[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_t%C6%B0%C6%A1ng%20quan%20h%C3%ACnh%20%E1%BA%A3nh{\"limit\":5}":3,"_public_topic_byId_t%C6%B0%C6%A1ng%20quan%20h%C3%ACnh%20%E1%BA%A3nh":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":17,"publishUser":21,"keywords":25,"keywordCount":18,"enrichTopicLink":26,"status":27,"createTime":28,"updateTime":29,"publishTime":30,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":31,"wikidataId":10,"relateTopics":32},"tương quan hình ảnh","Tương quan hình ảnh là gì? Các bài báo nghiên cứu khoa học","Tương quan hình ảnh là phép đo định lượng mức độ tương đồng giữa hai ảnh hoặc hai vùng ảnh dựa trên sự chồng khớp của các giá trị điểm ảnh khi dịch chuyển trong không gian. Kỹ thuật này được sử dụng rộng rãi trong xử lý ảnh để so khớp mẫu, căn chỉnh ảnh và phân tích cấu trúc không gian của dữ liệu hình ảnh số. ","\u003Cdiv>\u003Ch2>Khái niệm tương quan hình ảnh\u003C\u002Fh2>\n\u003Cp>\nTương quan hình ảnh (image correlation) là phép đo định lượng mức độ tương đồng giữa hai tín hiệu ảnh hoặc giữa một vùng ảnh và một mẫu tham chiếu.\nTrong xử lý ảnh số, ảnh thường được biểu diễn dưới dạng hàm rời rạc hai chiều,\nvà tương quan cho phép đánh giá mức độ khớp về cấu trúc cường độ giữa các hàm này khi có sự dịch chuyển không gian.\n\u003C\u002Fp>\n\u003Cp>\nKhái niệm tương quan bắt nguồn từ xử lý tín hiệu,\nsau đó được mở rộng sang miền hai chiều cho ảnh số.\nKhông giống các đặc trưng trừu tượng,\ntương quan làm việc trực tiếp trên giá trị điểm ảnh,\ndo đó mang tính trực quan và dễ diễn giải trong nhiều bài toán cơ bản.\n\u003C\u002Fp>\n\u003Cp>\nTrong thực tế, tương quan hình ảnh thường được sử dụng để trả lời các câu hỏi như:\nmột mẫu ảnh có xuất hiện trong ảnh lớn hay không,\nhai ảnh có giống nhau ở mức độ nào,\nhoặc sự thay đổi vị trí của một cấu trúc giữa hai thời điểm là bao nhiêu.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>So sánh mức độ giống nhau giữa các vùng ảnh\u003C\u002Fli>\n  \u003Cli>Phát hiện mẫu hoặc đối tượng lặp lại\u003C\u002Fli>\n  \u003Cli>Đo độ dịch chuyển không gian\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Cơ sở toán học của tương quan\u003C\u002Fh2>\n\u003Cp>\nXét hai ảnh rời rạc hai chiều \u003Cscript type=\"math\u002Ftex\">f(x,y)\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">g(x,y)\u003C\u002Fscript>,\nphép tương quan chéo được định nghĩa như một tổng các tích điểm ảnh,\ntrong đó một ảnh được dịch chuyển tương đối so với ảnh còn lại.\nGiá trị thu được phản ánh mức độ chồng khớp giữa hai ảnh tại mỗi độ dịch chuyển.\n\u003C\u002Fp>\n\u003Cp>\nCông thức tổng quát của tương quan chéo hai chiều được biểu diễn như sau:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\nC(u,v) = \\sum_x \\sum_y f(x,y)\\, g(x+u, y+v)\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong biểu thức này, \u003Cscript type=\"math\u002Ftex\">(u,v)\u003C\u002Fscript> là vector dịch chuyển.\nKhi \u003Cscript type=\"math\u002Ftex\">C(u,v)\u003C\u002Fscript> đạt giá trị cực đại,\nđiều đó cho thấy hai ảnh hoặc hai vùng ảnh tương đồng nhất tại vị trí dịch chuyển tương ứng.\n\u003C\u002Fp>\n\u003Cp>\nĐối với ảnh rời rạc có kích thước hữu hạn,\nmiền tính toán của tổng thường bị giới hạn để tránh truy cập ngoài biên.\nCác kỹ thuật đệm biên (zero-padding, mirror-padding) thường được áp dụng\nnhằm đảm bảo tính ổn định của phép tính.