջորդական", + "14_TextBox_0": "Մուտքագրեք Input T2 ծավալը msd-prostate-01-t2 և Input ADC ծավալը msd-prostate-01-adc", + "14_TextBox_1": "Սեղմեք «Apply»-ի վրա գտնվող «Ստեղծել նոր սեգմենտացիա»։", + "15_TextBox_0": "Սլայսերը սկսում է եզրակացության գործընթացը։", + "16_TextBox_0": "Slicer-ը ցուցադրում է արհեստական բանականության վրա հիմնված պրոստատի սեգմենտացիայի արդյունքները։", + "17_TextBox_0": "Բացարձակ արհեստական բանականության սեգմենտացիայի առաջադրանք #2՝ ուղեղի գլիոմա", + "18_TextBox_1": "Նեյրոնային ցանցի վրա հիմնված նորագոյացության, նեկրոզի և այտուցի հատվածավորում ուղեղի ՄՌՏ պատկերներում։\n\n\nՏվյալների հավաքածուներ:\n1) BraTS-GLI_00005-000-t1n (T1-քաշված)\n2) BraTS-GLI_00005-000-t1c (T1-քաշված՝ Gd-ից հետո)\n3) BraTS-GLI_00005-000-t2w (T2-քաշված)\n4) BraTS-GLI_00005-000-t2f (T2-FLAIR)", + "19_TextBox_1": "Սեղմեք «Ավելացնել տվյալներ» «Բարի գալուստ Slicer» մոդուլում\n\nՍեղմեք «Choose File(s) to Add» և զննեք Slicer տվյալների հավաքակազմերի գտնվելու վայրը\n\ndataset4_BrainMRI_Glioma ենթահատորում ընտրեք չորս տվյալների հավաքակազմերը՝ 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\nՍեղմեք «Բացել»", + "20_TextBox_0": "Ընտրեք MONAIAuto3DSeg մոդուլը և Սեգմենտացման մոդելի մենյուում մուտքագրեք մոդելի անվանումը՝ «Գլխուղեղի ուռուցքի սեգմենտացում»։", + "20_TextBox_1": "Ընտրեք Brain Tumor Segmentation (BRATS) GLI մոդելը", + "21_TextBox_0": "Մուտքային ծավալները մուտքագրեք հետևյալ կերպ՝\n\nՄուտքային T2F ծավալ: BraTS-GLI_00005-000-t2f\nՄուտքային T1C ծավալ: BraTS-GLI_00005-000-t1c\nՄուտքային T1N ծավալ: BraTS-GLI_00005-000-t1n\nՄուտքային T2W ծավալ: BraTS-GLI_00005-000-t2w\n\n\nApply-ի վրա սեղմեք Create new Segmentation\n\nՍեգմենտացիան սկսելու համար սեղմեք Apply", + "22_TextBox_1": "Slicer-ը սկսում է inference առաջադրանքի կատարումը\n\nԵրբ սեգմենտացիան ավարտվում է, Slicer-ի GUI-ում հայտնվում է «Processing finished»", + "23_TextBox_1": "Սեղմեք «Show 3D»-ը՝ 3D դիտարկիչում 3D հատվածները ցուցադրելու համար։", + "24_TextBox_0": "Բացարձակ հատվածավորման առաջադրանք #3: Ամբողջ մարմնի հատվածավորում", + "25_TextBox_1": "Ամբողջ մարմնի արհեստական բանականության վրա հիմնված սեգմենտացիա։\n\nՏվյալների հավաքածու:\nCT_ThoraxAbdomen", + "26_TextBox_0": "Add DICOM Data մոդուլում ընտրեք Patient patient1-ը և երկու անգամ սեղմեք CT_Thorax_Abdomen պատկերի վրա՝ այն Slicer-ում բեռնելու համար։", + "27_TextBox_0": "Ընտրեք MONAIAuto3DSeg մոդուլը և Սեգմենտացիայի մոդելի մենյուում մուտքագրեք մոդելի անվանումը՝ Whole Body Segmentation։", + "27_TextBox_1": "Ընտրեք մոդելը՝ Whole Body Segmentation TS1-quick", + "28_TextBox_0": "Ընտրեք մուտքային Volume 6:CT_Thorax_Abdomen,\n\nՍեղմեք «Apply» կոճակի «Create new Segmentation» տարրին\n\nՍեղմեք «Apply» կոճակը սեգմենտացիան սկսելու համար", + "29_TextBox_0": "Slicer-ը ցուցադրում է AI-ի վրա հիմնված սեգմենտացիայի արդյունքները՝ օգտագործելով Whole Body Segmentation TS1-quick", + "30_TextBox_0": "Եզրափակում", + "30_TextBox_1": "3D Slicer MONAIAuto3DSeg ընդլայնումը ապահովում է անատոմիական և պաթոլոգիական կառուցվածքների արագ, արհեստական բանականության վրա հիմնված սեգմենտացիա։\n\n\nՄոդուլը կարող է աշխատել ստանդարտ նոութբուքներում և դեսքթոփ համակարգիչներում առանց GPU-ի։", + "31_TextBox_0": "Շնորհակալագրեր", + "31_TextBox_1": "3D Slicer-ի միջազգայնացման նախագիծը և 3D Slicer-ի Լատինական Ամերիկայի նախագիծը հնարավոր դարձան Չան Ցուկերբերգի նախաձեռնության ֆինանսավորման շնորհիվ։" } \ No newline at end of file