"""Portuguese, Icelandic and French translations of module summaries.
The keys mirror the built-in rows in :data:`spacr.qt.app.APPS`. Keeping these
longer scientific descriptions in a dedicated catalog makes them easier for
fluent speakers to review without mixing them into the general UI catalog.
"""
from __future__ import annotations
_BUILTIN_APP_KEYS = (
"mask",
"timelapse",
"motility",
"measure",
"annotate",
"classify_merged",
"map_barcodes",
"regression",
"align",
"convert",
"foreign",
"external_masks",
"queue",
"batch",
"distributed_jobs",
"db_browser",
"model_compare",
"model_zoo",
"plate_view",
"agreement",
"umap",
"activation",
"train_compare",
"classifier_evaluation",
"run_history",
"report",
"analyze_plaques",
"recruitment",
"invasion",
"replication",
)
#: Portuguese, Icelandic and French one-line summaries for every built-in
#: spaCR module. Product names, file formats, model names and established
#: technical abbreviations remain unchanged so they match the UI and API.
MODULE_SUMMARIES_OTHER: dict[str, dict[str, str]] = {
"pt": {
"mask": "Gerar máscaras de segmentação para células, núcleos, patógenos e organelas a partir de imagens de microscopia usando Cellpose e alternativas compatíveis",
"timelapse": "Segmentar e rastrear objetos ao longo dos quadros de uma série temporal",
"motility": "Quantificar a velocidade e a retidão das trajetórias e estratificar os resultados por estado de infecção",
"measure": "Quantificar características de intensidade e morfologia por objeto",
"annotate": "Atribuir anotações a imagens de objetos individuais e armazená-las no banco de dados do projeto",
"classify_merged": "Treinar classificadores com PyTorch em recortes de imagem ou com gradient boosting em características medidas",
"map_barcodes": "Associar códigos de barras de sequenciamento aos dados da triagem",
"regression": "Análise de regressão das pontuações da triagem",
"align": "Registrar e unir blocos de imagem em um mosaico gravado de forma incremental com uso limitado de memória",
"convert": "Converter imagens ND2, CZI, LIF e OME-TIFF para o layout TIFF Yokogawa e registrar os mapeamentos dos arquivos de origem",
"foreign": 'Traz imagens, máscaras e tabelas de medições para um projeto spaCR — convertendo formatos de microscópio, mapeando colunas de origem ou adotando máscaras criadas noutro local',
"external_masks": "Importar imagens e máscaras de rótulos externas como um projeto spaCR medido e pronto para anotação",
"queue": "Executar a mesma sequência de processamento em várias placas",
"batch": "Colocar módulos, placas e configurações em fila para execução sequencial sem supervisão",
"distributed_jobs": "Enviar e monitorar execuções do spaCR em estações de trabalho SSH, Slurm ou comandos de nuvem/HPC",
"db_browser": "Navegar, filtrar e exportar tabelas de measurements.db",
"model_compare": "Comparar dois modelos Cellpose nos mesmos campos usando máscaras lado a lado, diferenças na contagem de objetos e o índice Rand ajustado (ARI)",
"model_zoo": "Navegar, verificar, baixar e avaliar modelos Cellpose e classificadores em campos selecionados",
"plate_view": "Visualizar medições como mapas de calor de placas e detectar efeitos de borda",
"agreement": "Calcular o κ de Cohen ou de Fleiss entre colunas de anotação e revisar os recortes com anotações discordantes",
"umap": "Visualizar embeddings UMAP com imagens como glifos",
"activation": "Gerar mapas de ativação de classe para as previsões do classificador de imagens",
"train_compare": "Comparar curvas e configurações de várias execuções de treinamento",
"classifier_evaluation": "Avaliar previsões em dados reservados, CV aninhada, calibração, vazamento de dados e métricas por placa",
"run_history": "Pesquisar configurações, resultados, avisos, falhas e métricas de desempenho das execuções",
