[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_thu%E1%BA%ADt%20to%C3%A1n%20t%C3%ACm%20%C4%91%C6%B0%E1%BB%9Dng{\"limit\":5}":3,"_public_topic_byId_thuật toán tìm đường":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":26,"enrichTopicLink":27,"status":28,"createTime":29,"updateTime":30,"publishTime":31,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":32,"relateTopics":33},"thuật toán tìm đường","Thuật toán tìm đường là gì? Các bài báo nghiên cứu khoa học","Thuật toán tìm đường là phương pháp tính toán nhằm xác định lộ trình tối ưu hoặc hợp lệ giữa hai điểm trong không gian rời rạc hoặc liên tục. Chúng được mô hình hóa bằng đồ thị và áp dụng nhiều chiến lược như BFS, Dijkstra, A* hay RRT để tìm ra đường đi hiệu quả nhất tùy theo đặc điểm bài toán. ","\u003Cdiv>\u003Ch2>Định nghĩa thuật toán tìm đường\u003C\u002Fh2>\n\u003Cp>\nThuật toán tìm đường (pathfinding algorithm) là tập hợp các phương pháp tính toán nhằm xác định một lộ trình hợp lệ hoặc tối ưu từ điểm xuất phát đến điểm đích trong một không gian xác định. Không gian này có thể là mạng lưới các nút trong đồ thị, bản đồ hai chiều trong trò chơi, môi trường ba chiều trong robot học, hoặc thậm chí là các trạng thái trong không gian logic trừu tượng. \n\u003C\u002Fp>\n\u003Cp>\nBản chất của thuật toán tìm đường là giải bài toán tối ưu đường đi dưới các ràng buộc nhất định như: khoảng cách ngắn nhất, chi phí thấp nhất, hoặc số bước ít nhất. Các thuật toán khác nhau sẽ áp dụng các chiến lược khác nhau để tìm kiếm đường đi, ví dụ như mở rộng theo chiều rộng (BFS), theo chiều sâu (DFS), theo chi phí tích lũy (Dijkstra), hoặc theo một hàm đánh giá ước lượng (A*).\n\u003C\u002Fp>\n\u003Cp>\nThuật toán tìm đường là thành phần cốt lõi trong nhiều hệ thống: định tuyến trong mạng máy tính, chỉ đường GPS, lập kế hoạch chuyển động cho robot, điều hướng nhân vật trong game, và cả trong lĩnh vực logistic, hàng không, trí tuệ nhân tạo. Mỗi lĩnh vực có đặc thù riêng nên yêu cầu lựa chọn thuật toán phù hợp với mục tiêu tối ưu, thời gian xử lý, và độ phức tạp không gian.\n\u003C\u002Fp>\n\n\u003Ch2>Mô hình hóa không gian tìm đường bằng đồ thị\u003C\u002Fh2>\n\u003Cp>\nTrước khi áp dụng thuật toán tìm đường, không gian phải được mô hình hóa thành cấu trúc toán học phù hợp, phổ biến nhất là đồ thị. Một đồ thị \u003Cscript type=\"math\u002Ftex\">G = (V, E)\u003C\u002Fscript> gồm:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>\u003Cscript type=\"math\u002Ftex\">V\u003C\u002Fscript>\u003C\u002Fstrong>: tập hợp các đỉnh (nodes), đại diện cho vị trí, trạng thái, hoặc điểm dữ liệu\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>\u003Cscript type=\"math\u002Ftex\">E\u003C\u002Fscript>\u003C\u002Fstrong>: tập hợp các cạnh (edges), đại diện cho kết nối hoặc đường đi giữa các đỉnh\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nMỗi cạnh có thể có trọng số hoặc không. Trong trường hợp có trọng số, mỗi cạnh \u003Cscript type=\"math\u002Ftex\">(u, v)\u003C\u002Fscript> mang giá trị \u003Cscript type=\"math\u002Ftex\">w(u, v)\u003C\u002Fscript> biểu thị chi phí hoặc độ dài của đoạn đường từ \u003Cscript type=\"math\u002Ftex\">u\u003C\u002Fscript> đến \u003Cscript type=\"math\u002Ftex\">v\u003C\u002Fscript>.