\n\u003C\u002Fp>\n\n\u003Ch2>Phân biệt tương quan và tích chập\u003C\u002Fh2>\n\u003Cp>\nTương quan (correlation) và tích chập (convolution) có biểu thức toán học rất giống nhau,\ndẫn đến việc dễ bị nhầm lẫn trong thực hành.\nSự khác biệt cốt lõi giữa hai phép toán này nằm ở việc có hay không đảo ngược kernel trước khi thực hiện phép tính.\n\u003C\u002Fp>\n\u003Cp>\nTrong tích chập hai chiều, kernel được đảo ngược theo cả hai trục trước khi trượt qua ảnh,\ntrong khi tương quan sử dụng kernel theo đúng hướng ban đầu.\nĐiều này khiến kết quả của hai phép toán khác nhau,\nđặc biệt khi kernel không đối xứng.\n\u003C\u002Fp>\n\u003Cp>\nBảng dưới đây tóm tắt sự khác biệt chính:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Tiêu chí\u003C\u002Fth>\n    \u003Cth>Tương quan\u003C\u002Fth>\n    \u003Cth>Tích chập\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Đảo kernel\u003C\u002Ftd>\n    \u003Ctd>Không\u003C\u002Ftd>\n    \u003Ctd>Có\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Mục đích chính\u003C\u002Ftd>\n    \u003Ctd>Đo tương đồng\u003C\u002Ftd>\n    \u003Ctd>Lọc, biến đổi tín hiệu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Ứng dụng phổ biến\u003C\u002Ftd>\n    \u003Ctd>So khớp mẫu, đo dịch chuyển\u003C\u002Ftd>\n    \u003Ctd>Làm mờ, phát hiện biên\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\nTrong nhiều thư viện xử lý ảnh, các hàm được gọi là convolution\nnhưng thực chất lại thực hiện tương quan,\ndo việc đảo kernel không ảnh hưởng đến một số ứng dụng thực tế.\n\u003C\u002Fp>\n\n\u003Ch2>Các dạng tương quan trong xử lý ảnh\u003C\u002Fh2>\n\u003Cp>\nTương quan hình ảnh không chỉ tồn tại dưới một dạng duy nhất,\nmà được phân loại dựa trên mối quan hệ giữa các tín hiệu tham gia phép tính.\nHai dạng cơ bản và phổ biến nhất là tương quan tự động và tương quan chéo.\n\u003C\u002Fp>\n\u003Cp>\nTương quan tự động (autocorrelation) đo mức độ tương đồng của một ảnh với chính nó\nkhi bị dịch chuyển.\nDạng tương quan này thường được sử dụng để phân tích tính lặp,\ntính chu kỳ và cấu trúc kết cấu của ảnh.\n\u003C\u002Fp>\n\u003Cp>\nTương quan chéo (cross-correlation) đo mức độ tương đồng giữa hai ảnh khác nhau.\nĐây là dạng được sử dụng rộng rãi nhất trong các bài toán so khớp mẫu,\ncăn chỉnh ảnh và ước lượng chuyển động.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Tương quan tự động: phân tích cấu trúc nội tại của ảnh\u003C\u002Fli>\n  \u003Cli>Tương quan chéo: so sánh hai ảnh hoặc hai vùng ảnh\u003C\u002Fli>\n  \u003Cli>Tương quan cục bộ: tính trên cửa sổ nhỏ thay vì toàn ảnh\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nViệc lựa chọn dạng tương quan phù hợp phụ thuộc vào mục tiêu bài toán,\nkích thước dữ liệu và yêu cầu về độ chính xác cũng như chi phí tính toán.\n\u003C\u002Fp>\n\u003Ch2>Tương quan chuẩn hóa\u003C\u002Fh2>\n\u003Cp>\nTrong nhiều tình huống thực tế, giá trị tương quan thuần túy bị ảnh hưởng mạnh bởi độ sáng tuyệt đối và độ tương phản của ảnh.\nHai vùng ảnh có cùng cấu trúc nhưng khác mức chiếu sáng có thể cho giá trị tương quan thấp,\ndẫn đến kết quả so khớp không chính xác.\nĐể khắc phục hạn chế này, tương quan chuẩn hóa được sử dụng nhằm loại bỏ ảnh hưởng của các yếu tố tuyến tính.\n\u003C\u002Fp>\n\u003Cp>\nTương quan chuẩn hóa phổ biến nhất là tương quan chéo chuẩn hóa (Normalized Cross-Correlation, NCC),\ntrong đó giá trị trung bình và độ lệch chuẩn của các vùng ảnh được đưa vào công thức.\nKết quả của NCC thường nằm trong khoảng từ -1 đến 1,\ngiúp việc so sánh và đặt ngưỡng trở nên trực quan hơn.