"report": "Gerar relatórios HTML ou PDF compartilháveis com resultados de QC, figuras, estatísticas, configurações e versões do software",
"analyze_plaques": "Quantificar medições de ensaios de placas de lise",
"recruitment": "Quantificar medições de recrutamento molecular",
"invasion": "Quantificar parasitas aderidos e invadidos com coloração diferencial de duas cores e calcular a eficiência de invasão por poço",
"replication": "Quantificar parasitas por vacúolo e calcular as taxas de replicação por condição",
},
"is": {
"mask": "Búa til aðgreiningargrímur fyrir frumur, kjarna, sýkla og frumulíffæri úr smásjármyndum með Cellpose og studdum valkostum",
"timelapse": "Hluta myndir og rekja hluti milli ramma í tímaröð",
"motility": "Mæla hraða og beinleika ferla og lagskipta niðurstöðum eftir sýkingarástandi",
"measure": "Magnmæla styrk og formfræðilega eiginleika hvers hlutar",
"annotate": "Úthluta merkingum á myndir af stökum hlutum og vista þær í verkefnisgagnagrunninum",
"classify_merged": "Þjálfa flokkara með PyTorch á myndbútum eða gradient boosting á mældum eiginleikum",
"map_barcodes": "Tengja raðgreiningarstrikamerki við skimunargögn",
"regression": "Aðhvarfsgreining á skimunarstigum",
"align": "Samstilla og sauma myndflísar í mósaík sem er skrifað í áföngum með takmarkaðri minnisnotkun",
"convert": "Umbreyta ND2-, CZI-, LIF- og OME-TIFF-myndum í Yokogawa TIFF-skipulag og skrá vörpun á frumskrár",
"foreign": 'Flyttu myndir, maska og mælingatöflur inn í spaCR-verkefni — með því að umbreyta smásjársniðum, varpa upprunadálkum eða taka upp maska sem gerðir voru annars staðar',
"external_masks": "Flytja myndir og ytri merkigrímur inn sem mælt spaCR-verkefni sem er tilbúið til merkingar",
"queue": "Keyra sama vinnsluferli á mörgum plötum",
"batch": "Setja einingar, plötur og stillingar í biðröð fyrir sjálfvirka raðkeyrslu",
"distributed_jobs": "Senda inn og fylgjast með spaCR-keyrslum á SSH-vinnustöðvum, Slurm eða með skýja-/HPC-skipunum",
"db_browser": "Skoða, sía og flytja út töflur úr measurements.db",
"model_compare": "Bera saman tvö Cellpose-líkön á sömu myndsviðum með grímum hlið við hlið, mun á hlutafjölda og leiðréttum Rand-stuðli (ARI)",
"model_zoo": "Skoða, sannreyna, sækja og afkastaprófa Cellpose- og flokkunarlíkön á völdum myndsviðum",
"plate_view": "Sýna mælingar sem hitakort platna og greina jaðaráhrif",
"agreement": "Reikna Cohen eða Fleiss κ milli merkingardálka og fara yfir myndskurði með ósamræmdum merkingum",
"umap": "Sýna UMAP-innfellingar með myndum sem táknum",
"activation": "Búa til flokkavirkjunarkort fyrir spár myndflokkara",
"train_compare": "Bera saman þjálfunarferla og stillingar margra keyrslna",
"classifier_evaluation": "Meta spár á fráteknum gögnum, hreiðrað CV, kvörðun, gagnaleka og mælikvarða fyrir hverja plötu",
"run_history": "Leita í keyrslustillingum, úttökum, viðvörunum, bilunum og afkastamælingum",
"report": "Búa til deilanlegar HTML- eða PDF-skýrslur með QC-niðurstöðum, myndum, tölfræði, stillingum og hugbúnaðarútgáfum",
"analyze_plaques": "Magnmæla niðurstöður skellugreininga",
"recruitment": "Magnmæla sameindaaðsöfnun",
"invasion": "Mæla áfasta og innrásna sníkla með tveggja lita mismunalitun og reikna innrásarhlutfall fyrir hvern brunn",
"replication": "Mæla fjölda sníkla í hverri frymisbólu og reikna fjölgunarhraða fyrir hvert skilyrði",
},
"fr": {
"mask": "Générer des masques de segmentation des cellules, noyaux, agents pathogènes et organites à partir d'images de microscopie avec Cellpose et les méthodes compatibles",
"timelapse": "Segmenter et suivre les objets au fil des images d'une série temporelle",
"motility": "Quantifier la vitesse et la rectitude des trajectoires et stratifier les résultats selon l’état d’infection",
"measure": "Quantifier les caractéristiques d'intensité et de morphologie de chaque objet",