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ mô hình bản đồ thành đồ thị:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Đỉnh\u003C\u002Fth>\n    \u003Cth>Kết nối\u003C\u002Fth>\n    \u003Cth>Trọng số\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>A\u003C\u002Ftd>\n    \u003Ctd>B, C\u003C\u002Ftd>\n    \u003Ctd>5, 2\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>B\u003C\u002Ftd>\n    \u003Ctd>C, D\u003C\u002Ftd>\n    \u003Ctd>1, 4\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>C\u003C\u002Ftd>\n    \u003Ctd>D\u003C\u002Ftd>\n    \u003Ctd>3\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\nKhi đó, bài toán tìm đường trở thành: tìm chuỗi các đỉnh \u003Cscript type=\"math\u002Ftex\">[A, C, D]\u003C\u002Fscript> sao cho tổng trọng số nhỏ nhất. Việc xây dựng đồ thị chính xác là tiền đề quan trọng cho hiệu quả thuật toán.\n\u003C\u002Fp>\n\n\u003Ch2>Thuật toán tìm đường không có trọng số\u003C\u002Fh2>\n\u003Cp>\nTrong một số ứng dụng, chẳng hạn như bản đồ ô vuông trong trò chơi 2D hoặc ma trận logic, chi phí giữa các ô liền kề được xem là bằng nhau. Khi đó, đồ thị trở thành đồ thị không trọng số. Bài toán tìm đường lúc này cần tìm số bước ít nhất giữa hai điểm.\n\u003C\u002Fp>\n\u003Cp>\nThuật toán phù hợp trong trường hợp này là Breadth-First Search (BFS). BFS hoạt động bằng cách duyệt từng lớp đỉnh từ nguồn, đảm bảo đỉnh được tìm thấy đầu tiên sẽ là đỉnh gần nhất theo số bước. Do đó, BFS luôn tìm được đường đi ngắn nhất trong đồ thị không trọng số.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Input:\u003C\u002Fstrong> Đồ thị \u003Cscript type=\"math\u002Ftex\">G = (V, E)\u003C\u002Fscript> không có trọng số\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Output:\u003C\u002Fstrong> Đường đi có số bước ít nhất từ đỉnh \u003Cscript type=\"math\u002Ftex\">s\u003C\u002Fscript> đến \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Độ phức tạp:\u003C\u002Fstrong> \u003Cscript type=\"math\u002Ftex\">O(|V| + |E|)\u003C\u002Fscript>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nMột số thuật toán khác như DFS (Depth-First Search) có thể tìm đường đi nhưng không đảm bảo ngắn nhất. DFS thường dùng để kiểm tra tính liên thông hoặc tìm tất cả đường có thể, không tối ưu cho bài toán tìm đường ngắn nhất.\n\u003C\u002Fp>\n\n\u003Ch2>Thuật toán tìm đường có trọng số\u003C\u002Fh2>\n\u003Cp>\nTrong các hệ thống thực tế, chi phí di chuyển thường khác nhau giữa các đoạn đường, ví dụ như quãng đường xa hơn, tốc độ chậm hơn, hoặc chi phí nhiên liệu cao hơn. Do đó, thuật toán phải xét đến trọng số cạnh khi xác định đường đi tối ưu.\n\u003C\u002Fp>\n\u003Cp>\nThuật toán Dijkstra là giải pháp cổ điển cho bài toán tìm đường ngắn nhất trong đồ thị có trọng số không âm. Thuật toán sử dụng một hàng đợi ưu tiên để chọn đỉnh có chi phí nhỏ nhất chưa được xử lý, sau đó cập nhật chi phí đến các đỉnh láng giềng:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\n\\text{dist}[v] = \\min(\\text{dist}[v], \\text{dist}[u] + w(u, v))\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nVới mỗi lần lặp, thuật toán mở rộng vùng ảnh hưởng từ nguồn ra các đỉnh mới cho đến khi đích được tìm thấy hoặc toàn bộ đồ thị được quét. Độ phức tạp trung bình khi dùng heap là \u003Cscript type=\"math\u002Ftex\">O((|V| + |E|) \\log |V|)\u003C\u002Fscript>.