\n\u003C\u002Fp>\n\u003Cp>\nMột dạng biểu thức chuẩn hóa thường gặp được mô tả như sau:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\nNCC(u,v) = \\frac{\\sum (f(x,y)-\\bar{f})(g(x+u,y+v)-\\bar{g})}\n{\\sqrt{\\sum (f(x,y)-\\bar{f})^2 \\sum (g(x+u,y+v)-\\bar{g})^2}}\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nPhân tích chi tiết và các biến thể của tương quan chuẩn hóa có thể tham khảo tại\n\u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Ftopics\u002Fengineering\u002Fnormalized-cross-correlation\" target=\"_blank\" rel=\"noopener\">ScienceDirect\u003C\u002Fa>.\n\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng của tương quan hình ảnh\u003C\u002Fh2>\n\u003Cp>\nTương quan hình ảnh là nền tảng của nhiều bài toán kinh điển trong xử lý ảnh và thị giác máy tính.\nMột trong những ứng dụng phổ biến nhất là so khớp mẫu (template matching),\ntrong đó một mẫu nhỏ được trượt trên ảnh lớn để xác định vị trí xuất hiện của đối tượng quan tâm.\n\u003C\u002Fp>\n\u003Cp>\nTrong căn chỉnh ảnh (image registration),\ntương quan được dùng để ước lượng độ dịch chuyển giữa các ảnh chụp cùng một cảnh\nở các thời điểm hoặc góc nhìn khác nhau.\nỨng dụng này đặc biệt quan trọng trong ảnh y sinh, ảnh viễn thám và chụp ảnh toàn cảnh.\n\u003C\u002Fp>\n\u003Cp>\nNgoài ra, tương quan còn xuất hiện trong:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Theo dõi chuyển động và ước lượng vận tốc.\u003C\u002Fli>\n  \u003Cli>Nhận dạng ký tự và nhận dạng khuôn mặt ở mức cơ bản.\u003C\u002Fli>\n  \u003Cli>Phân tích kết cấu và phát hiện mẫu lặp.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Tương quan trong miền không gian và miền tần số\u003C\u002Fh2>\n\u003Cp>\nTương quan hình ảnh có thể được tính trực tiếp trong miền không gian\nbằng cách trượt kernel và thực hiện phép nhân–cộng.\nCách tiếp cận này đơn giản, dễ cài đặt,\nnhưng có độ phức tạp tính toán cao đối với ảnh kích thước lớn.\n\u003C\u002Fp>\n\u003Cp>\nMột cách tiếp cận khác là thực hiện tương quan trong miền tần số\ndựa trên biến đổi Fourier rời rạc (DFT).\nTheo định lý tích chập,\ntương quan trong miền không gian tương đương với phép nhân trong miền tần số,\ngiúp giảm đáng kể chi phí tính toán khi sử dụng thuật toán FFT.\n\u003C\u002Fp>\n\u003Cp>\nCách tiếp cận miền tần số thường được sử dụng trong các hệ thống yêu cầu hiệu năng cao,\nví dụ xử lý ảnh vệ tinh hoặc video độ phân giải lớn.\nCác phân tích lý thuyết và thực nghiệm có thể tham khảo tại\n\u003Ca href=\"https:\u002F\u002Fieeexplore.ieee.org\" target=\"_blank\" rel=\"noopener\">IEEE Xplore\u003C\u002Fa>.\n\u003C\u002Fp>\n\n\u003Ch2>Hạn chế và thách thức của tương quan hình ảnh\u003C\u002Fh2>\n\u003Cp>\nMặc dù trực quan và dễ áp dụng,\ntương quan hình ảnh có nhiều hạn chế khi đối mặt với dữ liệu thực tế phức tạp.\nPhép tương quan nhạy cảm với nhiễu,\nđặc biệt là nhiễu có biên độ lớn hoặc phân bố không đồng đều.\n\u003C\u002Fp>\n\u003Cp>\nNgoài ra, tương quan thuần túy không xử lý tốt các biến đổi hình học\nnhư xoay, co giãn hoặc biến dạng phi tuyến.\nTrong các trường hợp này,\ncác vùng ảnh có cùng nội dung ngữ nghĩa\nnhưng khác hình dạng có thể cho giá trị tương quan thấp.\n\u003C\u002Fp>\n\u003Cp>\nMột thách thức khác là chi phí tính toán.\nĐối với ảnh lớn hoặc tìm kiếm trên nhiều mức dịch chuyển,\nviệc tính tương quan trực tiếp có thể không đáp ứng yêu cầu thời gian thực\nnếu không có các kỹ thuật tối ưu hóa.