"annotate": "Attribuer des annotations aux images d'objets individuels et les enregistrer dans la base de données du projet",
"classify_merged": "Entraîner des classifieurs avec PyTorch sur des vignettes ou par gradient boosting sur des caractéristiques mesurées",
"map_barcodes": "Associer les codes-barres de séquençage aux données de criblage",
"regression": "Analyse de régression des scores de criblage",
"align": "Recaler et assembler les tuiles d'image dans une mosaïque écrite progressivement avec une utilisation mémoire limitée",
"convert": "Convertir les images ND2, CZI, LIF et OME-TIFF au format TIFF Yokogawa et consigner leur correspondance avec les fichiers sources",
"foreign": 'Importez images, masques et tables de mesures dans un projet spaCR — en convertissant les formats de microscope, en associant les colonnes source ou en adoptant des masques créés ailleurs',
"external_masks": "Importer des images et des masques d'étiquettes externes comme projet spaCR mesuré et prêt à être annoté",
"queue": "Exécuter la même chaîne de traitement sur plusieurs plaques",
"batch": "Mettre en file d'attente les modules, plaques et paramètres pour une exécution séquentielle sans surveillance",
"distributed_jobs": "Soumettre et surveiller des exécutions spaCR sur des stations de travail SSH, Slurm ou au moyen de commandes cloud/HPC",
"db_browser": "Parcourir, filtrer et exporter les tables de measurements.db",
"model_compare": "Comparer deux modèles Cellpose sur les mêmes champs à l’aide de masques côte à côte, des écarts de nombre d’objets et de l’indice de Rand ajusté (ARI)",
"model_zoo": "Parcourir, vérifier, télécharger et évaluer des modèles Cellpose et de classification sur les champs sélectionnés",
"plate_view": "Visualiser les mesures sous forme de cartes thermiques de plaques et détecter les effets de bord",
"agreement": "Calculer le κ de Cohen ou de Fleiss entre les colonnes d’annotation et examiner les vignettes dont les annotations divergent",
"umap": "Visualiser les plongements UMAP avec des images comme glyphes",
"activation": "Générer des cartes d’activation de classe pour les prédictions d’un classificateur d’images",
"train_compare": "Comparer les courbes et les paramètres de plusieurs entraînements",
"classifier_evaluation": "Évaluer les prédictions sur données réservées, la CV imbriquée, l'étalonnage, les fuites de données et les métriques par plaque",
"run_history": "Rechercher les paramètres, résultats, avertissements, échecs et métriques de performance des exécutions",
"report": "Générer des rapports HTML ou PDF partageables contenant les résultats de QC, figures, statistiques, paramètres et versions du logiciel",
"analyze_plaques": "Quantifier les mesures des essais de plaques de lyse",
"recruitment": "Quantifier les mesures de recrutement moléculaire",
"invasion": "Quantifier les parasites attachés et ayant pénétré par coloration différentielle à deux couleurs, puis calculer l’efficacité d’invasion par puits",
"replication": "Quantifier les parasites par vacuole et calculer les taux de réplication par condition",
},
}
[docs]
def validate_module_summaries_other() -> None:
"""Raise :class:`AssertionError` if this parallel catalog is incomplete."""
expected_languages = {"pt", "is", "fr"}
assert set(MODULE_SUMMARIES_OTHER) == expected_languages
assert len(_BUILTIN_APP_KEYS) == len(set(_BUILTIN_APP_KEYS)) == 30
expected_keys = set(_BUILTIN_APP_KEYS)
key_sets = {frozenset(summaries) for summaries in MODULE_SUMMARIES_OTHER.values()}
assert key_sets == {frozenset(expected_keys)}
for language_code, summaries in MODULE_SUMMARIES_OTHER.items():
assert len(summaries) == 30, language_code
assert all(isinstance(text, str) and text.strip() for text in summaries.values())
assert all("http://" not in text and "https://" not in text for text in summaries.values())
validate_module_summaries_other()