\n\u003C\u002Fp>\n\u003Cp>\nDijkstra hoạt động chính xác khi không có cạnh âm. Nếu tồn tại trọng số âm, thuật toán Bellman-Ford được sử dụng thay thế với khả năng phát hiện chu trình âm nhưng có độ phức tạp cao hơn: \u003Cscript type=\"math\u002Ftex\">O(|V| \\cdot |E|)\u003C\u002Fscript>.\n\u003C\u002Fp>\n\u003Ch2>Thuật toán heuristic: A* và các biến thể\u003C\u002Fh2>\n\u003Cp>\nA* (A-star) là thuật toán tìm đường có trọng số sử dụng heuristic – một hàm ước lượng chi phí còn lại từ đỉnh hiện tại đến đích – để hướng dẫn việc mở rộng. Đây là sự kết hợp giữa thuật toán Dijkstra (dựa vào chi phí thực tế) và tìm kiếm theo chiến lược thông minh.\n\u003C\u002Fp>\n\u003Cp>\nHàm đánh giá của A* là:\n\u003Cscript type=\"math\u002Ftex\">f(n) = g(n) + h(n)\u003C\u002Fscript>, trong đó:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">g(n)\u003C\u002Fscript>: chi phí từ điểm bắt đầu đến nút \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript>\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">h(n)\u003C\u002Fscript>: ước lượng chi phí từ \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> đến đích\u003C\u002Fli>\n\u003C\u002Ful>\nNếu \u003Cscript type=\"math\u002Ftex\">h(n)\u003C\u002Fscript> là admissible (không vượt quá chi phí thực tế), A* đảm bảo tìm được đường đi ngắn nhất.\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nA* đặc biệt hiệu quả trong bản đồ hai chiều với \u003Cscript type=\"math\u002Ftex\">h(n)\u003C\u002Fscript> là khoảng cách Euclid hoặc Manhattan. Ví dụ:\n\u003Cscript type=\"math\u002Ftex\">h(n) = \\sqrt{(x_n - x_t)^2 + (y_n - y_t)^2}\u003C\u002Fscript> (khoảng cách Euclid),\nhoặc\n\u003Cscript type=\"math\u002Ftex\">h(n) = |x_n - x_t| + |y_n - y_t|\u003C\u002Fscript> (Manhattan).\n\u003C\u002Fp>\n\u003Cp>\nMột số biến thể của A* bao gồm:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Weighted A*:\u003C\u002Fstrong> Nhân hệ số vào heuristic để tăng tốc độ (đánh đổi tính tối ưu)\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>IDA* (Iterative Deepening A*):\u003C\u002Fstrong> Dùng cho không gian lớn, giới hạn theo \u003Cscript type=\"math\u002Ftex\">f(n)\u003C\u002Fscript>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>D* và D*-Lite:\u003C\u002Fstrong> Áp dụng trong môi trường động, robot tự điều chỉnh đường đi khi bản đồ thay đổi\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>So sánh hiệu suất các thuật toán tìm đường\u003C\u002Fh2>\n\u003Cp>\nLựa chọn thuật toán phù hợp phụ thuộc vào loại đồ thị (có trọng số hay không), độ lớn không gian, yêu cầu về tối ưu và thời gian xử lý. Bảng dưới đây tổng hợp một số đặc điểm so sánh:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Thuật toán\u003C\u002Fth>\n    \u003Cth>Loại đồ thị\u003C\u002Fth>\n    \u003Cth>Tối ưu\u003C\u002Fth>\n    \u003Cth>Heuristic\u003C\u002Fth>\n    \u003Cth>Độ phức tạp\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>BFS\u003C\u002Ftd>\n    \u003Ctd>Không trọng số\u003C\u002Ftd>\n    \u003Ctd>Có\u003C\u002Ftd>\n    \u003Ctd>Không\u003C\u002Ftd>\n    \u003Ctd>\u003Cscript type=\"math\u002Ftex\">O(|V| + |E|)\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Dijkstra\u003C\u002Ftd>\n    \u003Ctd>Trọng số không âm\u003C\u002Ftd>\n    \u003Ctd>Có\u003C\u002Ftd>\n    \u003Ctd>Không\u003C\u002Ftd>\n    \u003Ctd>\u003Cscript type=\"math\u002Ftex\">O((|V| + |E|)\\log |V|)\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Bellman-Ford\u003C\u002Ftd>\n    \u003Ctd>Trọng số âm\u003C\u002Ftd>\n    \u003Ctd>Có\u003C\u002Ftd>\n    \u003Ctd>Không\u003C\u002Ftd>\n    \u003Ctd>\u003Cscript type=\"math\u002Ftex\">O(|V|\\cdot|E|)\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>A*\u003C\u002Ftd>\n    \u003Ctd>Trọng số + heuristic\u003C\u002Ftd>\n    \u003Ctd>Có (nếu \u003Cscript type=\"math\u002Ftex\">h(n)\u003C\u002Fscript> đúng)\u003C\u002Ftd>\n    \u003Ctd>Có\u003C\u002Ftd>\n    \u003Ctd>Phụ thuộc vào không gian và \u003Cscript type=\"math\u002Ftex\">h(n)\u003C\u002Fscript>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\nHeuristic càng gần đúng với chi phí thực tế thì A* càng hiệu quả. Nếu \u003Cscript type=\"math\u002Ftex\">h(n)\u003C\u002Fscript> đánh giá kém, A* có thể mất nhiều tài nguyên như Dijkstra.\n\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng trong thực tiễn\u003C\u002Fh2>\n\u003Cp>\nCác thuật toán tìm đường được ứng dụng rộng rãi trong các hệ thống thực tế hiện đại:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Hệ thống GPS:\u003C\u002Fstrong> Dựa trên bản đồ giao thông, A* hoặc Dijkstra xác định đường đi ngắn hoặc nhanh nhất\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Robot tự hành:\u003C\u002Fstrong> A*, D*, và RRT giúp robot xác định và thích ứng lộ trình khi môi trường thay đổi\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Game và mô phỏng:\u003C\u002Fstrong> NPC trong game sử dụng grid-based A* để tránh vật thể và đến mục tiêu\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Giao thông thông minh:\u003C\u002Fstrong> Tối ưu tuyến đường và phân luồng bằng tìm đường dựa trên dữ liệu thời gian thực\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nVí dụ: trong trò chơi chiến thuật như StarCraft, mỗi đơn vị sử dụng A* hoặc JPS (Jump Point Search – biến thể tối ưu A*) để di chuyển mượt và tránh va chạm.\n\u003C\u002Fp>\n\u003Cp>\nTrong hệ thống xe tự lái, thuật toán tìm đường phải được tích hợp với cảm biến, bản đồ HD, và mô-đun kiểm soát chuyển động, đảm bảo vừa chính xác vừa an toàn.\n\u003C\u002Fp>\n\n\u003Ch2>Thuật toán tìm đường trong không gian liên tục\u003C\u002Fh2>\n\u003Cp>\nTrong các bài toán hình học tính toán, robot học và vật lý, không gian tìm kiếm có thể là liên tục và nhiều chiều, không thể biểu diễn hoàn toàn bằng đồ thị rời rạc. Các thuật toán lấy mẫu như RRT và PRM ra đời để giải quyết vấn đề này.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>RRT (Rapidly-exploring Random Tree):\u003C\u002Fstrong> Xây cây nhị phân mở rộng ngẫu nhiên từ điểm xuất phát đến đích\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>PRM (Probabilistic Roadmap):\u003C\u002Fstrong> Lấy mẫu các điểm hợp lệ trong không gian, kết nối bằng đường an toàn, sau đó tìm đường trên đồ thị đã xây dựng\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nCả hai thuật toán đều hiệu quả với không gian phức tạp, nhiều chướng ngại vật, hoặc có độ tự do cao như tay robot, máy bay, thiết bị bay không người lái. Tuy nhiên, chúng không đảm bảo tối ưu và cần thêm giai đoạn hậu xử lý để làm mượt lộ trình.\n\u003C\u002Fp>\n\u003Cp>\nRRT* (biến thể của RRT) sử dụng chiến lược tối ưu hóa đường đi dần theo thời gian, hy sinh tốc độ để đổi lấy chất lượng hành trình tốt hơn.\n\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Col>\n  \u003Cli>Dijkstra, E. W. (1959). \"A Note on Two Problems in Connexion with Graphs\". \u003Cem>Numerische Mathematik\u003C\u002Fem>.