\n\u003C\u002Fp>\n\n\u003Ch2>Vai trò của tương quan trong nghiên cứu hiện đại\u003C\u002Fh2>\n\u003Cp>\nTrong các hệ thống thị giác máy tính hiện đại,\ntương quan hình ảnh không còn hoạt động độc lập\nmà thường được tích hợp vào các mô hình phức tạp hơn.\nNhiều kiến trúc học sâu sử dụng lớp tương quan\nđể đo mức độ tương đồng giữa các đặc trưng trích xuất từ ảnh.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ, trong các mạng theo dõi đối tượng,\nphép tương quan được dùng để so sánh đặc trưng của khung hiện tại\nvới đặc trưng mục tiêu đã học trước đó.\nCách tiếp cận này kết hợp ưu điểm của tương quan truyền thống\nvà khả năng biểu diễn mạnh của mạng nơ-ron.\n\u003C\u002Fp>\n\u003Cp>\nDo đó, mặc dù là khái niệm cổ điển,\ntương quan hình ảnh vẫn giữ vai trò quan trọng\ntrong cả nghiên cứu học thuật lẫn các ứng dụng công nghiệp hiện nay.\n\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Cul>\n  \u003Cli>\n    Gonzalez, R. C., & Woods, R. E.\n    \u003Ci>Digital Image Processing\u003C\u002Fi>. Pearson, 2018.\n  \u003C\u002Fli>\n  \u003Cli>\n    Jain, A. K.\n    \u003Ci>Fundamentals of Digital Image Processing\u003C\u002Fi>. Prentice Hall, 1989.\n  \u003C\u002Fli>\n  \u003Cli>\n    Lewis, J. P.\n    “Fast Normalized Cross-Correlation.”\n    \u003Ci>Vision Interface\u003C\u002Fi>, 1995.\n  \u003C\u002Fli>\n  \u003Cli>\n    Oppenheim, A. V., & Schafer, R. W.\n    \u003Ci>Discrete-Time Signal Processing\u003C\u002Fi>. Pearson, 2010.\n  \u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],false,"PUBLISHED","2025-12-01T11:27:38.679+00:00","2026-02-01T18:19:00.128+00:00","2026-02-01T18:19:00.125+00:00",87,[33,43,53,62,67,72,77,87,92,97],{"id":34,"title":35,"term":34,"englishTitle":36,"definition":37,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"thép mềm","Thép mềm là gì? Đặc tính vi cấu trúc và cơ tính cơ bản","Mild steel","Thép mềm (mild steel hay thép cacbon thấp) là một loại hợp kim sắt - cacbon có hàm lượng cacbon dao động trong khoảng từ 0.05% đến 0.25% theo khối lượng, sở hữu tổ chức vi cấu trúc chủ yếu gồm pha ferit và một lượng nhỏ peclit, đặc trưng bởi độ dẻo dai cao, tính hàn xuất sắc và hiện tượng điểm chảy gián đoạn rõ rệt.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":44,"title":45,"term":44,"englishTitle":46,"definition":47,"discipline":48,"disciplineCode":49,"disciplineLabel":50,"disciplineColor":51,"disciplineIcon":52},"phình mạch","Phình mạch là gì? Các bài báo nghiên cứu khoa học liên quan","aneurysm","Phình mạch (aneurysm) là tình trạng giãn khu trú bất thường và vĩnh viễn của một đoạn mạch máu với đường kính tăng trên 50% so với kích thước bình thường, gây ra bởi sự suy yếu cấu trúc thành mạch dưới tác động của huyết áp và dòng chảy tuần hoàn.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":54,"title":55,"term":54,"englishTitle":54,"definition":56,"discipline":57,"disciplineCode":58,"disciplineLabel":59,"disciplineColor":60,"disciplineIcon":61},"butanol","Butanol là gì? Các bài báo nghiên cứu khoa học liên quan","Butanol (butyl alcohol) là hợp chất hữu cơ thuộc nhóm alcohol no đơn chức gồm 4 nguyên tử carbon với công thức phân tử C₄H₁₀O, tồn tại dưới bốn dạng đồng phân cấu trúc được ứng dụng rộng rãi làm dung môi công nghiệp và nhiên liệu sinh học.