Update translations from SlicerLanguageTranslations

Tutorials/STC-GEN-101_WelcomeTutorial/Translations/text_dict_pt.json

@@ -0,0 +1,49 @@
+{
+  "0_TextBox_0": "Slicer Bem Vindo",
+  "0_TextBox_1": "Sonia Pujol, Ph.D.",
+  "0_TextBox_3": "Professor Assistente de Radiologia\n\nBrigham and Women’s Hospital\n\nHarvard Medical School\n",
+  "1_Goal_title": "Objetivo",
+  "1_Goal_body": "Este tutorial é uma pequena introdução ao módulo de Boas Vindas do software open-source Slicer.",
+  "2_TextBox_0": "Slicer5 Básicos",
+  "3_TextBox_0": "Slicer5 Básicos",
+  "2_TextBox_1": "*Slicer é um software open source para segmentação, registo e visualização de imagiologia médica.\n*A plataforma é desenvolvida através de um esforço multi institucional de vários consórcios de grande escala financiados pelo NIH.\n*Slicer é para pesquisa médica apenas, e não é aprovado pela FDA. ",
+  "3_TextBox_1": "3D Slicer 5 versão 5.10.0 inclui mais que 100 módulos e mais que 190 extensões para segmentação de imagem, registo e visualização 3D de dados de imagiologia médica.",
+  "4_TextBox_0": "Plataformas Compatíveis",
+  "4_TextBox_1": "*Slicer é um software multi plataforma desenvolvido e mantido em Mac OSX, Linux and Windows.\n\n*Slicer requer um mínimo de 2 GB of RAM e um acelerador gráfico dedicado com 64 MB de memória gráfica na placa. ",
+  "5_WelcometoSlicer_title": "Bem Vindo ao Slicer",
+  "5_TextBox_1": "Cada módulo do Slicer inclui uma série de separadores, que dão acesso a diferentes funcionalidades.\n\nClique no símbolo da seta para mostrar o conteúdo de cada separador. ",
+  "6_SlicerUserInterface_title": "Interface de Utilizador do Slicer",
+  "6_ArrowText_0": "Barra de Ferramentas",
+  "6_TextBox_1": "Visualizador 3D",
+  "6_TextBox_3": "Painel Interface de Utilizador (UI) do Módulo de Boas Vindas do Slicer",
+  "6_TextBox_5": "Sonda de dados",
+  "6_ArrowText_6": "Visualizadores anatómicos 2D",
+  "7_WelcomeModule_title": "Módulo de Boas Vindas",
+  "8_WelcomeModule_title": "Módulo de Boas Vindas",
+  "12_WelcomeModule_title": "Módulo de Boas Vindas",
+  "7_TextBox_1": "O separador de Documentação & Tutoriais contém as ligações para o compêndio de treino e páginas de documentação do 3D Slicer.",
+  "8_TextBox_0": "O módulo de Boas Vindas contém atalhos para carregar diferentes tipos de dados. Uma série de dados de exemplo também está disponível.\n\nClique em Transferir Dados de Exemplo para aceder ao Módulo de Dados de Amostragem",
+  "9_SampleData_title": "Dados da Amostragem",
+  "10_SampleData_title": "Dados da Amostragem",
+  "11_SampleData_title": "Dados da Amostragem",
+  "9_TextBox_1": "O módulo de Dados de Exemplo contém ligações para diferentes conjuntos de dados de amostragem que podem ser transferidos para o Slicer.",
+  "10_TextBox_0": "MR do Cérebro",
+  "10_TextBox_1": "TC Peito",
+  "10_TextBox_2": "TC Cardíaca",
+  "10_TextBox_3": "Conjunto de Dados de Imagem por Tensor de Difusão (DTI)",
+  "10_TextBox_4": "MRI do Cérebro (utente com tumor)",
+  "11_ArrowText_0": "Clique no MRHead para transferir o\nconjunto de dados para o Slicer.",
+  "12_TextBox_0": "A ressonância magnética do cérebro aparece\nnos visualizadores 2D.",
+  "13_MRBrainSampleDataset_title": "Conjunto de Dados Exemplo da RM do Cérebro",
+  "14_MRBrainSampleDataset_title": "Conjunto de Dados Exemplo da RM do Cérebro",
+  "15_MRBrainSampleDataset_title": "Conjunto de Dados Exemplo da RM do Cérebro",
+  "13_TextBox_0": "Posicione o cursor no pequeno ícone do alfinete no canto superior esquerdo do visualizador vermelho para exibir o menu de visualizador",
+  "14_TextBox_1": "Clique no ícone da ligação para ligar todos os três visualizadores 2D e no ícone do olho ao lado do mesmo\npara mostrar as fatias no visualizador 3D",
+  "15_TextBox_0": "As fatias axial, coronal e sagital aparecem no visualizador 3D.\nVolte ao módulo de Boas Vindas usando a seta verde na barra de ferramentas",
+  "16_GoingFurther_title": "Indo Mais Além",
+  "17_TextBox_0": "Indo Mais Além",
+  "16_TextBox_0": "Para aprender mais sobre o Slicer e as suas funcionalidades diferentes, visite o Compêndio Slicer",
+  "17_TextBox_1": "https://training.slicer.org/",
+  "18_TextBox_0": "Agradecimentos",
+  "18_TextBox_1": "Aliança Nacional para Computação de Imagens Médicas\n\nNIH U54EB005149\n\nCentro de Análise de Neuroimagens\nNIH P41EB015902\n\nIniciativa Chan Zuckerberg (CZI)"
+}