\u003C\u002Fli>\n  \u003Cli>Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). \"A Formal Basis for the Heuristic Determination of Minimum Cost Paths\". \u003Cem>IEEE Transactions on Systems Science and Cybernetics\u003C\u002Fem>.\u003C\u002Fli>\n  \u003Cli>Russell, S., & Norvig, P. (2021). \u003Cem>Artificial Intelligence: A Modern Approach\u003C\u002Fem>. Pearson.\u003C\u002Fli>\n  \u003Cli>LaValle, S. M. (2006). \u003Cem>Planning Algorithms\u003C\u002Fem>. Cambridge University Press. \u003Ca href=\"http:\u002F\u002Fplanning.cs.uiuc.edu\u002F\" target=\"_blank\">http:\u002F\u002Fplanning.cs.uiuc.edu\u002F\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>MIT OpenCourseWare – Introduction to Algorithms. \u003Ca href=\"https:\u002F\u002Focw.mit.edu\u002Fcourses\u002Felectrical-engineering-and-computer-science\u002F6-006-introduction-to-algorithms-fall-2011\u002F\" target=\"_blank\">https:\u002F\u002Focw.mit.edu\u002Fcourses\u002Felectrical-engineering-and-computer-science\u002F6-006-introduction-to-algorithms-fall-2011\u002F\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>Stanford CS221: AI Pathfinding Algorithms. \u003Ca href=\"https:\u002F\u002Fweb.stanford.edu\u002Fclass\u002Fcs221\u002F\" target=\"_blank\">https:\u002F\u002Fweb.stanford.edu\u002Fclass\u002Fcs221\u002F\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>AAAI – Path Planning Overview. \u003Ca href=\"https:\u002F\u002Fwww.aaai.org\u002FAITopics\u002Fhtml\u002Fpath.html\" target=\"_blank\">https:\u002F\u002Fwww.aaai.org\u002FAITopics\u002Fhtml\u002Fpath.html\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\n\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],1,false,"PUBLISHED","2025-11-10T03:47:44.632+00:00","2025-11-11T03:53:39.462+00:00","2025-11-11T03:53:39.459+00:00",116,[34,44,54,64,69,74,79,84,89,94],{"id":35,"title":36,"term":35,"englishTitle":37,"definition":38,"discipline":39,"disciplineCode":40,"disciplineLabel":41,"disciplineColor":42,"disciplineIcon":43},"bản đồ lưới","Bản đồ lưới là gì? Cấu trúc và ứng dụng trong SLAM","occupancy grid map","Bản đồ lưới là mô hình biểu diễn môi trường không gian dưới dạng một cấu trúc mắt lưới rời rạc gồm các ô có kích thước cố định, trong đó mỗi ô lưu trữ thông tin thuộc tính hoặc giá trị xác suất phản ánh trạng thái không gian tại vị trí tương ứng.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":45,"title":46,"term":45,"englishTitle":47,"definition":48,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"tế bào ống thận","Tế bào ống thận là gì? Các nghiên cứu khoa học liên quan","Renal tubular epithelial cells","Tế bào ống thận (Renal tubular epithelial cells) là các tế bào biểu mô chuyên hóa cao lót dọc theo các đoạn của ống lượn gần, quai Henle, ống lượn xa và ống góp, chịu trách nhiệm tái hấp thu và bài tiết chọn lọc các chất.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":55,"title":56,"term":55,"englishTitle":57,"definition":58,"discipline":59,"disciplineCode":60,"disciplineLabel":61,"disciplineColor":62,"disciplineIcon":63},"đột biến missense","Đột biến missense là gì? Các nghiên cứu khoa học liên quan","Missense mutation","Đột biến missense (Missense mutation) là dạng đột biến điểm thay thế một nucleotide duy nhất trong trình tự DNA làm thay đổi codon mã hóa, dẫn đến sự thế chỗ của một acid amin khác trong chuỗi polypeptide tương ứng.