近年來，研究人員將眾多領域方法引入到醫學圖像處理中。經過不斷改進，醫學圖像處理算法的效果和效率均得到不同程度的提高。目前，生成式對抗網絡（GAN）在醫學圖像處理領域中的應用研究發展迅速。本文主要綜述了 GAN 在醫學圖像處理中的應用研究情況，介紹了 GAN 的基本概念，并從醫學圖像降噪、檢測、分割、合成、重建和分類等六個方面對 GAN 應用研究的最新進展進行了歸納總結，最后對該領域中值得進一步研究的方向進行了展望。
阿爾茨海默癥（AD）是一種典型的神經退行性疾病，臨床上表現為失憶、喪失語言能力、喪失生活自理能力等。迄今為止，AD 病因尚不明確且病程不可逆，也沒有治愈的方法，因此，AD 的早期診斷對于研發新型藥物和措施以減緩病情發展具有重要意義。輕度認知障礙（MCI）是一種介于 AD 和正常老化（HC）之間的狀態。研究表明，MCI 患者比沒有患過 MCI 的人更有可能發展成 AD，因此，對 MCI 患者的準確篩查成為了 AD 早期診斷的研究熱點之一。隨著神經影像技術和深度學習的飛速發展，越來越多的研究者使用深度學習方法對大腦神經影像如磁共振影像（MRI）進行分析，用于 AD 的早期診斷。于是，本文提出基于卷積神經網絡（CNN）和集成學習的多切片集成分類模型用于 AD 早期診斷。與只用單切片訓練獲得的 CNN 分類模型相比，本文采用三個維度上的多個二維切片進行訓練而獲得的集成分類器模型，能更充分地利用 MRI 包含的有效信息，從而提高分類的準確率和穩定性。