Tutorials/STC-GEN-101_WelcomeTutorial/Translations/text_dict_pt_PT.json

@@ -45,5 +45,5 @@
   "16_TextBox_0": "Para aprender mais sobre o Slicer e as suas funcionalidades diferentes, visite o Compêndio Slicer",
   "17_TextBox_1": "https://training.slicer.org/",
   "18_TextBox_0": "Agradecimentos",
-  "18_TextBox_1": "National Alliance for Medical Image\nComputing\nNIH U54EB005149\n\nNeuroimage Analysis Center\nNIH P41EB015902\n\nChan Zuckerberg Initiative (CZI)"
+  "18_TextBox_1": "Aliança Nacional para Computação de Imagens Médicas\n\nNIH U54EB005149\n\nCentro de Análise de Neuroimagens\nNIH P41EB015902\n\nIniciativa Chan Zuckerberg (CZI)"
 }

Tutorials/STC-GEN-102_FourMinuteTutorial/Translations/text_dict_pt.json

@@ -0,0 +1,39 @@
+{
+  "0_TextBox_0": "Minuto Slicer4\n",
+  "0_TextBox_1": "Sonia Pujol, Ph.D.",
+  "0_TextBox_3": "Professor Assistente de Radiologia\nHospital Brigham and Women's\nFaculdade de Medicina de Harvard",
+  "1_TextBox_0": "Tutorial de 4 minutos do Slicer",
+  "16_TextBox_0": "Tutorial de 4 minutos do Slicer",
+  "1_TextBox_1": "Este tutorial é uma introdução de 4 minutos às capacidades de visualização 3D do software Slicer5 para análise de imagem médica. ",
+  "2_TextBox_0": "Software Slicer5 e conjunto de dados",
+  "2_TextBox_1": "*Descarregue o software Slicer5 disponível em http://download.slicer.org\n\n*Descarregue o conjunto de dados Slicer4minute disponível em https://www.slicer.org/wiki/Documentation/4.10/Training",
+  "3_3DSlicerversion5_title": "3D Slicer versão 5",
+  "4_TextBox_0": "Cena 3D Slicer",
+  "4_TextBox_1": "*A cena Slicer é um ficheiro MRML (Medical Reality Modeling Language) que contém uma lista de elementos carregados em Slicer (volumes, modelos, fiduciais, transformas, etc.)\n*No exemplo a seguir, usamos uma cena 'Slicer4minute.mrml' composta por uma varredura de RM e modelos 3D da cabeça.\n*O ficheiro de cena e conjuntos de dados foram gravados como um ficheiro MRB (Medical Reality Bundle).\n*O formato de ficheiro MRB é o formato de ficheiro Slicer.",
+  "5_LoadingtheSlicer4minutedataset_title": "A carregar o conjunto de dados Slicer4minute",
+  "5_TextBox_1": "Arraste e solte o slicer4minute.mrb para carregar a cena no Slicer",
+  "6_Slicer4minuteScene_title": "Cena Slicer em 4 minutos",
+  "6_TextBox_1": "Slicer exibe os elementos da cena slicer4minute. A cena contém e ressonância magnética e modelos de superfície 3D do cérebro.",
+  "7_3DVisualization_title": "Visualização 3D",
+  "9_3DVisualization_title": "Visualização 3D",
+  "10_3DVisualization_title": "Visualização 3D",
+  "11_3DVisualization_title": "Visualização 3D",
+  "13_3DVisualization_title": "Visualização 3D",
+  "14_3DVisualization_title": "Visualização 3D",
+  "15_3DVisualization_title": "Visualização 3D",
+  "7_TextBox_0": "Selecione o módulo Modelos",
+  "8_3Dvisualization_title": "Visualização 3D",
+  "8_TextBox_0": "Clique no ícone de alfinete no canto superior esquerdo da fatia vermelha para exibir o menu do visualizador de fatias.\nClique no ícone de olho para exibir a fatia axial no visualizador 3D",
+  "9_TextBox_1": "Use o controlo deslizante do visualizador vermelho para navegar pelos cortes de RM axial.\n\nSlicer exibe simultaneamente a fatia axial no espectador 3D",
+  "10_TextBox_0": "Selecione o modelo de pele e baixe a sua opacidade usando o controlo deslizante de opacidade na guia Display 3D",
+  "10_TextBox_1": "O modelo skull_bone.vtk aparece através da pele.",
+  "11_TextBox_0": "Posicione o rato no visualizador 3D, clique no botão esquerdo para arrastar e girar o modelo.\nClique no botão direito do rato para ampliar e sair",
+  "12_AnatomicalViews_title": "Visões anatômicas",
+  "12_TextBox_0": "Clique nos ícones de alfinete no canto superior esquerdo do visor vermelho e verde para exibir o menu do espectador de cortes\n\nClique no ícone do olho para exibir o corte axial e coronal no visualizador 3D",
+  "13_TextBox_0": "Desligue a visibilidade do crânio para exibir o modelo de matéria branca do cérebro",
+  "14_TextBox_0": "A superfície da matéria branca, bem como os nervos óticos esquerdo e direito, aparecem no visualizador",
+  "15_TextBox_0": "Selecione o modelo hemispheric_white_matter.vtk\n\nVerificar Clipping na guia Display 3D\n\nNa guia Clipping Planes, selecione a opção 'Green Slice Clipping' e verifique 'Negativo'",
+  "16_TextBox_1": "*Este tutorial foi uma breve introdução na visualização 3D interativa de dados de RM e modelos 3D em Slicer.\n\n*O Compêndio de treino Slicer5 contém uma série de tutoriais e conjuntos de dados pré-computados para aprender a usar o software.",
+  "17_TextBox_0": "Agradecimentos",
+  "17_TextBox_1": "Aliança Nacional para Computação de\nImagem Médica\nNIH U54EB005149\n\nCentro de Análise de Neuroimagem\nNIH P41EB015902\n"
+}