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":65,"title":66,"term":65,"englishTitle":67,"definition":68,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"phẫu thuật ruột","Phẫu thuật ruột là gì? Các nghiên cứu khoa học liên quan","Bowel surgery \u002F Intestinal surgery","Phẫu thuật ruột (Bowel surgery) là nhóm các can thiệp ngoại khoa tác động lên ruột non hoặc ruột già nhằm điều trị các bệnh lý tắc ruột, thủng tạng rỗng, bệnh viêm ruột mạn tính và khối u đường tiêu hóa.",{"id":70,"title":71,"term":70,"englishTitle":72,"definition":73,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"sorafenib","Sorafenib là gì? Các nghiên cứu khoa học liên quan","Sorafenib","Sorafenib là thuốc ức chế đa kinase (multikinase inhibitor) đường uống, có tác dụng chống tạo mạch máu khối u và ức chế tăng sinh tế bào ác tính trong điều trị ung thư biểu mô tế bào gan và ung thư thận tiến triển.",{"id":75,"title":76,"term":75,"englishTitle":77,"definition":78,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"human papillomavirus","Human papillomavirus là gì? Tổng quan học thuật","Human papillomavirus (HPV)","Human papillomavirus (HPV) là nhóm virus DNA sợi đôi thuộc họ Papillomaviridae, lây truyền qua đường tình dục và tiếp xúc da-niêm mạc, là căn nguyên hàng đầu gây ung thư cổ tử cung và các u nhú sinh dục.",{"id":80,"title":81,"term":80,"englishTitle":82,"definition":83,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"melioidosis","Melioidosis là gì? Các công bố khoa học về Melioidosis","Melioidosis","Melioidosis (Whitmore's disease) là bệnh truyền nhiễm cấp tính hoặc mạn tính nguy hiểm do trực khuẩn gram âm Burkholderia pseudomallei gây ra, thường lây truyền qua tiếp xúc trực tiếp với đất và nguồn nước bị nhiễm khuẩn.",{"id":85,"title":86,"term":85,"englishTitle":87,"definition":88,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"phản hồi sinh học","Phản hồi sinh học là gì? Các nghiên cứu khoa học liên quan","Biofeedback","Phản hồi sinh học (Biofeedback) là phương pháp điều trị hành vi không dùng thuốc, sử dụng các thiết bị đo cảm biến để theo dõi và hiển thị tức thời các tín hiệu sinh lý học, giúp người bệnh học cách tự điều hòa chức năng cơ thể.",{"id":90,"title":91,"term":90,"englishTitle":92,"definition":93,"discipline":49,"disciplineCode":50,"disciplineLabel":51,"disciplineColor":52,"disciplineIcon":53},"sàng lọc ung thư đại trực tràng","Sàng lọc ung thư đại trực tràng là gì? Nghiên cứu liên quan","Colorectal cancer screening","Sàng lọc ung thư đại trực tràng (Colorectal cancer screening) là quy trình y tế dự phòng nhằm phát hiện sớm các polyp biểu mô tiền ung thư và tổn thương ác tính ở đường tiêu hóa dưới trên đối tượng chưa có triệu chứng lâm sàng.",{"id":95,"title":96,"term":95,"englishTitle":97,"definition":98,"discipline":99,"disciplineCode":100,"disciplineLabel":101,"disciplineColor":102,"disciplineIcon":103},"thẻ tín dụng","Thẻ tín dụng là gì? Các bài nghiên cứu khoa học liên quan","Credit card","Thẻ tín dụng (Credit card) là công cụ thanh toán điện tử không dùng tiền mặt do tổ chức tài chính phát hành, cấp cho chủ thẻ hạn mức tín dụng tuần hoàn để thực hiện chi tiêu trước và thanh toán lại sau.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users"]