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":63,"title":64,"term":63,"englishTitle":65,"definition":66,"discipline":57,"disciplineCode":58,"disciplineLabel":59,"disciplineColor":60,"disciplineIcon":61},"chuyển hóa carbohydrate","Chuyển hóa carbohydrate là gì? Cơ chế và con đường hóa sinh","carbohydrate metabolism","Chuyển hóa carbohydrate (carbohydrate metabolism) là tập hợp toàn diện các phản ứng hóa sinh diễn ra trong tế bào sống nhằm tiếp nhận, biến đổi, dự trữ và oxy hóa các phân tử đường để cung cấp năng lượng và các hợp chất trung gian thiết yếu cho sự sống.",{"id":68,"title":69,"term":68,"englishTitle":70,"definition":71,"discipline":48,"disciplineCode":49,"disciplineLabel":50,"disciplineColor":51,"disciplineIcon":52},"ung thư phổi không tế bào nhỏ giai đoạn i","Ung thư phổi không tế bào nhỏ giai đoạn I là gì?","stage i non-small cell lung cancer","Ung thư phổi không tế bào nhỏ giai đoạn I là bệnh lý ác tính nguyên phát của phổi ở giai đoạn sớm khi khối u có đường kính lớn nhất không quá 4 cm, hoàn toàn khu trú trong nhu mô phổi mà chưa di căn đến các hạch bạch huyết vùng hoặc các cơ quan xa.",{"id":73,"title":74,"term":73,"englishTitle":75,"definition":76,"discipline":57,"disciplineCode":58,"disciplineLabel":59,"disciplineColor":60,"disciplineIcon":61},"vi nấm","Vi nấm là gì? Đặc điểm sinh học và vai trò sinh thái","microfungi","Vi nấm (microfungi) là nhóm sinh vật nhân thực dị dưỡng có kích thước hiển vi thuộc giới Fungi, sở hữu thành tế bào chứa chitin và màng tế bào chứa ergosterol, sinh sản bằng bào tử và đóng vai trò phân giải vật chất hữu cơ then chốt trong sinh quyển.",{"id":78,"title":79,"term":78,"englishTitle":80,"definition":81,"discipline":82,"disciplineCode":83,"disciplineLabel":84,"disciplineColor":85,"disciplineIcon":86},"đạo đức kinh doanh","Đạo đức kinh doanh là gì? Khái niệm, nền tảng và vai trò","business ethics","Đạo đức kinh doanh là hệ thống các nguyên tắc, chuẩn mực và giá trị định hướng hành vi đúng đắn của cá nhân và tổ chức trong thương mại, đảm bảo sự hài hòa giữa mục tiêu lợi nhuận và nghĩa vụ xã hội.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":88,"title":89,"term":88,"englishTitle":90,"definition":91,"discipline":38,"disciplineCode":39,"disciplineLabel":40,"disciplineColor":41,"disciplineIcon":42},"thuật toán thích ứng","Thuật toán thích ứng là gì? Nguyên lý và ứng dụng kỹ thuật","adaptive algorithm","Thuật toán thích ứng là lớp thuật toán có khả năng tự động cập nhật các thông số hoặc cấu trúc xử lý trong quá trình hoạt động dựa trên cơ chế phản hồi sai số, nhằm duy trì hiệu suất tối ưu khi môi trường hoặc dữ liệu thay đổi.",{"id":93,"title":94,"term":93,"englishTitle":95,"definition":96,"discipline":48,"disciplineCode":49,"disciplineLabel":50,"disciplineColor":51,"disciplineIcon":52},"đinh lăng lá nhỏ","Đinh lăng lá nhỏ (polyscias fruticosa) là gì?","polyscias fruticosa","Đinh lăng lá nhỏ (Polyscias fruticosa) là loài cây bụi dược liệu thuộc chi Polyscias, họ Cuồng cuồng (Araliaceae), giàu saponin triterpenoid oleanane có tác dụng bồi bổ, tăng cường sức dẻo dai và bảo vệ tế bào thần kinh.",{"id":98,"title":99,"term":98,"englishTitle":100,"definition":101,"discipline":82,"disciplineCode":83,"disciplineLabel":84,"disciplineColor":85,"disciplineIcon":86},"trách nhiệm xã hội của doanh nghiệp","Trách nhiệm xã hội của doanh nghiệp là gì? Các trụ cột CSR","corporate social responsibility","Trách nhiệm xã hội của doanh nghiệp (CSR) là cam kết tự nguyện và chiến lược của tổ chức kinh doanh trong việc vận hành có đạo đức, bảo vệ quyền lợi người lao động, đóng góp cho cộng đồng và giảm thiểu tác hại môi trường nhằm phát triển bền vững."]