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

@@ -0,0 +1,49 @@
+{
+  "0_TextBox_0": "Segmentação baseada em IA no 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": "Conclusão",
+  "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": "Agradecimentos",
+  "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."
+}

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

@@ -5,7 +5,7 @@
   "1_TextBox_0": "Segmentação Manual vs por IA",
   "2_TextBox_0": "Segmentação Manual vs por IA",
   "1_TextBox_1": "As imagens médicas têm sido tradicionalmente segmentadas manualmente, um processo demorado que requer esforço intensivo de radiologistas e sujeito à variabilidade inter-reader.",
-  "2_TextBox_1": "Na última década, a segmentação de imagens tem sido alimentada pelo desenvolvimento de algoritmos de aprendizagem profunda (por exemplo, nnUnet pelo Centro Alemão de Pesquisa de Câncer (DKFZ)/Helmholtz Research).\n\n\nAs ferramentas de segmentação alimentadas por IA podem reduzir o tempo de segmentação e proporcionar resultados mais reprodutíveis.",
+  "2_TextBox_1": "Na última década, a segmentação de imagens tem sido alimentada pelo desenvolvimento de algoritmos de aprendizagem profunda (por exemplo, nnUnet pelo Centro Alemão de Pesquisa de Cancro (DKFZ)/Helmholtz Research).\n\n\nAs ferramentas de segmentação alimentadas por IA podem reduzir o tempo de segmentação e proporcionar resultados mais reprodutíveis.",
   "3_TextBox_0": "Terminologia",
   "3_TextBox_1": "Um Modelo é um algoritmo de IA que foi treinado para executar uma tarefa específica (por exemplo, modelo de segmentação de tumor cerebral).\n\nOs Pesos de um modelo de IA são números pequenos que determinam quanta importância o modelo dá a diferentes características da imagem.\n\nDurante a fase de Treino, um modelo aprende padrões de dados rotulados por especialistas e ajusta os seus pesos para melhorar as suas previsões.\n\nDurante a fase de Validação/Teste, o modelo é avaliado num conjunto separado de dados não usados durante a fase de Treino.\n\nDurante a Inferência, o modelo é aplicado a novos conjuntos de dados para executar a tarefa específica para a qual foi treinado.",
   "4_TextBox_0": "Tutorial de IA do 3D Slicer",