要小鹏，工学博士，男，1979年6月出生。西南医科大学医学信息与工程学院医学工程技术教研室主任，教授，硕士研究生导师，四川省、黑龙江省、广西壮族自治区科技厅项目评审专家，省重点实验室固定研究人员，省级课程思政示范课负责人，省级课程思政教学示范团队负责人,先后被评为本科生毕业论文优秀指导教师，获得西南医科大学优秀个人、优秀教师、课程建设先进个人等荣誉。
1. 学习及工作经历
2008.09-2014.06,四川大学,机械电子,博士
2006.04-2017.06,西南科技大学，制造科学与工程学院 教师
2017.07-至今，西南医科大学，医学信息与工程学院 教师
2. 联系方式
邮箱：xp_yao@swmu.edu.cn
3. 研究方向：
医学信息学、智能医疗仪器
4. 承担项目：
1）面向自主神经功能状态的心率变异性多模态量化分析与决策研究，四川省自然科学基金，20万，2024.01-2025.12，项目负责人
2）用于肺癌术中病理诊断的实时高分辨率太赫兹光谱成像技术研究，四川省区域创新合作项目子课题，25万/100万，2021.01-2023.12，项目负责人
3）基于宏观与微观环境下乳腺癌多组学建模与新辅助化疗完全反应预测，四川省科技厅联合创新项目，10万，2022.01-2024.12，项目负责人
4）多模态肝癌影像信息全容积建模与诊断认知机理研究，四川省科技计划应用基础类项目，10万，2020.01-2022.12，项目负责人
5）基于微观环境下病理切片组织的太赫兹医学成像关键技术研究，泸州市科技计划项目，3万，2023.07-2026.06，项目负责人
6）多时间尺度下抑郁症患者HRV信号特征解析与患者精神状态推理预测研究，厅市共建中枢神经系统药物四川省重点实验室，5万，2021.01-2023.12，项目负责人
7）面向大数据的抑郁症患者心率变异性解析机理与精神状态个性化预测研究，四川省卫生信息学会科研项目，1万，2022.07-2024.06，项目负责人
8）基于肺癌切片组织的太赫兹近场扫描成像机理与关键技术研究，西南医科大学校级项目，10万，2022.12-2024.11，项目负责人
5. 代表性论文：
(1) Jieqiu Zhang, Wei Yin, Lu Yang, Bo Xiao, Jianmei Wang, Xiaopeng Yao*. Development and validation of a radiopathomic model for predicting pathologic complete response to neoadjuvant chemotherapy in breast cancer patients [J].BMC Cancer, 2023, 23(1):431
(2) Jieqiu Zhang, Wei Yin, Lu Yang, Xiaopeng Yao*. Deep Learning Radiomics Nomogram Based on Multiphase Computed Tomography for Predicting Axillary Lymph Node Metastasis in Breast Cancer. Mol Imaging Biol. 2024,26(1):90-100.
(3) Jieqiu Zhang, Gaofei Cao, Haowen Pang, Jin Li, Xiaopeng Yao*. Development and validation of radiomics machine learning model based on contrast-enhanced computed tomography to predict axillary lymph node metastasis in breast cancer[J]. Biomol Biomed,2023,23(2):317-326.
(4) Xiaopeng Yao, Xinqiao Huang, Chunmei Yang, Anbin Hu, Guangjin Zhou,Mei Ju, Jianbo Lei, Jian Shu. A Novel Approach to Assessing Differentiation Degree and Lymph Node Metastasis of Extrahepatic Cholangiocarcinoma:Prediction Using a Radiomics-Based Particle Swarm Optimization and Support Vector Machine Model [J]. JMIR Med Inform,9(1): e25337
(5) 张杰秋,伍棋,王舰梅,要小鹏*.基于机器学习的病理组学特征可预测乳腺癌患者对新辅助化疗的反应[J].重庆医科大学学报,2023,48(12):1483-1488
